はじめに

文章に重要な情報が記載されていない場合，読者の知りたい情報が欠落しているため読みにくい文章となる． そこで，書き漏れのある文章であることを指摘したり，書き漏れのある文章に書き足すべき情報を提示する技術があれば文章の修正がしやすくなると考える．

本研究では，まずWikipediaから多くの記事で共通して現れる項目を重要項目として，それに関わる情報を取り出し，表の形に整理して表示する． さらに，その表において空白になっている箇所があった場合は重要情報が欠落している記載欠落箇所とする. 重要情報とは表の重要項目に入る具体的な情報のことである． 例えば，表において記載欠落箇所となっている重要項目「人名」と「組織名」には，対応するWikipediaの城ページに「人名」や「組織名」に関する情報が記載されていないため，この記載欠落箇所を指摘することで不足していた情報を書き足すことができるようになる． 表に記載欠落箇所があることを指摘し書き足すように促すだけでも文章の修正支援になるが，表のように表の記載欠落箇所を埋めることができれば，それを参考にして文章の書き足しを行うことができる.表の括弧付きの箇所が補完された情報である．

そこで，本研究では検索エンジンを用いて記載欠落箇所に適切な情報を埋める研究を行う． このように，記載欠落箇所に適切な情報を埋めることで文章の修正を支援することが，本研究で言う文章修正支援に相当する． 記載欠落箇所に埋められた情報を参考にしながら文章の書き足しを行ってもらうことで書き漏れのある文章の修正支援に役立つと考える.

表の空白は記載欠落箇所

表の記載欠落箇所を埋める

表: 表の空白は記載欠落箇所

	地名	人名	組織名
宇和島城	宇和島

表: 表の記載欠落箇所を埋める

	地名	人名	組織名
宇和島城	宇和島	（藤堂高虎)	(宇和島藩)

本研究の特徴を以下に示す．

• Wikipediaからの情報抽出
  • Wikipediaから先行研究の手法の固有表現抽出と上位下位知識とクラスタリングによってそれぞれ重要情報を抽出する．
  • 抽出した重要情報を表の形に可視化する．
  • 表に空白箇所があった場合は，記載欠落箇所と判定する．
  • 記載欠落箇所は検索エンジンによって取得した文書から補完する．　　

• Web文書からの情報抽出
  • 検索エンジンを用いて記事を50件取得し，Web文書から先行研究の手法の固有表現抽出と上位下位知識とクラスタリングによってそれぞれ重要情報を抽出する．
  • 抽出した重要情報を表の形に可視化する．
  • Web文書での情報抽出の性能を5位正解率で求めると固有表現抽出に基づく手法では0.71，上位下位知識に基づく手法では0.70，クラスタリングに基づく手法では0.66であった．

• 記載欠落箇所の補完性能
  • Wikipediaから情報抽出をして作成した表の記載欠落箇所を，Web文書から情報抽出をして作成した表を用いて対応する記載欠落箇所の補完ができたかを確認する．
  • 記載欠落箇所の補完の性能を5位正解率で求めると固有表現抽出に基づく手法では0.45，上位下位知識に基づく手法では0.45，クラスタリングに基づく手法では0.44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．