特許ウォッチ

公開番号2025156856
公報種別公開特許公報(A)
公開日2025-10-15
出願番号2024059582
出願日2024-04-02
発明の名称エンティティ抽出システム、エンティティ選択方法
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 20200101AFI20251007BHJP(計算;計数)
要約【課題】構造化されていないテキストデータからのデータ抽出の精度を向上できる。
【解決手段】エンティティ抽出システムは、構造化されていない文章である処理対象文からエンティティの候補であるエンティティ候補を認識する候補認識部と、エンティティ候補のそれぞれについて1以上の特徴を評価し、評価の結果に基づき確信度を決定する確信度決定部と、確信度に基づきエンティティ候補からエンティティを選択するエンティティ選択部と、を備える。
【選択図】図1

特許請求の範囲【請求項１】
構造化されていない文章である処理対象文からエンティティの候補であるエンティティ候補を認識する候補認識部と、
前記エンティティ候補のそれぞれについて１以上の特徴を評価し、前記評価の結果に基づき確信度を決定する確信度決定部と、
前記確信度に基づき前記エンティティ候補から前記エンティティを選択するエンティティ選択部と、を備えるエンティティ抽出システム。
続きを表示（約 1,100 文字）【請求項２】
請求項１に記載のエンティティ抽出システムにおいて、
前記候補認識部は、前記処理対象文を１文ずつに分解し、前記処理対象文の１文を学習済みの機械学習モデルに入力して前記エンティティ候補を得る処理を繰り返す、エンティティ抽出システム。
【請求項３】
請求項１に記載のエンティティ抽出システムにおいて、
前記１以上の特徴には、前記処理対象文における前記エンティティ候補の出現頻度の評価が含まれる、エンティティ抽出システム。
【請求項４】
請求項１に記載のエンティティ抽出システムにおいて、
前記１以上の特徴には、前記処理対象文における前記エンティティ候補の位置の評価が含まれる、エンティティ抽出システム。
【請求項５】
請求項１に記載のエンティティ抽出システムにおいて、
前記候補認識部は、抽出した前記エンティティ候補について確からしさの指標である予測確率も出力し、
前記１以上の特徴には前記予測確率が含まれる、エンティティ抽出システム。
【請求項６】
請求項１に記載のエンティティ抽出システムにおいて、
前記候補認識部は、前記処理対象文を１文ずつ処理して前記エンティティ候補を抽出し、
前記１以上の特徴には、前記候補認識部が前記エンティティ候補を抽出した１文を含む２文以上を、前記候補認識部とは異なるエンティティ抽出器に一度に入力して同一の前記エンティティ候補が得られるか否かが含まれる、エンティティ抽出システム。
【請求項７】
請求項１に記載のエンティティ抽出システムにおいて、
前記１以上の特徴には、前記処理対象文における前記エンティティ候補とあらかじめ定められたキーワードとの相対距離が含まれる、エンティティ抽出システム。
【請求項８】
請求項１に記載のエンティティ抽出システムにおいて、
前記確信度決定部は、前記エンティティ候補ごとに複数の特徴の有無を判断し、前記エンティティ候補が有する特徴に基づき前記確信度を決定する、エンティティ抽出システム。
【請求項９】
請求項１に記載のエンティティ抽出システムにおいて、
前記エンティティ選択部は、前記確信度が最も高い前記エンティティ候補のみを前記エンティティとして選択する、エンティティ抽出システム。
【請求項１０】
請求項１に記載のエンティティ抽出システムにおいて、
前記エンティティ選択部は、前記確信度が高い前記エンティティ候補ほど高い割合で前記エンティティとして選択する、エンティティ抽出システム。
（【請求項１１】以降は省略されています）
発明の詳細な説明【技術分野】
【０００１】
本発明は、エンティティ抽出システム、およびエンティティ選択方法に関する。
続きを表示（約 2,100 文字）【背景技術】
【０００２】
構造化されていないテキストデータから必要なデータを抽出する技術が広く求められている。特許文献１には、カスタマイズ可能なテンプレート規則に基づいて構造化データ出力を生成するために、非構造化データのコンピュータ支援ガイド付きレビューを提供するシステムが開示されている。このシステムでは、非構造化ファイルが受信され、所定のテンプレートが選択される。所定のテンプレートは複数のフィールドを含み、各フィールドは構造化レポートのフィールドに対応する。所定のテンプレートはまた、所定のテンプレートの各フィールドに対する抽出規則を定義し、抽出規則は、関連するフィールドに関連する非構造化データを識別するためのパラメータを定義する。抽出規則は、非構造化ファイルに適用されて、対応する抽出規則に関連するフィールドに関連するデータを識別し、関連すると識別されたデータを確認する。関連するデータを確認することは、条件に基づいて関連するデータを精緻化することを決定することと、関連するデータを精緻化するためにフィールドに関連する抽出規則を修正することとを含む。
【先行技術文献】
【特許文献】
【０００３】
米国特許第１１５５０８１０号明細書
【発明の概要】
【発明が解決しようとする課題】
【０００４】
特許文献１に記載されている発明では、構造化されていないテキストデータからのデータ抽出に改善の余地がある。
【課題を解決するための手段】
【０００５】
本発明の第１の態様によるエンティティ抽出システムは、構造化されていない文章である処理対象文からエンティティの候補であるエンティティ候補を認識する候補認識部と、前記エンティティ候補のそれぞれについて１以上の特徴を評価し、前記評価の結果に基づき確信度を決定する確信度決定部と、前記確信度に基づき前記エンティティ候補から前記エンティティを選択するエンティティ選択部と、を備える。
本発明の第２の態様によるエンティティ選択方法は、構造化されていない文章である処理対象文が入力される演算装置が実行するエンティティ選択方法であって、前記エンティティの候補であるエンティティ候補を認識することと、前記エンティティ候補のそれぞれについて１以上の特徴を評価し、前記評価の結果に基づき確信度を決定することと、前記確信度に基づき前記エンティティ候補から前記エンティティを選択することと、を含む。
【発明の効果】
【０００６】
本発明によれば、構造化されていないテキストデータからのデータ抽出の精度を向上できる。
【図面の簡単な説明】
【０００７】
第１の実施の形態におけるエンティティ抽出システムの機能構成図
エンティティ抽出システムのハードウエア構成図
エンティティ抽出システムの概要処理を示す図
記憶部に格納されるデータを示す図
確信度決定部が実行する評価手法の一覧を示す図
評価手法適用可否テーブルの一例を示す図
エンティティ抽出システムの処理概要を示すフローチャート
図７のステップＳ３３に示した候補認識処理の詳細を示すフローチャート
図７のステップＳ３４に示した確信度決定処理の詳細を示すフローチャート
図７のステップＳ３５に示したエンティティ選択処理の詳細を示すフローチャート
変形例１における確信度決定部の処理を示すフローチャート
変形例１における確信度決定部の処理を示すフローチャート
変形例２におけるエンティティ選択部の処理を示すフローチャート
第２の実施の形態におけるエンティティ抽出システムの機能構成図
学習データ生成処理を示すフローチャート
【発明を実施するための形態】
【０００８】
―第１の実施の形態―
以下、図１～図１０を参照して、エンティティ抽出システムの第１の実施の形態を説明する。
【０００９】
図１は、第１の実施の形態におけるエンティティ抽出システム１の機能構成図である。エンティティ抽出システム１は、候補認識部１１と、確信度決定部１２と、エンティティ選択部１３と、記憶部１４と、ＵＩ処理部１５と、を備える。エンティティ抽出システム１は、ユーザ９の動作指令に基づき動作する。ユーザ９は、エンティティ抽出システム１に対して処理対象文９１および抽出カテゴリ９２を指定する。
【００１０】
処理対象文９１はエンティティ抽出システム１が処理対象とする文章であり、後述するように構造化されていないテキストである。抽出カテゴリ９２とは、処理対象文９１から抽出すべきエンティティの種類を特定する識別子である。この識別子は、あらかじめ定められたいずれかである。エンティティ抽出システム１は、フィールドごとのエンティティを出力する。各構成および記憶部１４に格納されるデータは後に説明する。
（【００１１】以降は省略されています）

関連特許