阅读说明：本技术 推荐语句生成装置、推荐语句生成方法和计算机可读记录介质 (Recommended sentence generation device, recommended sentence generation method, and computer-readable recording medium ) 是由 铃木功一 于 2020-03-09 设计创作，主要内容包括：本公开提供了一种推荐语句生成装置、推荐语句生成方法和计算机可读记录介质。根据本发明的推荐语句生成装置是生成关于设施的推荐语句的推荐语句生成装置。所述推荐语句生成装置配备有：选择单元,其基于与所述设施相关联的话题词的出现频率,选择关于所述设施书写的文档数据；以及校正单元,其校正选择的文档数据中包括的预定词。(The present disclosure provides a recommended sentence generation apparatus, a recommended sentence generation method, and a computer-readable recording medium. A recommended sentence generating apparatus according to the present invention is a recommended sentence generating apparatus that generates a recommended sentence for a facility. The recommendation sentence generation apparatus is provided with: a selection unit that selects document data written with respect to the facility based on an appearance frequency of topic words associated with the facility; and a correction unit that corrects a predetermined word included in the selected document data.)

推荐语句生成装置、推荐语句生成方法和计算机可读记录 介质

技术领域

本发明涉及一种推荐语句生成装置、推荐语句生成方法和计算机可读记录介质。

背景技术

传统来说，已知一种抽象语句生成装置，该抽象语句生成装置从通过文本整形手段提取的重要语句中删除有些不必要的词，并且删除满足特定条件的一个或一些重要语句(参见日本专利公开第7-43717号(JP 7-43717 A))。

发明内容

然而，通过社交网络服务(SNS)等传播的文档由以自由风格书写的语句构成。这样的文档包括例如符号、图像符号、统一资源定位符(URL)、例如英语等日语之外的语言、或者包括语法错误的语句。因此，文档中未校正的每个语句不适合作为例如用于推荐诸如设施等的主题的语句。

因此，本发明的目的是提供一种推荐语句生成装置、推荐语句生成方法以及计算机可读记录介质，其可以生成适合作为关于主题的推荐语句的语句。

根据本发明的一个方案的推荐语句生成装置是生成关于主题的推荐语句的推荐语句生成装置。该推荐语句生成装置配备有：选择单元，其基于与所述主题相关联的话题词的出现频率，选择关于所述主题书写的文档；以及校正单元，其校正选择的文档中包括的预定词。

根据本发明另一方案的推荐语句生成方法是用于生成关于主题的推荐语句的推荐语句生成方法。该推荐语句生成方法包括：基于与所述主题相关联的话题词的出现频率来选择关于所述主题书写的文档的步骤；以及校正选择的文档中包括的预定词的步骤。

根据本发明的又一方案的计算机可读记录介质，其存储推荐语句生成程序，所述推荐语句生成程序由计算机执行以通过如下步骤生成关于主题的推荐语句。这些步骤包括：基于与所述主题相关联的话题词的出现频率来选择关于所述主题书写的文档的步骤；以及校正选择的文档中包括的预定词的步骤。

根据本发明，可以生成适合作为关于主题的推荐语句的语句。

附图说明

下面将参照附图描述本发明的示例性实施例的特征、优点以及技术和工业意义，其中，相同的标号表示相同的元件，并且其中：

图1是示出根据实施例之一的推荐语句生成装置的概略配置的配置图；

图2是示出图1所示的设施集群的概略配置的视图；

图3是示出图1所示的话题集群的概略配置的视图；

图4是示出图1所示的词性表的数据结构的视图；

图5是示出选择的文档数据中包含的语句的重要度的计算的示例的视图；

图6是示出图1所示的权重表的数据结构的视图；

图7是示出选择的文档数据中包含的语句的重要度的计算的另一示例的视图；

图8是示出图1所示的固定转换表的数据结构的视图；

图9是示出图1所示的随机转换表的数据结构的视图；

图10是示出图1所示的附加表的数据结构的视图；以及

图11是示出根据实施例之一的推荐语句生成装置的概略操作的流程图。

具体实施方式

下面将描述本发明的实施例之一。在下面将要提及的附图中，相同或相似的组件或元件由相同或相似的附图标记表示。但是，应当注意，附图是示意性的。此外，本发明的技术范围不应被解释为限于那些实施例。

图1至图11旨在提出根据实施例之一的推荐语句生成装置、推荐语句生成方法和推荐语句生成程序。首先，将参照图1至图10描述根据实施例之一的推荐语句生成装置的总体配置。图1是示出根据实施例之一的推荐语句生成装置100的概略配置的配置图。图2是示出图1所示的设施集群32的概略配置的视图。图3是示出图1所示的话题集群33的概略配置的视图。图4是示出图1所示的词性表34的数据结构的视图。图5是示出选择的文档数据中包含的语句的重要度的计算的示例的视图。图6是示出图1所示的权重表35的数据结构的视图。图7是示出选择的文档数据中包含的语句的重要度的计算的另一示例的视图。图8是示出图1所示的固定转换表36的数据结构的视图。图9是示出图1所示的随机转换表37的数据结构的视图。图10是示出图1所示的附加表38的数据结构的视图。

推荐语句生成装置100被设计为生成关于诸如设施等的主题的推荐语句(也称为推荐语句)。推荐语句的主题不一定是设施，而可以是例如事件、地点、空间等。顺便提及，为了简单说明，将在推荐语句的主题是设施的假设下给出以下描述。

如图1所示，推荐语句生成装置100例如配备通信单元10、输出单元20、存储单元30以及控制单元40。另外，推荐语句生成装置100还配备有总线99，其被配置为在推荐语句生成装置100的各个单元之间传送信号和数据。

通信单元10被设计为通信(发送和接收)数据。通信单元10被配置为能够基于一个或多个预定的通信系统经由网络NW建立通信。在网络NW或与网络NW组合的其他网络是因特网的情况下，通信单元10的通信系统中的至少一个是符合因特网协议的通信系统。

输出单元20被配置为输出信息。输出单元20被配置为包括例如诸如液晶显示器、电致发光(EL)显示器、等离子显示器等显示装置。在该示例的情况下，输出单元20可以通过使显示装置显示诸如字符、数字、符号等的文本数据、图像数据、视频数据等来输出信息。

存储单元30被配置为存储程序、数据等。存储单元30被配置为包括例如硬盘驱动器、固态驱动器等。存储单元30预先存储由控制单元40执行的各种程序、执行程序所需的数据等。

此外，存储单元30存储清理后文档文件31、设施集群32和话题集群33。

清理后文档文件31是多个文件数据的集合。文档数据是关于用于SNS的文档的数据。此外，清理后文档文件31包括多个数据清洗后的文档数据。即，从清理后文档文件31中去除了生成推荐语句不需要的文档数据，例如，不包括推荐内容的文档数据、不适合作为推荐的文档数据、被认为是新闻或通知的文档数据、关于多余内容的文档数据等。

设施集群32被设计为形成设施组，关于该设施组表达相似的印象或感觉。如图2所示，设施集群32包括例如12个设施集群32-1至32-12。至少一个设施被分类到设施集群32-1至32-12中的每个。例如，设施集群32-1是关于其表达了“美味的”或类似印象或感觉的设施集群，设施集群32-2是关于其表达了“干净的”或类似印象或感觉的设施集群。通过这样将作为推荐语句的主题的设施聚集到每个都产生相似印象的一些组中，通过省略共同的处理、减少重复次数等，与考虑设施中的每一个的情况相比，可以使效率更高。设施集群32-1至32-12在下文中将被统称为“设施集群32”。

话题集群33被设计为形成文档组，每个文档组包括相同方向的话题。如图3所示，话题集群33包括例如40个话题集群33-1至33-40。为每个设施集群32形成话题集群33-1至33-40。结果，包括在清理后文档文件中的文档数据各自被分类到设施集群32-1至32-12之一中，并且每个也被分类到话题集群33-1至33-40之一中(12×40＝480个分类)。例如，话题集群33-1是关于“美味的”的话题集群，话题集群33-2是关于“性价比高/饱腹感”的话题集群，话题集群33-3是关于“甜品/甜点”的话题集群。另外，例如，话题集群33-4是关于“拥挤/预约”的话题集群，以及话题集群33-5是关于“时尚/干净”的话题集群。通过这样将文档数据聚集到各自包括相同方向的话题的组中，可以指定与文档数据中的设施相关联的话题的组。下文中，将话题集群33-1至33-40统称为“话题集群33”。

返回图1的描述，存储单元30还存储词性表34、权重表35、固定转换表36、随机转换表37和附加表38。这些表将在后面描述。

返回图1的描述，控制单元40被配置为控制诸如通信单元10、输出单元20、存储单元30等的推荐语句生成装置100的各个单元的操作。此外，控制单元40被配置为通过例如执行存储在存储单元30中的程序来实现稍后将描述的各个功能。控制单元40被配置为例如包括诸如中央处理单元(CPU)、专用集成电路(ASIC)、现场可编程门阵列(FPGA)等的处理器，诸如只读存储器(ROM)、随机存取存储器(RAM)等的存储器，以及诸如缓冲器等缓冲存储器装置。

此外，控制单元40例如配置有合计值计算单元41、分类单元42、选择单元43、重要度计算单元44、提取单元45和校正单元46，作为其功能配置。

合计值计算单元41被配置为量化包括在文档数据中的预定词性的词，并计算文档数据的合计值。

具体而言，合计值计算单元41通过词素分析将清理后文档文件中包括的每个文档数据划分为词素列，并确定每个词素的词性。随后，合计值计算单元41通过使用存储在存储单元30中的词性表34来提取每个文档数据中的预定的词性，例如，在词汇学上有意义的词性，更具体地，作为名词、动词、形容词、形容动词、副词和感叹词的词。换句话说，合计值计算单元41去除语法上有意义的功能词，例如，助词、助动词等。

如图4所示，词性表34为每个词性和每个词性信息，存储量化标志、合计标志和重要度标志作为一个记录。合计值计算单元41从文档数据中提取与量化标记为“1”的每个词性和每条词性信息相符的至少一个词。在存在多个相符的词的情况下，合计值计算单元41从文档数据中提取所有那些词。

返回到图1的描述，随后，合计值计算单元41通过使用通过机械学习生成的分类器(未示出)，基于文档数据中相邻词的出现位置之间的关系来量化每个提取的词的含义。用于量化每个词的含义的分类器是通过诸如将每个词表示为向量的Word2Vec等的方法(也称为“算法”或“模型”，在下文中同样适用)生成的。顺便提及，分类器可以由推荐语句生成装置100生成，或者可以由其他装置生成并且经由网络NW和通信单元10接收。

随后，合计值计算单元41通过使用图4中所示的词性表34，在每个文档数据中提取与合计标志为“1”的每个词性和每条词性信息相符的词。随后，合计值计算单元41通过对文档数据中的各个提取词的数值求和来计算合计值。因此，每个文档数据的合计值被计算，并且每个文档数据所提及的内容被量化。

顺便提及，在本申请中，术语“词”至少要求比句短，并且以包括词素、单个词、表述、短语等的含义来使用。

分类单元42被配置为基于与设施相关联的话题词将文档数据分类为多个话题集群33-1至33-40之一。在前述话题集群33-1的示例中，与设施相关联的话题词是“美味的(具有两个汉字和两个平假名字符)”或与其类似的词。作为类似于“美味的(具有两个汉字和两个平假名字符)”的词，可能提及例如“美味的(具有两个汉字和一个平假名字符)”、“美味的(具有四个平假名字符)”、“可口的(具有三个平假名字符)”、“可口的(具有一个汉字和一个平假名字符)”、“甜蜜的”、“喜欢”、“最好的”、“愉快的”、“许多的”等。

更具体地，分类单元42被配置为基于计算出的合计值将每个文档数据分类为多个话题集群之一。以这种方式，通过分别量化包括在文档数据中的预定词性的词，并分别计算文档数据的合计值，使包括彼此相关联的话题词的文档数据的合计值彼此接近。因此，可以基于合计值来提高将文档数据分别分类为话题集群33的准确性。

具体而言，分类单元42通过使用无监督数据分类方法，例如，k平均方法(也称为k均值聚类)将每个文档数据分类为图3所示的40个话题集群33-1至33-40之一。以这种方式，通过使用无监督数据分类方法，不需要监督数据，便利将文档数据分类为话题集群33。

选择单元43被配置为基于前述话题词的出现频率来选择关于每个设施书写的文档数据。以这种方式，可以基于与每个设施相关联的话题词的出现频率，来选择适合作为关于每个设施的推荐句的文档数据。

更具体地，选择单元43被配置为基于分类的文档数据的数量从多个话题集群33-1至33-40中确定至少一个主要话题集群，并选择分类到至少一个主要话题集群中的文档数据。

具体来说，选择单元43针对每个设施对分类到话题集群33-1至33-40的每一个中的文档数据的数量进行计数，并且确定前三个话题集群以及包含两个以上文档数据的话题集群，作为主要话题集群。然后，选择单元43选择分类为主要话题集群的文档数据。在存在分类为主要话题集群的多个文档数据的情况下，选择单元43选择所有那些文档数据。以这种方式，通过基于分类的文档数据的数量从多个话题集群33-1至33-40中确定主要话题集群，并选择分类为主要话题集群的文档数据，来选择关于与每个设施有关的主要话题所书写的文档数据。由此，可以选择更适合作为关于每个设施的推荐语句的文档数据。

重要度计算单元44被配置为基于所选择的文档数据中的多个语句中共用的词来计算所选择的文档数据中包括的每个语句的重要度。

此处应注意，重要度指示信息的可靠性，并且是用于从文档数据中提取重要语句的指标。重要语句是适合于生成关于作为主题的设施的推荐语句的语句。例如，重要语句是包含高度可靠的信息、包含大量信息并且包括表示设施的特征的印象或评估的语句。

具体而言，重要度计算单元44基于分隔符(例如，停止号、句号、感叹号、问号、空格等)，将选择单元43选择的文档数据划分为语句。在通过划分得到的一个语句满足预定条件的情况下，当那一个语句是文档数据中的第一句时，重要度计算单元44通过将那一个语句与随后的语句结合来生成语句，当该语句不是文档数据中的第一句时，重要度计算单元44通过将那一个语句与紧前的语句结合来生成语句。另一方面，在通过划分得到的一个语句不满足预定条件的情况下，重要度计算单元44通过直接使用该一个语句来生成语句。例如，预定条件是一个语句中的字符数小于预定值，和/或作为词素分析的结果一个语句中仅存在印象的表达。

顺便提及，在本申请中，术语“语句”包括一个语句或通过将一个语句和一个语句彼此结合而获得的包括两个语句的一系列有意义的语句。

另外，重要度计算单元44计算所选择的文档数据中的每个语句的重要度。通过使用重要度随着选择的文档数据中包括的所有语句中共用的词数的增加而增加的方法，例如Lex Rank等，来计算每个语句的重要度。以这种方式，可以通过基于所选择的文档数据中的多个语句中共用的词来计算所选择的文档数据中包括的每个语句的重要度，容易地计算出表示信息的可靠性的重要度。

此外，重要度计算单元44被配置为进一步基于与每个设施相关联的附加信息的量来计算包括在选择的文档数据中的每个语句的重要度。

例如，当针对设施“名古屋城”分别计算所选择的文档数据中的语句的重要度时，获得如图5所示结果。包括多个语句中共有的许多元素(例如，如图5中粗体所指示的“楼梯”、“酷”、“有趣的”、“犬山城”等)的语句的重要度为高。此外，包括如图5加下划线的“迎宾武将”、“名古屋城的结构”等许多附加信息的语句的重要度高于仅包括“有趣的”的语句的重要度。以这种方式，通过进一步基于与设施相关联的附加信息的量，计算所选择的文档数据中包括的每个语句的重要度，可以使包括大量附加信息的语句的重要度高，并且可以使重要度反映附加信息的大量。

此外，重要度计算单元44被配置为通过使用对应于与每个设施相关联的每个特征词的权重，来计算所选择的文档数据中包括的每个语句的重要度。

具体而言，当在选择的文档数据中的每个语句中包括与每个设施相关联的特征词时，重要度计算单元44通过使用存储单元30中存储的词性表34进行加权，即乘以与该特征词相对应的权重。在本实施例中，与每个设施相关联的特征词是表达印象和评价的词，其代表被分类到设施集群32-1至32-12的每一个中的每个设施的特征。

如图6所示，对于设施集群32-1至32-12中的每一个，权重的值和与权重相对应的特征词被存储在权重表35中。顺便提及，图6中所示的“设施集群i(i为1至12的整数)”对应于设施集群32-j(j为1至12的整数)。顺便提及，对于表示推荐并且在各个设施集群32-1至32-12的设施中共用的词，可以将权重存储在存储单元30中。

例如，在将前述设施“名古屋城”分类为设施集群32-7的情况下，编号为“1”的语句包括权重为“1.6”的特征词“酷”。因此，重要度计算单元44通过将未加权的重要度乘以该权重来计算加权后的重要度“0.0268”。同样，编号为“2”的语句包括权重为“1.1”的特征词“有趣的”。因此，重要度计算单元44通过将未加权的重要度乘以权重来计算加权后的重要度“0.0185”。另一方面，编号为“2”的语句不包括设施集群32-7的任何特征词。在这种情况下，重要度计算单元44通过将未加权的重要度乘以例如权重“0.5”来计算加权后的重要度“0.0076”。以这种方式，通过使用与设施相关联的特征词相对应的权重来计算所选择的文档数据中包含的每个语句的重要度，可以使包含特征词的语句的重要度高，并且可以使重要度反映出是否存在设施的印象、设施的评价、以及表示推荐设施的词。

提取单元45被配置为基于重要度从选择的文档数据中提取重要语句。

具体而言，提取单元45提取所选择的文档数据中具有最高重要度的语句作为重要语句。因此，针对每个设施提取具有最高重要度的重要语句。

校正单元46被配置为校正所选择的文档数据中包括的预定词。在此应当注意，本发明的发明人已经发现，通过校正语句中的预定词来实现语句。结果，可以通过校正适合于关于设施的推荐语句所选择的文档数据中的预定词来，生成适合作为关于设施的推荐语句的语句。

更具体地，校正单元46被配置为校正所提取的重要语句中包括的预定词。以这种方式，通过对所提取的重要语句中包括的预定词进行校正，可以对信息的可靠性高的重要语句进行校正，来生成更适合作为关于设施的推荐语句的语句。

具体而言，如果该预定表述在重要语句的开头，则校正单元46首先删除该预定表述。所述预定表述包括例如符号、预定词性的词(例如感叹词、连词、助词等)、以及关于日期和时间的表述(例如“昨天”、“今天”、“上周”、“本周”等)。

随后，校正单元46通过使用存储单元30中存储的固定转换表36，将包括在校正前的重要语句中的预定词转换为其他预定词。

如图8所示，固定转换表36是将转换前的词和转换后的词彼此配对的表。在校正前的重要语句中或句尾处存在转换前列中存储的词的情况下，校正单元46将该词转换为对应行中的转换后列中存储的词。例如，在校正前的重要语句中或句尾处的“刚去过……(有两个汉字并为敬语)”被转换为“刚去过……(有一个汉字并为口语)”。

此外，校正单元46通过使用存储在存储单元30中的随机转换表37，将包括在校正前的重要语句中的预定词随机转换为多个其他预定词之一。

如图9所示，随机转换表37是将转换前的词与多个转换后的词配对的表。在校正前的重要语句中或其句尾处存在转换前的列中存储的词的情况下，校正单元46将该词随机转换为对应的行中的在转换后候选1列、转换后候选2列、转换后候选3列或转换后候选4列中的一列中存储的词。例如，将校正前的重要语句中或句尾处的“可口的(具有三个平假名字符)”转换为“可口的(具有两个片假名字符和一个平假名字符)”、“可口的(具有一个汉字和一个平假名字符)”、“美味的(具有两个汉字和一个平假名字符)”或“美味的(具有两个汉字和两个平假名字符)”。在转换后候选的数目小于4的情况下，将该词随机转换为与转换后候选的数目相对应的范围内的词。

随后，在重要语句的句尾有问号或句号的情况下，校正单元46使重要语句的句尾保持原样。否则，校正单元46在重要语句的句尾添加句号。接着，在校正后的重要语句的句尾有预定词的情况下，校正单元46通过使用存储在存储单元30中的附加表38向其添加其他预定词。

如图10所示，附加表38是将目标词和附加词彼此配对的表。在校正后的重要语句的句尾存在目标列中存储的词的情况下，校正单元46向其添加在对应的行中的附加列中存储的词。例如，“(它)非常好。”被添加到校正后的重要语句的句尾处的“(我)刚去过...”，从而得到“(我)刚去过...。(它)非常好。”此外，“(它)非常好。”被添加到校正后的重要语句的句尾处的“(我)去了...。”，从而得到“(我)去了……。(它)非常好。”。以这种方式，校正单元46执行将预定词转换为其他预定词的固定转换、将预定词随机转换为多个其他预定词之一的随机转换、以及将其他预定词添加到预定词的添加中的至少一种。结果，可以容易地生成适合作为关于每个设施的推荐语句的语句。

控制单元40的各个功能可以通过由计算机(微处理器)执行的程序来实现。因此，控制单元40所具有的各个功能可以通过硬件、软件、或者硬件和软件的组合来实现，并且不应限于它们中的任一项。

此外，在通过软件或硬件与软件的组合来实现控制单元40的各个功能的情况下，可以以多任务方式、多线程方式、或者以多任务方式和多线程方式二者执行它们的处理，并且不限于其中任何一种。

顺便提及，清理后文档文件31、设施集群32、话题集群33、词性表34、权重表35、固定转换表36、随机转换表37和附加表38在结构和形式上不应限于上述示例。例如，清理后文档文件31、设施集群32、话题集群33、词性表34、权重表35、固定转换表36、随机转换表37和附加表38中的每一个可以仅仅是数据或数据库。此外，在清理后文档文件31、设施集群32、话题集群33、词性表34、权重表35、固定转换表36、随机转换表37和附加表38中的至少一个是数据库的情况下，可以通过归一化对数据的分组单位进行细分化。

接下来，将参考图11描述根据实施例之一的推荐语句生成装置的概略操作。图11是示出根据实施例之一的推荐语句生成装置100的概略操作的流程图。

例如，当清理后文档文件31中包括的多个文档数据各自被分类为多个话题集群33-1至33-40之一时，推荐语句生成装置100执行图11所示的推荐语句生成处理S200。

顺便提及，在下面的描述中，假定文档数据各自被分类到多个话题集群33-1至33-40之一。

首先，选择单元43基于分类的文档数据的数量从多个话题集群33-1至33-40中确定主要话题集群，并且选择分类为主要话题集群的文档数据(S201)。

随后，重要度计算单元44基于在步骤S201中选择的文档数据中的多个语句中共用的词，计算在步骤S201中选择的文档数据中的每个语句的重要度(S202)。

随后，提取单元45基于在步骤S202中计算出的重要度，从在步骤S201中选择的文档数据中提取重要语句(S203)。

随后，校正单元46校正在步骤S203中提取的重要语句中的预定词(S204)。由此，生成关于设施的推荐语句。

随后，校正单元46将通过步骤S204生成的推荐语句输出到输出单元20(S205)。顺便提及，代替将通过步骤S204生成的推荐语句输出至输出单元20或除了将通过步骤S204生成的推荐语句输出至输出单元20之外，校正单元46可以经由通信单元10和网络NW将通过步骤S204生成的推荐语句发送至其他装置。

在本实施例中，提出了一个示例，其中，在推荐语句生成处理S200开始之前，清理后文档文件31中包括的文档数据每个被分类到多个话题集群33-1至33-40中的一个中，但是本发明不应限于此。可以分别将清理后文档文件31中包括的文档数据分类到多个话题集群33-1至33-40中，作为推荐语句生成处理S200中的步骤(进程)。

上面已经描述了本发明的示例性实施例。利用根据本实施例的推荐语句生成装置100、推荐语句生成方法和推荐语句生成程序，基于与设施相关联的话题词的出现频率来选择关于设施所书写的文档数据。因此，可以选择适合用于关于设施的推荐语句的文档数据。此外，对所选择的文档数据中包括的预定词进行校正。在此应当注意，本发明的发明人已经发现，通过校正语句中的预定词来实现语句。结果，可以通过校正适合用于关于设施的推荐语句的所选择的文档数据中的预定词，来生成适合作为关于设施的推荐语句的语句。

上述实施例旨在促进对本发明的理解，而不旨在以任何限制性方式来解释本发明。实施例中设置的各个元件及其布置、材料、条件、形状、尺寸等不限于例示的那些，而是可以适当地改变。此外，在不同实施例中呈现的配置可以部分地彼此替换或组合。