はじめに

文章作成の際に重要情報を書き漏らす場合がある．書き漏れがあると不明瞭な文になる場合や読者が知りたい情報が書かれておらず情報取得において不便になる場合がある．重要項目を文章から抽出し表にまとめ，文章に重要項目が書いていない場合に書き漏れを指摘することで，文章作成を支援することが考えられる．本研究では，重要と思われる項目のことを重要項目と呼ぶ．

本研究はWikipedia内から情報抽出を行い，抽出した情報から多くの記事で共通している項目を重要情報として表にまとめることを目的とする．また抽出した文章に欠落部分があれば空白として指摘を行い，ユーザーに追加記載を促すことで，文章作成支援の役に立つ．また，情報抽出と文章作成支援の例を表1.1に示す．

表1.1の例はWikipediaの城ページから「地名」，「人名」，「組織名」に属する単語を抽出したものである．この単語の抽出処理が，本研究で言う情報抽出に相当する．また，表の「地名」，「人名」，「組織名」が重要項目に相当する．表1.1の空白部分はWikipediaの城ページに「地名」，「人名」，「組織名」に属する単語が記載されていないことを示している．記載がないことを空白で記載することでユーザーに記載すべきものが欠落していることを指摘を行うことができる．このように空白を利用して欠落の指摘をすることで文章の作成を支援することが，本研究で言う文章作成支援に相当する．

　

表 1.1: 情報抽出と文章作成支援の例

城名	地名	人名	組織名
大坂城	大阪	豊臣
二条城		徳川家康	織田軍
仙台城	仙台	伊達政宗
熊本城		出田	飯田
岐阜城	岐阜

本研究の主張点を以下に示す．

• 情報抽出
  • 情報抽出では先行研究の手法の上位下位知識と提案手法であるクラスタリングで行う．
    
  • 抽出した重要情報を表の形に可視化する．
    
  • 上位下位知識に基づく手法では正解率は0.72であるのに対して，クラスタリングを用いた手法では0.82となった．
    
  • 重要項目は先行研究が4個であるのに対して提案手法では20個に増やすことができた．　　
• 文章作成支援
  • 記載されていない項目を空白で示すことで追加記載を促すことができる．
  • 文章作成支援の性能は上位下位知識に基づく手法ではＦ値は0.85に対して，クラスタリングに基づく手法では0.92のＦ値であった．

本論文の構成は以下の通りである．第2章で関連研究の紹介をする．第3章では情報抽出の手法と文章作成支援の手法を提案する．第4章では実験環境の説明を行う．第5章では実験条件や評価方法や実験結果と性能評価を行う．第6章では今後の課題を述べる．第7章では本稿をまとめる．