リンクに付与する文字列の選定

単語ネットワークのノード間の関係性を分かりやすくするため，リンクに単語同士の関係性を示す文字列の付与を行う． 入力を新聞データと，節の図の「宇宙」「探査」のような単語対データとし，出力をリンクに付与する文字列とする． 付与する文字列の選定の手法を以下に示す． 図は，単語ネットワークのリンクへの文字列付与の例である．

1.

 新聞データから，2単語の間の文字列(文字列Aと呼ぶ)を抽出する．

2.

 2単語と文字列Aの連接したものを含み，句読点で区切られた文字列(文字列Bと呼ぶ)を抽出する．文字列Aと文字列Bの抽出例を表に示す．

Table: 文字列Aと文字列Bの抽出例

単語対	文字列A	文字列B	元の文字列
「ギリシャ」「国債」	の	中国は財政再建に取り組むギリシャの国債を購入し	中国は財政再建に取り組むギリシャの国債を購入し、ユーロ防衛に協力する姿勢を示すなど欧州への影響力を拡大している。
「トヨタ」「水素」	自動車は	トヨタ自動車は水素で動く燃料電池車を２０１４年度に国内で販売と発表	トヨタ自動車は水素で動く燃料電池車を２０１４年度に国内で販売と発表。市販は世界初となる見通し

3.

 文字列Bの中で，最も優先度が高い文字列(出現頻度が高いものや，文字長が短いものを優先度が高い文字列とする．これを文字列Cと呼ぶ)を取得する．これを各文字列Aに対して行う．

4.

 3において取得した文字列Cのうち，優先度が最も高い文字列を選定する．

5.

 選定した文字列をリンクに付与する．

優先度の式は以下の3つのうちのいずれかを用いる．式は，文字列の出現頻度が高いものを優先する式であり，式は，文字列の文字長が短いものを優先する式である．式は，割り算で優先度を求める式である．以降，式を「頻度大」，式を「文字長小」，式を「割り算」と表記する．

  $$\displaystyle 優先度 = (頻度 * 10000) - 文字長$$ (2)

  $$\displaystyle 優先度 = -(文字長 * 10000) + 頻度$$ (3)

  $$\displaystyle 優先度 = \frac{頻度}{文字長}$$ (4)

Figure: 単語ネットワークのリンクへの文字列付与の例