科学技術振興機構『論文データ可視化』～大量テキストデータを、関連づけて活用しやすく～

日本語テキストデータに挑む

大量のテキストデータを、関連づけて活用しやすく可視化
必要なノウハウや興味のある文書がスムーズに見つかる！
ドキュメント管理やQ&Aサイト運営にも朗報

独立行政法人科学技術振興機構社会技術研究開発センター（東京都千代田区、センター長：泉紳一郎、以下「RISTEX」）実施の『論文データ可視化』において、株式会社アイズファクトリー（東京都千代田区、以下「アイズファクトリー」）の日本語テキストマイニング技術、『複合語解析』・『特徴度』・『共起スコア』を利用したWebでの可視化サービスが開始されました。アイズファクトリーは、RISTEXで保有する過去の研究開発実施終了報告書を、組織内外の目的に合わせて活用しやすく開示するための研究、およびシステム開発に協力いたしました。

社会技術研究開発センターホームページより引用
「社会システム／社会技術論」研究開発領域‎の各プロジェクトで出現する単語と、該当する報告書

『複合語解析』・『特徴度』・『共起スコア』の技術は、社内にある文書の関係把握や、データ活用、部門間で業務ノウハウをスムーズに共有するためのドキュメント管理にも活用できます。

国や地方自治体が保有する公共データを中心としたオープンデータの公開が始まり、企業活動や福祉に役立てることも期待されます。本技術は、日本語テキストデータの利活用に際して必要な、データの検索利便性を高めるためのメタデータ *１作成にも有効です。

社会技術研究開発センターホームページ

RISTEX 社会技術研究開発センター

活用例

・企業内の営業活動データ・業務日報・各種報告書等のテキストデータを、各部門の担当者が業務ニーズに合わせて検索もしくは探索する・Q＆Aサイト上の話題を集約・可視化し、ユーザーが用途に合わせた検索を容易に行う

アイズファクトリーの日本語テキストマイニング技術について

アイズファクトリー独自の『複合語解析』により、形態素（言語で意味を持つ最小単位）同士を結合し意味のある単位でのキーワード抽出が可能です。『複合語解析』によって、より人間の感覚に沿った、より理解しやすい分析結果を得ることができます。

例）「東京スカイツリー」は一塊で意味を持つ言葉だが、形態素解析を行うと、「東京」「スカイ」「ツリー」として認識される。『複合語解析技術』によって、「東京スカイツリー」を1つの単語として抽出できる。また、文書間・単語間の関係性の強さについては、『特徴度』という指標が使われます。『特徴度』とは、各文書内において、他の領域または他の文書と比較した時に現れる頻度の割合のことで、これにより各領域間における関連度合い・単語間の関係性の強さを定量的に表せます。

概要

論文データ可視化には、アイズファクトリーの日本語テキストマイニングの基礎技術『複合語解析』・『特徴度』・『共起スコア』が用いられています。研究開発実施終了報告書データの可視化にあたって、組織内外の活用目的を鑑み、可視化で実現すべきことを下記の通り整理しました。要件を的確に掴み、設計に落とし込むことで、活用しやすいシステムを実現しました。