[發明專利]文本挖掘方法、文本挖掘程序以及文本挖掘裝置

有效

• 申請號: 201910096738.5
• 申請日: 2019-01-31
• 公開（公告）號: CN110309290B
• 公開（公告）日: 2023-06-06
• 發明（設計）人: 柿木未希
• 申請（專利權）人: 株式會社斯庫林集團
• 主分類號: G06F16/335
• 分類號: G06F16/335;G06F16/338
• 代理公司: 隆天知識產權代理有限公司 72003
• 代理人: 向勇;宋曉寶

文本挖掘方法包括：從文本數據中提取字詞的步驟；針對提取的字詞生成共現矩陣的步驟；基于生成的共現矩陣生成共現網絡的步驟；以及顯示包含生成的共現網絡的畫面的步驟。當在包含以指定的整體文本數據為基礎的第一共現網絡的第一畫面中輸入指定關注語的指示時，從限定文本數據中提取字詞，該限定文本數據由指定的文本數據中的包含關注語的部分構成，針對提取的字詞使用限定文本數據生成第二共現矩陣，基于第二共現矩陣生成第二共現網絡，顯示包含第二共現網絡的第二畫面。

技術領域

本發明涉及文本挖掘，尤其，涉及用于顯示包含字詞的共現網絡的畫面的文本挖掘方法、文本挖掘程序以及文本挖掘裝置。

背景技術

近年來，分析自由描述的文本數據并從分析結果獲取有用的信息的文本挖掘引起關注。在文本挖掘中，例如，通過從作為分析對象的文本數據中提取字詞，并分析字詞的出現頻率或出現傾向等來獲取信息。

在分析自由描述的文本數據時，分析人不是在初始階段主觀地選擇對象，而是需要掌握文本數據的整體。因此，分析人可以使用文本數據中包含的字詞的共現網絡。

圖19是表示共現網絡的例子的圖。共現網絡從文本數據中提取相同句子中包含的較多的詞對，并將其結果通過無向圖表現。當作為分析對象的文本數據中字詞Wa和字詞Wb包含在相同句子中的情況較多時，共現網絡中包含與字詞Wa對應的節點、與字詞Wb對應的節點以及連接兩者的邊。圖19所示的共現網絡中包含與“員工”對應的節點、與“對應”對應的節點以及連接兩者的邊。觀察圖19所示的共現網絡，可知在作為分析對象的文本數據中“員工”和“對應”包含在相同句子中的情況較多。

通常，共現網絡是基于指定的整體文本數據生成的。以下，將這種共現網絡稱為“整體共現網絡”。分析人可以根據自己做出的假設或分析目的從整體共現網絡中選擇多個應關注的字詞(以下，稱為關注語)，考慮關注語進行以下分析。

為了判斷選擇的關注語是否適合于分析目的等，分析人在選擇關注語時，考察包含關注語的句子中如何使用關注語。因此，分析人有時使用以指定的文本數據中的、由包含關注語的句子構成的文本數據(以下，稱為限定文本數據)為基礎的共現網絡。需要說明的是，所謂“包含關注語的句子”不僅指包含關注語的單個句子，還指含有包含關注語的句子的段落等以模塊單位分割的多個句子(句子集合)。以下，將這種共現網絡稱為“限定共現網絡”。分析人通過使用限定共現網絡，可以掌握限定文本數據的內容。分析人可反復參照整體共現網絡和限定共現網絡，直至選擇所有關注語。

以下的本挖掘裝置生成文本數據中包含的字詞的共現網絡，并顯示包含所生成的共現網絡的畫面。日本特開平8-314980號公報中記載了一種文檔數據庫顯示裝置，其對多個文檔中的每一個文檔生成整體共現網絡，并顯示包含所生成的多個整體共現網絡的畫面。該顯示裝置從多個整體共現網絡中搜索用戶輸入的字詞，并在畫面上強調顯示搜索到的字詞。

現有技術的文本挖掘裝置基于指定的整體文本數據生成共現網絡。因此，根據現有技術的文本挖掘裝置，可以容易地顯示包含整體共現網絡的畫面。

另一方面，當使用現有技術的文本挖掘裝置來顯示包含限定共現網絡的畫面時，分析人需要進行復雜的操作。具體地，分析人每次從整體共現網絡中選擇一個關注語時，都需要基于指定的文本數據生成限定文本數據，并將所生成的限定文本數據提供給文本挖掘裝置。此外，分析人在選擇關注語時，參考整體共現網絡和限定共現網絡兩者。因此，文本挖掘裝置需要存儲整體共現網絡的圖像數據和限定共現網絡的圖像數據。然而，當生成較多的共現網絡時，難以進行圖像數據的存儲和管理。

發明內容

因此，本發明的目的在于提供一種文本挖掘方法、文本挖掘程序以及文本挖掘裝置，其可以通過簡單的操作來顯示包含指定了關注語的共現網絡的畫面。

本發明的第一方式是文本挖掘方法，用于顯示包含文本數據的分析結果的畫面，其特征在于，包括：

從文本數據中提取字詞的步驟；