特許ウォッチ

公開番号2025124474
公報種別公開特許公報(A)
公開日2025-08-26
出願番号2024020556
出願日2024-02-14
発明の名称情報抽出システム及び情報抽出方法
出願人株式会社日立製作所
代理人弁理士法人サンネクスト国際特許事務所
主分類G06F 40/279 20200101AFI20250819BHJP(計算;計数)
要約【課題】情報抽出システムは、分析対象データから適切なサマリを生成すること。
【解決手段】分析対象データから、当該分析対象データによって説明される説明対象事項に関する複数の情報を説明情報として抽出する抽出部と、前記説明情報を記憶する記憶部と、前記抽出された説明情報を結合して構造化する結合部と、前記結合された単位を説明するサマリセンテンスを、結合元の前記説明情報から生成する生成部と、を有することを特徴とする。
【選択図】図1

特許請求の範囲【請求項１】
分析対象データから、当該分析対象データによって説明される説明対象事項に関する複数の情報を説明情報として抽出する抽出部と、
前記説明情報を記憶する記憶部と、
前記抽出された説明情報を結合して構造化する結合部と、
前記結合された単位を説明するサマリセンテンスを、結合元の前記説明情報から生成する生成部と、
を有することを特徴とする情報抽出システム。
続きを表示（約 1,000 文字）【請求項２】
請求項１に記載の情報抽出システムであって、
前記抽出部は、前記分析対象データであるドキュメントを第１の大規模言語処理に適したサイズのチャンクに分割し、各チャンクに前記第１の大規模言語処理を行うことで前記説明対象事項に関するセンテンスを前記説明情報として抽出し、
前記結合部は、複数の説明情報について各々の特徴量を算出し、前記特徴量に基づいて前記複数の説明情報をクラスタリングしてツリー構造に結合し、
前記生成部は、前記ツリー構造における所定のノードから先に所在する説明情報の内容を第２の大規模言語処理によってまとめて前記サマリセンテンスを生成することを特徴とする情報抽出システム。
【請求項３】
請求項２に記載の情報抽出システムであって、
前記生成部は、前記ツリー構造の階層情報を表示し、前記ノード又は階層の指定を受け付けて、対応するサマリセンテンスを出力することを特徴とする情報抽出システム。
【請求項４】
請求項１に記載の情報抽出システムであって、
前記記憶部は、前記分析対象データの種別に応じた説明対象事項セットを記憶し、
前記抽出部は、前記説明対象事項セットから選択した説明対象事項について前記説明情報の抽出を行うことを特徴とする情報抽出システム。
【請求項５】
請求項１に記載の情報抽出システムであって、
前記抽出部は、複数の分析対象データについて前記説明情報を抽出し、
前記記憶部は、複数の分析対象データについて前記説明情報を記憶し、
前記結合部は、分析対象データごとに前記構造化を行う
ことを特徴とする情報抽出システム。
【請求項６】
コンピュータが、分析対象データから、当該分析対象データによって説明される説明対象事項に関する複数の情報を説明情報として抽出する抽出ステップと、
前記コンピュータが、前記説明情報を記憶部に格納する格納ステップと、
前記コンピュータが、前記抽出された説明情報を結合して構造化する結合ステップと、
前記コンピュータが、前記結合された単位を説明するサマリセンテンスを、結合元の前記説明情報から生成する生成ステップと、
を含むことを特徴とする情報抽出方法。

発明の詳細な説明【技術分野】
【０００１】
本発明は、情報抽出システム及び情報抽出方法に関する。
続きを表示（約 2,200 文字）【背景技術】
【０００２】
従来、文章をデータ処理する技術がある。特開２０２３－１５８９９２号公報（特許文献１）には、「入力テキストに対する応答テキストを生成する応答生成部１０５と、応答生成部で生成された応答テキストを修正する応答修正部１０７と、応答修正部で修正された応答テキスト群内の応答テキストに対して応答テキストの表現がユーザにとって適切かどうかを判定する応答表現適切性評価部１０９と、応答修正部で修正された応答テキスト群内の応答テキストに対して応答テキストの内容が、ユーザの過去にやりとりの内容に対して妥当な内容であるかどうかを判定する応答内容妥当性評価部１１１と、応答表現適切性評価部による評価と応答内容妥当性評価部による評価に基づき、修正された応答テキスト群から出力すべき応答テキストを決定する選択部１１３を有する。」という記載がある。
【先行技術文献】
【特許文献】
【０００３】
特開２０２３－１５８９９２号公報
【発明の概要】
【発明が解決しようとする課題】
【０００４】
従来技術では、大規模言語モデル（ＬＬＭ：ＬａｒｇｅＬａｎｇｕａｇｅＭｏｄｅｌｓ）を用いて、入力テキストに対する妥当な応答テキストを生成している。
このような大規模言語モデルを用いたデータ処理（大規模言語処理）は、応答テキストの生成に限らず、文書のサマリの生成にも活用できる。多数の文書や、文章量の多い文書から適切なサマリを生成できれば、文書の活用に大きく寄与する。
しかしながら、大規模言語モデルでの文書のサマリを生成する場合、抽出したい情報が文章内に散らばって記載されている、複数の内容について言及している、などの理由により、適切なサマリを生成できない場合がある。例えば、業界動向予測と事業の予算見積の双方を説明する事業計画文書からサマリを生成した場合に、予算見積についてのサマリが生成され、業界動向予測についての内容が欠落することがある。この場合、当該文書における業界動向予測の内容を必要としているユーザによっては不適切なサマリとなる。また、操作方法と修理方法を記載したマニュアルからサマリを生成し、修理方法が欠落すると、修理方法を知りたいユーザによって不適切なサマリとなる。
このような問題は、文書からサマリを生成する場合に限らず、音声データや動画データ等、任意の分析対象データからサマリを生成する場合に生ずる。
そこで、本発明では、分析対象データから適切なサマリを生成することを目的とする。
【課題を解決するための手段】
【０００５】
上記目的を達成するために、代表的な本発明の情報抽出システムの一つは、分析対象データから、当該分析対象データによって説明される説明対象事項に関する複数の情報を説明情報として抽出する抽出部と、前記説明情報を記憶する記憶部と、前記抽出された説明情報を結合して構造化する結合部と、前記結合された単位を説明するサマリセンテンスを、結合元の前記説明情報から生成する生成部と、を有することを特徴とする。
また、代表的な本発明の情報抽出方法の一つは、コンピュータが、分析対象データから、当該分析対象データによって説明される説明対象事項に関する複数の情報を説明情報として抽出する抽出ステップと、前記コンピュータが、前記説明情報を記憶部に格納する格納ステップと、前記コンピュータが、前記抽出された説明情報を結合して構造化する結合ステップと、前記コンピュータが、前記結合された単位を説明するサマリセンテンスを、結合元の前記説明情報から生成する生成ステップと、を含むことを特徴とする。
【発明の効果】
【０００６】
本発明によれば、分析対象データから適切なサマリを生成できる。上記した以外の課題、構成及び効果は以下の実施の形態の説明により明らかにされる。
【図面の簡単な説明】
【０００７】
実施例１の情報抽出システムの構成図
データの具体例（その１）
データの具体例（その２）
計算機の処理手順を示すフローチャート
関心事抽出の処理手順を示すフローチャート
情報結合の処理手順を示すフローチャート
サマリ生成の処理手順を示すフローチャート
蒸留による情報結合を採用する場合の計算機の処理手順を示すフローチャート
蒸留による情報結合の処理手順を示すフローチャート
階層構造の表示と選択の具体例
【発明を実施するための形態】
【０００８】
以下、実施例を図面を用いて説明する。
【実施例】
【０００９】
図１は、実施例１の情報抽出システムの構成図である。図１に示した計算機１００は、ＣＰＵ（ＣｅｎｔｒａｌＰｒｏｃｅｓｓｉｎｇＵｎｉｔ）１０１、メモリ１０２、ストレージ１０３、入力装置１０４、出力装置１０５及び通信装置１０６を有するコンピュータである。
【００１０】
入力装置１０４は、例えばキーボードやポインティングデバイスである。
出力装置１０５は、例えば液晶ディスプレイである。
通信装置１０６は、外部の装置と通信する通信インタフェースである。
（【００１１】以降は省略されています）

関連特許