JP2009032180A - テキストマイニング装置及びテキストマイニング方法 - Google Patents

Abstract

【課題】テキストマイニングと文献引用情報による検索により、効率的に文献を収集する方法を提供する。
【解決手段】本発明のシステムは、テキストマイニング対象のバイオデータベース（文献データベース）と、文献検索のために必要となるキーワードの入力を促すための入力画面を提供し、この入力画面にて入力されたキーワードを受付ける条件入力処理部と、上記条件入力部によって受付けた条件に基づいて、上記文献データベースをテキストマイニング検索するテキストマイニング処理部と、上記テキストマイニング検索によって抽出された文献の引用関係を解析する文献引用関係解析処理部と、上記テキストマイニング検索の結果である文献名とその引用関係情報を俯瞰的に表示する結果出力処理部と、を有する。また、評価に必要なバイオデータベース（文献データベース）を最新の状態で保持しておく手段を備える。
【選択図】図８

Description

本発明は、テキストマイニング技術に関し、ライフサイエンス分野における学術論文の検索において、公開されている文献情報を元に、テキストマイニング技術と文献間の引用関係に基づいて、取得したい論文群の検索を行なう技術に関する。

ライフサイエンス分野における実験の成果は、バイオデータベースという名のもとに塩基配列データや蛋白質アミノ酸配列データ、蛋白質立体構造データ、生体分子間の相互作用データなど、様々な情報の多くがテキスト形式の文書で保存・公開されている。

これらのデータには、アノテーション（注釈）情報や文献情報が付随しており、最近では、これらテキスト形式データに対してテキストマイニング技術を使用して公開されている大量のデータの中から必要な情報を抽出する手段が使われるようになってきている。

しかしながら、世の中で公開されている膨大なデータは、対象とするデータ量が膨大であることに加えて、その特性も性質も異なるデータが多いため、システムによる１回目の検索結果だけでは、満足な情報収集が難しく、利用者の判断によってスクリーニングを複数回繰り返して必要なデータを必要な量だけ入手している。特に、文献情報の取得に関しては、キーワードによる検索結果の中のある文献の引用情報を辿って必要な関連文献を収集するという作業も混在するため、最終的に収集された文献群は、どのような条件や方法で収集されたものであるのかを再度整理することが困難となっているという現実がある。多種多様な検索サービスを利用して収集した場合には特にこのような状況に陥りやすい。

尚、文献の引用情報を辿って関連文献を探し出す手法は、短い期間で数多くの文献が出版される分野では公開された文献が他文献から引用されるのも短期間で行なわれることから、有意な被引用数を得ている文献を分析して収集すべき文献を探し出す手法として用いられているものである。特に医学や生物学といった分野を包含するライフサイエンス分野は、短い期間で数多くの文献が出版される分野であり、文献の引用情報を行使した文献収集に有効である。

尚、テキストマイニングとは、大規模なテキスト・データベースを、コンピュータを使って様々な観点から分析し、役に立つ知識や情報を効率良く取り出す技術である。テキストマイニングには、自然言語処理や情報の可視化など複数の要素技術が組み合わされている。テキストマイニングを使うことで、欲しい情報を含むテキストを選び出したり、テキスト間の関係やテキストに記述されている事項間の関係を分析して、個々のテキストを読むだけでは得られない情報を得たり、与えられた文章集合を特徴づけるキーワードを抽出したりすることが期待されている。このようなテキストマイニングは、顧客要求分析などへの適用で注目されているが、MEDLINEのような大規模な文書データベースが自由に利用できることから、医薬分野でのテキストマイニングの研究は盛んになりつつある。

テキストマイニング方法に関する文献としては、下記特許文献１がある。

特開２００１−３１８９４８号公報

従来は、上述のように、収集対象のデータの中身に記載されているテキスト情報から直接的に特徴を抽出するテキストマイニング検索と、ある文献の引用関係を辿って他の文献情報を探し出す処理とを、別々に繰り返し行う必要があり、最終的に収集された文献がどのような条件と方法、どのような順序で収集されたのかに関して個別に管理しなければならないという問題があった。

本発明は、上記のような処理の負担を軽減することを目的とする。

本発明の一観点によれば、クライアント端末に対して文献検索のためのキーワードの入力を促すためのユーザインタフェースを提供し、入力された前記キーワードをもとにテキストマイニング検索処理を行なうための条件を受付けるテキストマイニング条件入力処理部と、受付けた条件に基づいて、文献データベースに直接的にテキストマイニングするテキストマイニング処理部と、テキストマイニングの処理結果によって抽出された文献の引用関係情報を、文献引用情報のみを抽出して作成した文献引用関係テーブルであって直接引用関係を文献同士の対にして整理したテーブルに基づいて解析する文献引用関係解析処理部と、前記テキストマイニング処理と前記文献引用関係解析処理とに基づいて、引用文献数と、被引用文献数と、キーワードに対応するテキストマイニングにより抽出された文献数と、を、文献毎に区別して表示する文献別表示制御を行う表示制御部とを有することを特徴とするテキストマイニング装置が提供される。

前記表示制御部は、ある文献を特定すると、該文献を引用する関係にある引用文献について、引用関係を階層的に表示する階層的表示制御を行うことが好ましい。また、前記表示制御部は、前記階層的表示と、前記文献別表示とを、同じ画面上で、又は、切り替えて表示する制御を行うことが好ましい。

本発明の他の観点によれば、クライアント端末に対して文献検索のためのキーワードの入力を促すためのユーザインタフェースを提供し、入力された前記キーワードをもとにテキストマイニング検索処理を行なうための条件を受付けるステップと、受付けた条件に基づいて、文献データベースに直接的にテキストマイニングするステップと、テキストマイニングの処理結果によって抽出された文献の引用関係情報を、文献引用情報のみを抽出して作成した文献引用関係テーブルを作成するステップと、前記テキストマイニング処理と前記文献引用関係解析処理とに基づいて、引用文献数と、被引用文献数と、キーワードに対応するテキストマイニングにより抽出された文献数と、を、文献毎に区別して表示するステップと、を有することを特徴とするテキストマイニング方法が提供される。

また、評価に必要なバイオデータベース（文献データベース）を最新の状態で保持しておく手段を備えていても良い。

本発明は、上記ステップをコンピュータに実行させるためのプログラム、該プログラムを記録するコンピュータ読みとり可能な記録媒体であっても良い。

本発明によれば、特定テーマに関する文献の収集を行う際に、テキストマイニングによる文献検索とともに、文献引用情報のみを抽出して作成した文献引用関係テーブルを利用して、被引用文献数による有用な文献の検索により、有用な文献を収集することができる。従って、文献収集プロセスに費やす時間と労力の省力化とを図ることが可能となる。また、文献引用関係テーブルにより引用関係を俯瞰的に分析する表示を簡単に行うことができる。

以下、本発明の一実施の形態によるテキストマイニング技術について、図面を参照しながら説明を行う。

図１は、本発明の一実施の形態によるテキストマイニング装置を含むシステム構成例を示す機能ブロック図である。本実施の形態によるシステムは、利用者がシステムを利用するためにキーワードの入力や評価結果の参照などを行なうためのクライアントコンピュータ（以下、単に「クライアント」という。）３と、テキストマイニングを行なうサーバコンピュータ（以下、単に「サーバ」という。）１と、文献情報を保持する文献データベース５と、文献引用関係を索引できる文献引用関係索引テーブル６と、を備え、それぞれがネットワーク２によって接続されている。

サーバ１には、利用者に対して文献収集のために必要となるキーワードの入力を促すためのインタフェースの提供とそのキーワードをもとにテキストマイニング検索を行なうための条件を受付けるテキストマイニング条件受付手段として条件入力処理部９と、受付けた条件によって文献データベース５にテキストマイニングする手段としてテキストマイニング処理部８と、テキストマイニング結果によって抽出された文献の引用関係が格納されている文献引用関係索引テーブル６と、文献の引用関係を解析する手段として文献引用関係解析処理部７と、これらの結果を複合的に評価して表示する手段として結果出力処理部１０と、評価に必要な文献データベースを最新の状態で保持しておく手段として文献データベース更新処理部４と、を備える。条件入力処理部９は、クライアント３からの入力を受けてテキストマイニング処理部８に渡すとともに、クライアント３に対してＧＵＩを提供する。結果出力処理部１０は、ディスプレイと、ディスプレイに表示するための表示制御を行う表示制御部と、を含む。実際には、上記処理部は、ＣＰＵなどのマイクロコンピュータにより、メモリ内に格納されたプログラムをＲＡＭ上に展開して制御処理を行うのが一般的である。

尚、文献データベース更新処理部４により文献データベース５が更新されるとき、文献引用関係索引テーブル６も同期を取る。これにより、文献中に含まれる文献引用情報を取得して文献引用関係索引テーブル６の更新も同時に行われる。

図２は、文献データベース５内に格納されているテーブルの一構成例を示す図である。図２に示す例では、文献ＩＤ２１と、各文献ＩＤに対する題名２２と本文２３と投稿先雑誌名２４と、が組で格納されている。この例では、題名（タイトル）、本文、投稿先雑誌名を文献情報としてデータベースに格納しているが、加えて、アブストラクト、作者、出版年なども加えて格納しても良いし、本文の代わりにアブストラクトのみを格納するようにしても良い。

図３は、本実施の形態による文献データベース５中の本文情報から文献引用情報のみを抜き出して作成した文献引用関係索引テーブルの一構成例を示す図である。図３に示す例では、文献ＩＤ３１と、各文献ＩＤ３１の中で引用されている引用文献のＩＤである引用文献ＩＤ３２との組により構成されている。この図から、例えば、文献１は、文献１１から文献１４において引用されていることがわかる。また、文献１２は、文献２１、２１において引用されていることがわかる。図３においては、直接引用の文献同士の関係のみを対にして予め作成しておく。被引用文献（文献）の関連情報を解析する場合は、元となる文献ＩＤを引用文献ＩＤフィールド３２に対して検索することで可能である。

図４は、文献収集のために必要となるキーワードの入力を促すためのユーザインタフェースの一例を示す図である。図４に示す例では、キーワード入力画面４１を、実験仮説の検証に必要なキーワード入力フィールド群４２と、入力された情報をサーバに送信するためのボタン４３と、により構成する。また、図４に示す例では、実験仮説の検証に必要なキーワードの入力を分かりやすく促すことができるように、分野、実験手法、事象などのカテゴリ毎に、利用者にキーワード入力を促す構成としている。その他、実験実施機関や、投稿先雑誌名、著者名なども入力候補として追加しても良い。また、これらカテゴリ毎に入力されたキーワードについて、例えば、著名な投稿先雑誌名や、著名な学者などに対して、その著名度に応じて優先的に扱う（高い重み付けを行う。）を加えられるインタフェースを用意しても良い。入力欄４２にキーワードを入力した後に、送信ボタン４３を押すことで、サーバ１に入力したキーワードが送られる。

図５は、テキストマイニング結果と引用文献情報とを表示する画面の例を示した図である。図５に示すように、結果表示画面５１には、入力されたキーワードに基づくテキストマイニングによって抽出されリスト表示された文献群５３と、入力された第１のキーワード（第１のキーワードと関連性のある第２のキーワードを含めても良い。）群５２と、を行列表示した２次元マトリックスＸ１によって各文献の特徴を現すことができる。図５に示す表示例では、文献毎に第１・第２のキーワードの出現頻度が数値として表されている。さらに、マトリックスＸ１の左側には、文献毎の各文献情報が表示されている。この各文献情報欄には、その文献を特定する文献ＩＤと投稿先の雑誌名とを示すフィールド５４と、文献引用関係の解析結果を示すフィールド５５と、が表示される。ここで、フィールド５５において、引用文献数は、文献１の末尾などに記載されており、文献１で引用している他の文献の数である。例えば、文献１において引用した文献数が３であることを示している。加えて、各引用文献毎に、文献１において何カ所で引用しているかを次の階層で表示できるようにしても良い。

被引用文献数は、他の文献により直接引用されている場合のその文献数を示す。例えば、文献１を引用している他の文献数が３５であり、文献１がかなり重要な文献であると推測することができる。

この画面５１に表示されている文献情報とその特徴を元に、さらに詳細な文献検索を行なうためのボタン（Ｖｉｅｗ）５６と、検索結果の中から利用者が必要と判断して文献ＩＤ毎にチェックを入れることのできるフィールド５７と、文献引用関係を辿って必要と判断した文献ＩＤの関係を、引用関係上で俯瞰的に表示させるための画面を呼び出すボタン５９が設けられている。尚、表示画面は、スクロールボタン５０ａ・５０ｂにより、ＸＹ方向にスクロールさせることができる。

２次元マトリックスＸ１は、キーワード毎にテキストマイニングにより抽出された文献数を表示させる構成により、あるキーワードに着目した場合のテキストマイニングの処理結果の精度を抽出文献数（キーワードの出現頻度）が高ければ精度が高いと推測することができる。さらに、文献のどの領域に出現しているかを解析し、その結果も表示可能としても良い。例えば、従来技術の説明箇所に多く出現しているのか、実験結果などの重要部分において出現頻度が高いのかがわかれば、精度に関する推測結果が正確になる。

また、図には示されていないが、例えば４つのキーワードにより抽出された文献の総数を表示させて、あるキーワード群による抽出結果の精度の目安を得ることができるようにしても良い。ここでは、抽出された文献の総数が文献１から４まで順番に、１００、９０、７０、５０であるとする（スクロールボタン５０ａにより右スクロールをすると、この総数が表示される）。

尚、図５の表示例では、テキストマイニング検索の結果により、ユーザが入力したキーワードを多く含んでいる文献の順番でリスト表示されているが（この場合は総数）、有意な被引用数を得ている文献を分析して収集すべき文献を探し出すために、被引用文献フィールド（５５）でソート表示できるようにしても良い。例えば、被引用文献数を設定する領域を設け（図４で設けても良い）、被引用文献数が３０以上の文献（ここでは、文献１と文献３）のみを表示させるソート機能を設けても良い。

図６から図８までは、文献データベース５に対して文献収集に必要なキーワードによるテキストマイニング検索を行なった結果の文献を用いて、文献引用関係を辿って必要な文献を評価しながら収集していく過程を示す表示画面インタフェースを示す図であり、これを参照しながら処理の流れと画面インタフェースについて説明する。

図６は、特定のキーワードによってテキストマイニング検索を行なった結果を表示する画面例である。図６に示す表示画面５１においては、テキストマイニング検索の結果、ユーザが入力したキーワードをより多く含んでいる文献である文献ＩＤが「１」である文献１、を引用している文献の情報を参照する目的で、文献１のチェック欄５７にチェックを入れ、このラインを選択状態とし、さらに詳細な文献検索を行なうボタン５６（Ｖｉｅｗ）をポインタ６１でクリックしようとしている様子を示す表示画面である。引用文献ＩＤ表示領域５８と選択文献関連表示ボタン５９とについては後述する。

図７は、図６の画面からの遷移画面であり、図６において選択された文献ＩＤ「１」を引用している文献群を文献毎の特徴をあわせて抽出し表示した例を示す図である。引用されている文献の文献ＩＤはフィールド７１に表示されており、当該文献（ＩＤ１）を引用している文献群を示すリスト７２において、その検索結果を表示している画面５１上で、文献１を被引用している文献のリストが３５個表示され（図では、４文献のみが示されており、スクロールにより全ての文献を見ることができる）、これらの３５文献中において、収集すべき文献として有意な被引用数（例えば１５以上を有意とする）を得ているのが文献１１および文献１２であることを知る。ここで、文献１１及び文献１２を５７のチェック欄でチェックすることで選択するとともに、これまでに文献引用関係を辿って文献収集を行なった状況を俯瞰的に把握するための画面を表示するための選択文献関連表示ボタン５９をポインタ７３によりクリックしようとしている画面である。特定のキーワードにより抽出された文献数に着目して文献をチェックすることも可能である。尚、被引用文献数にカウントされている文献は、直接引用されている文献のみである。

図７において文献１１と１２をチェックするという行為の意味は、図５、図６、図７のように、順次、特定の文献の被引用文献をリスト表示して調査していくという作業において、自分の収集したい文献の候補となるような文献にチェックを入れておくことで、後でそれらの選択された文献がどのような引用関係によるものだったのかを整理することができることである。

図８は、文献引用関係を辿って文献収集を行なった状況を俯瞰的に把握することができる引用関係の階層表示画面８１と、その表示画面８１内の特定文献を指定することでその文献の詳細情報を表示することができる表示画面８６とを同時に表示している様子を示す図である。文献引用関係を辿って文献収集を行なった状況を俯瞰的に把握するための引用関係の階層表示画面８１は、文献ＩＤと投稿先雑誌名、被引用文件数で構成される文献を示すボックス８２と文献引用関係を示す矢印線８３とで構成されている。

尚、当画面例の文献ボックス８２には、最初のテキストマイニング結果のリスト（図６）の上でチェックを行った「文献１」が示されており、この文献１を起点とした文献の引用関係全てが図８に表示される。その中で、チェック選択された文献がどれであったかを整理して把握できるように文献のボックスの色を変えて表示するようになっている。図においては、色が変わっているのは、文献１、文献１１・１２、文献２２である。

このように、大元となる文献を示し、その文献を引用している文献群を示す文献ボックス群８４と、それら文献をさらに引用している文献群を示す文献ボックス８５が画面８１に表示されている。文献に関する被引用関係を示す矢印は、図３に示す文献引用関係索引テーブルに基づいて作成することができる。予め、図３に示す文献引用関係索引テーブルを作成しておくことで、図８に示す表示を迅速に行うことができる。また、文献を切り替えたり、表示を切り替えたりする処理が迅速に行えるという利点がある。ここで、文献１２に関して、欄８５に示すように直接引用される文献が矢印によって関連付けされている。この画面８１において、矢印を辿ることで文献の直接引用関係を俯瞰的に知ることができる。

表示画面８６は、例えば表示画面８１において文献１２をポインタなどで選択・決定することで表示される。この表示画面８１においては、文献１２に関する図７と同じ表示が行われる。この表示画面５１においては、文献１２を引用している文献２１から文献２４まで（図３参照）が、文献１２に対して矢印で指示している。このように、図８において、引用関係に関する俯瞰的な表示画面８１と、ある文献に関する引用関係とキーワード検索による結果とを示す詳細文献情報表示８６とを、同時に又は切り替えながら見ることができる。

図９は、本実施の形態によるテキストマイニング装置における処理の流れを示すフローチャート図である。

図９に示すように、利用者が文献収集のためのキーワード入力をクライアントから行ったことを受けて（ステップ９１）、クライアントから送信されたキーワードをサーバが受信し、入力されたキーワードをマイニング条件にして文献データベースに対してテキストマイニング処理を実行する（ステップ９２）。

入力されたキーワードを特徴とする文献データリストをテキストマイニングによって作成し、各文献データに含まれる引用文献情報（引用文献及び被引用文献）を分析（ステップ９３）した後に、入力されたキーワード（および入力キーワードと関連性のあるキーワード）と、テキストマイニングによって抽出された文献群と、を2次元マトリックスによって各文献の特徴を現すとともに、その文献の引用文献数および被引用文献数を含む結果を表示させる（ステップ９４）。この画面上の情報をもとに評価を行う参照とすることができる。更に被引用文献の情報を参照したい旨の利用者からの入力を受けると、画面上の被引用文献の詳細表示ボタンをクリックすることにより、指定された被引用文献を元に、その論文の引用関係を解析処理し、その文献の引用文献数および被引用文献数を含む結果を表示する。これら一連の作業によって、引用文献を辿って必要な文献を収集する場合には、ステップ９５の処理が繰り返される。

また、この操作によって、これまでに参照した文献の引用関係を俯瞰的に参照したい旨のユーザからの入力を受けると、これまでに参照してきた文献情報とそれらの引用関係とを俯瞰的に表現する画面を表示することができる（ステップ９６）。尚、その文献の引用文献数および被引用文献数を含む結果の表示画面と、参照してきた文献情報とそれらの引用関係とを俯瞰的に表現する画面とを、同時に、或いは、切り替えて表示させることができる。

以上に説明したように、本実施の形態によるテキストマイニング装置によれば、特定テーマに関する文献の収集の際に、テキストマイニングによる文献検索とともに、被引用文献数による有用な文献の検索を行うことで有用な文献を収集することができる。また、その引用関係を俯瞰的に分析することができることように構成することで、文献収集プロセスに費やす時間と労力の省力化を図ることが可能となる。

本発明は、テキストマイニング装置に利用可能である。

本発明の一実施の形態によるテキストマイニング装置の一構成例を示す概念図である。 本実施の形態による文献データベースの一構成例を示す図である。 本実施の形態による文献引用索引情報の一構成例を示す図である。 テキストマイニング装置における文献収集のために必要となるキーワードの入力を促すためのインタフェースの一例を示す図である。 テキストマイニング結果と各文献の被引用文献情報とを複合的に評価して表示する画面の一例を示す図である。 文献引用関係を辿って必要な文献を評価しながら収集していくための画面インタフェースの流れと画面インタフェースを示す図である。 図６において選択された文献を引用する文献に関する情報を示す表示例である。 図７において表示された文献のうち選択された文献に関する引用関係を俯瞰的に示す図と、その中から選択された文献に関する情報を示す表示例である。 本実施の形態によるテキストマイニング装置における処理の流れを示すフローチャート図である。

Claims (4)

1. クライアント端末に対して文献検索のためのキーワードの入力を促すためのユーザインタフェースを提供し、入力された前記キーワードをもとにテキストマイニング検索処理を行なうための条件を受付けるテキストマイニング条件入力処理部と、
   受付けた条件に基づいて、文献データベースに直接的にテキストマイニングするテキストマイニング処理部と、
   テキストマイニングの処理結果によって抽出された文献の引用関係情報を、文献引用情報のみを抽出して作成した文献引用関係テーブルであって直接引用関係を文献同士の対にして整理したテーブルに基づいて解析する文献引用関係解析処理部と、
   前記テキストマイニング処理と前記文献引用関係解析処理とに基づいて、引用文献数と、被引用文献数と、キーワードに対応するテキストマイニングにより抽出された文献数と、を、文献毎に区別して表示する文献別表示制御を行う表示制御部と
   を有することを特徴とするテキストマイニング装置。
2. 前記表示制御部は、
   ある文献を特定すると、該文献を引用する関係にある引用文献について引用関係を階層的に表示する階層的表示制御を行うことを特徴とする請求項１に記載のテキストマイニング装置。
3. 前記表示制御部は、前記階層的表示と、前記文献別表示とを、同じ画面上で、又は、切り替えて表示する制御を行うことを特徴とする請求項２に記載のテキストマイニング装置。
4. クライアント端末に対して文献検索のためのキーワードの入力を促すためのユーザインタフェースを提供し、入力された前記キーワードをもとにテキストマイニング検索処理を行なうための条件を受付けるステップと、
   受付けた条件に基づいて、文献データベースに直接的にテキストマイニングするステップと、
   テキストマイニングの処理結果によって抽出された文献の引用関係情報を、文献引用情報のみを抽出して作成した文献引用関係テーブルを作成するステップと、
   前記テキストマイニング処理と前記文献引用関係解析処理とに基づいて、引用文献数と、被引用文献数と、キーワードに対応するテキストマイニングにより抽出された文献数と、を、文献毎に区別して表示するステップと
   を有することを特徴とするテキストマイニング方法。