[发明专利]主题推定装置、主题推定方法以及存储介质

权利要求书

1.一种主题推定装置，具备：

文档集合保存部，保存多语言文档集合，所述多语言文档集合为语言不同的2个以上的文档，且是分别具有作为文档的部分的2个以上的片段的、2个以上的文档的集合；

对应管理部，管理1个以上的片段间对应关系，所述1个以上的片段间对应关系为构成所述多语言文档集合具有的2个以上的文档的2个以上的各片段间的对应，且是不同文档中包含的2个以上的片段间的对应；

单词分布信息保存部，与2个以上的各语言相对应地保存表示2个以上的各主题的单词分布的单词分布信息；

文档主题分布生成部，概率性地取得文档主题分布信息，所述文档主题分布信息表示主题分布，该主题分布是相对于所述多语言文档集合的主题分布、且是在2个以上的语言的各文档中共同的主题分布；

片段主题分布生成部，对于具有通过所述1个以上的各片段间对应关系相互对应的2个以上的片段的1个以上的各片段集合，或者对于1个以上的各片段集合以及未通过所述1个以上的各片段间对应关系相互对应的1个以上的各片段，使用包含各片段在内的文档的文档主题分布信息，概率性地取得片段主题分布信息，所述片段主题分布信息表示主题分布，且相对于构成所述片段集合的2个以上的各片段表示相同的主题分布；以及

单词主题确定部，对于所述多语言文档集合具有的2个以上的各文档中包含的各单词，使用包含该单词在内的片段的片段主题分布信息，概率性地确定并输出各单词的主题。

2.根据权利要求1所述的主题推定装置，其中，

进一步具备片段集合取得部，所述片段集合取得部使用所述片段间对应关系，取得存在对应关系的1个以上的各片段集合，

所述片段主题分布生成部对于所述片段集合取得部取得的1个以上的各片段集合，或者对于所述片段集合取得部取得的1个以上的各片段集合以及未通过所述1个以上的各片段间对应关系相互对应的1个以上的各片段，通过使用基底测度、预先决定的集中度参数、以及预先决定的折扣参数的Pitman-Yor过程，生成片段主题分布信息，所述基底测度是包含1个以上的各片段在内的文档的文档主题分布信息。

3.根据权利要求1所述的主题推定装置，其中，

所述单词主题确定部按照2个以上的各语言的每个文档以及各文档中包含的每个片段，相对于各片段中包含的各单词的位置，从以该片段的片段主题分布信息为参数的多项分布中取得隐藏变量即潜在主题，使用该潜在主题和与所述文档相对应的单词分布信息，概率性地确定并输出各单词的主题。

4.根据权利要求1所述的主题推定装置，其中，

进一步具备片段间对应关系取得部，所述片段间对应关系取得部计算所述多语言文档集合具有的、语言不同的2个以上的各文档所具有的片段间的相似度，使用该相似度，取得1个以上的片段间对应关系，

所述对应管理部的1个以上的片段间对应关系为所述片段间对应关系取得部取得的片段间对应关系。