JP2000207398A

JP2000207398A - 機械翻訳装置および機械翻訳方法ならびに機械翻訳プログラムを記録した記録媒体

Info

Publication number: JP2000207398A
Application number: JP11008780A
Authority: JP
Inventors: Junzo Ikuta; 淳三生田
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1999-01-18
Filing date: 1999-01-18
Publication date: 2000-07-28

Abstract

(57)【要約】【課題】ニューラルネットにより多品詞解消を行う機
械翻訳装置および機械翻訳方法ならびに機械翻訳プログ
ラムを記録した記録媒体を提供すること。【解決手段】原文の入力や、翻訳の指示を行う入力手
段１と、原文、翻訳の途中結果、翻訳結果を記憶する記
憶部２と、単語辞書を参照して入力された原文を形態素
に分割する形態素解析部３と、複数の品詞が候補となっ
た単語について、どの品詞による解釈によって解析を進
めるかをニューラルネットにより決定する多品詞解消部
４と、ルール辞書を参照して、原文の構文を解析する構
文解析部５と、前記構文解析部５の解析結果に基づき、
ルール辞書を参照して、目的言語の訳文を生成する目的
言語生成部６と、前記目的言語生成部６により生成され
た訳文を表示させる表示手段７とを備える。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば英語から日
本語へのに翻訳など、原言語を目的言語に翻訳する機械
翻訳装置および機械翻訳方法ならびに機械翻訳プログラ
ムを記録した記録媒体に関するものである。

【０００２】

【従来の技術】近年、パーソナルコンピュータの普及や
情報通信ネットワークの発達に伴い、情報の国際化が急
速に進展してきており、他国語の情報を目にすることが
非常に多くなってきている。また、自ら情報を発信する
ために他国語の文書を作成する機会も増えてきている。
このような情報の活用、発信を行うために、機械翻訳装
置の利用機会が増大している。

【０００３】

【発明が解決しようとする課題】従来の機械翻訳装置で
は、翻訳時に、複数の品詞が候補となった単語につい
て、どの品詞による解釈によって解析を進めるかを決定
する処理（以下「多品詞解消処理」と称する）を行うた
めには、開発者が対象となる言語の性質を解析した上
で、手作業により多品詞解消を行うための規則を記述す
ることが必要であった。

【０００４】しかしながら、言語の表現は無数にあると
いってよく、人手によって多品詞解消の規則を書いて
も、全てを網羅することは困難であり、また、大量に規
則を記述しようとすれば開発コストが増大するため、あ
る程度限られた規則しか記述することができず、翻訳の
精度の低下の一原因となっていた。

【０００５】本発明は、ニューラルネットを利用して多
品詞解消を行うことにより、多品詞解消を行うための知
識が自動的に獲得でき、精度の良い多品詞解消処理を行
うことのできる機械翻訳装置および機械翻訳方法ならび
に機械翻訳プログラム記録した記録媒体を提供すること
を目的とする。

【０００６】

【課題を解決するための部】この課題を解決するために
本発明の機械翻訳装置は、原文の入力や、翻訳の指示を
行う入力手段と、原文、翻訳の途中結果、翻訳結果を記
憶する記憶部と、単語辞書を参照して入力された原文を
形態素に分割する形態素解析部と、複数の品詞が候補と
なった単語について、どの品詞による解釈によって解析
を進めるかをニューラルネットにより決定する多品詞解
消部と、ルール辞書を参照して、原文の構文を解析する
構文解析部と、前記構文解析部の解析結果に基づき、ル
ール辞書を参照して、目的言語の訳文を生成する目的言
語生成部と、前記目的言語生成部により生成された訳文
を表示させる表示手段と、を有する構成とした。

【０００７】これにより、ニューラルネットを利用して
多品詞解消を行うことにより、多品詞解消を行うための
知識が自動的に獲得でき、精度の良い多品詞解消処理を
行うことのできる機械翻訳装置が得られる。

【０００８】

【発明の実施の形態】本発明の請求項１記載の発明は、
原文の入力や、翻訳の指示を行う入力手段と、原文、翻
訳の途中結果、翻訳結果を記憶する記憶部と、単語辞書
を参照して入力された原文を形態素に分割する形態素解
析部と、複数の品詞が候補となった単語について、どの
品詞による解釈によって解析を進めるかをニューラルネ
ットにより決定する多品詞解消部と、ルール辞書を参照
して、原文の構文を解析する構文解析部と、前記構文解
析部の解析結果に基づき、ルール辞書を参照して、目的
言語の訳文を生成する目的言語生成部と、前記目的言語
生成部により生成された訳文を表示させる表示手段とを
備える構成としたことにより、機械翻訳装置の開発者に
とっては開発効率の向上をもたらし、利用者にとっては
高精度な多品詞解消を行うことができるという作用を有
する。

【０００９】本発明の請求項２記載の発明は、請求項１
記載の発明において、ニューラルネットの学習・多品詞
解消時には、新規に計算すべきニューロンのみ再計算を
行うことえる構成としたことにより、高速に多品詞解消
が行えるという作用を有する。

【００１０】本発明の請求項３記載の発明は、請求項１
または請求項２記載の発明において、多品詞解消部は、
ニューラルネットによるニューラルネット多品詞解消部
と、単語辞書およびルール辞書を参照しながら多品詞解
消を行うルール多品詞解消部の２つの部より構成され、
ニューラルネット多品詞解消部とルール多品詞解消部の
確信度の高い方の品詞が採用される構成としたことによ
り、従来的な規則による多品詞解消と、ニューラルネッ
トによる多品詞解消の精度の高いほうを採用できるとい
う作用を有する。

【００１１】本発明の請求項４記載の発明は、請求項３
記載の発明において、多品詞解消部は、ニューラルネッ
トによるニューラルネット多品詞解消部と、ルール辞書
を参照しながら多品詞解消を行うルール多品詞解消部の
２つの手段より構成され、ニューラルネット多品詞解消
部とルール多品詞解消部の確信度の高い方の品詞が採用
された場合、優先度が一番高い品詞を決定した状態で、
再度多品詞解消を行う構成としたことにより、さらに精
度の高い多品詞解消ができるという作用を有する。

【００１２】本発明の請求項５記載の発明は、請求項３
または請求項４の発明において、ニューラルネットによ
る多品詞解消部は、学習を行う場合に、確信度の高い品
詞を多品詞解消部により決定した後の条件のデータを学
習する構成としたことにより、起こる確率の高い状態を
学習することができるという作用を有する。

【００１３】本発明の請求項６記載の発明は、請求項１
乃至請求項５記載の発明において、ニューラルネットに
よる多品詞解消部は、学習を行う場合に、品詞の頻度や
辞書の優先順位を使用するとを備える構成としたことに
より、より高精度な多品詞解消を行うことできるという
作用を有する。

【００１４】本発明の請求項７記載の発明は、請求項１
乃至請求項６記載の発明において、ニューラルネットに
よる多品詞解消部は、多品詞解消を行う場合に、最近採
用された単語の品詞の優先度を高く設定する構成とした
ことにより、従来の枠組みでは行うことの出来なかった
文脈処理ができるという作用を有する。

【００１５】以下、本発明の実施の形態について、図面
を参照しながら説明する。

【００１６】（実施の形態１）第１の実施の形態につい
て説明する。

【００１７】以下の説明では、原言語を英語、目的言語
を日本語として機械翻訳する例を示しているが、言語の
種類についてはこれらに限定されるものではない。

【００１８】図１は本発明の第１の実施の形態における
機械翻訳装置の機能ブロック図であり、機能手段による
構成を示したものである。

【００１９】図１において、１は原文の入力や、翻訳の
指示を行う入力手段、２は原文、翻訳の途中結果、翻訳
結果を記憶する記憶部、３は後述の単語辞書を参照して
入力された原文を形態素に分割する形態素解析部、４は
複数の品詞が候補となった単語について、どの品詞によ
る解釈によって解析を進めるかをニューラルネットによ
り決定する多品詞解消部、５は後述のルール辞書を参照
して、原文の構文を解析する構文解析部、６は構文解析
部５の解析結果に基づき、後述のルール辞書を参照し
て、目的言語の訳文を生成する目的言語生成部、７は目
的言語生成手段により生成された訳文を表示させる表示
手段である。

【００２０】８は翻訳に必要な単語に関する情報を格納
している単語辞書、９は翻訳に必要な文法に関する情報
を格納しているルール辞書である。１０は多品詞解消手
段４、構文解析手段５、目的言語生成手段６の各機能の
動作、および記憶手段２に格納されたデータの流れを制
御する翻訳制御手段である。

【００２１】図２は本発明の第１の実施の形態における
機械翻訳装置の装置ブロック図であり、ハードウェアに
よる構成を示したものである。

【００２２】図２において、１１はキーボードやポイン
ティング・デバイスなどの入力装置である。１２は装置
を制御する中央処理装置（ＣＰＵ）である。１３は陰極
線管ディスプレイ（ＣＲＴ）などの表示装置である。１
４はデータを記憶するリード・オンリー・メモリ（ＲＯ
Ｍ）であり、ＣＰＵ１２が実行する制御プログラムを格
納するプログラム記憶領域を有する。１５はデータを一
時的に記憶するランダム・アクセス・メモリ（ＲＡＭ）
である。

【００２３】図１の機能手段と図２のハードウェアとの
対応関係について説明する。

【００２４】図１および図２に示すように、入力手段１
は入力装置１１により実現される。記憶手段２はＲＡＭ
１５により実現される。単語辞書８、ルール辞書９はＲ
ＯＭ１４により実現される。表示手段７は表示装置１３
により実現される。

【００２５】また、形態素解析手段３、多品詞解消手段
４、構文解析手段５、目的言語生成手段６、翻訳制御手
段１０は、ＣＰＵ１２が、ＲＯＭ１４およびＲＡＭ１５
とデータのやりとりを行いながら、ＲＯＭ１４に格納さ
れている制御プログラムを実行することにより実現され
る。

【００２６】なお、本実施の形態では、ＣＰＵ１２によ
り実行される制御プログラムがＲＯＭ１４に記憶された
形態を示しているが、制御プログラムは、ＣＤ−ＲＯＭ
などの可搬性の記録媒体に記録され、読取装置を介し、
内部メモリに移して実行する形態であっても良い。この
ような形態とすることにより、本願発明を汎用コンピュ
ータ等で容易に実現可能とすることができる。

【００２７】以上のように構成された機械翻訳装置につ
いて、以下にその動作を説明する。

【００２８】図３は本発明の第１の実施の形態における
機械翻訳装置の動作フローチャートであり、翻訳動作に
ついて示している。本実施の形態では、翻訳対象文とな
る原文が既に原文・訳文記憶手段２に記憶されているも
のとする。

【００２９】図３に示すように、まず、入力手段１から
翻訳を実行する指示があると、翻訳制御手段１０は、記
憶手段２から翻訳対象とする一文を取り出し、形態素解
析手段３に送る（ステップ１）。ここでは、入力文は "
Yet her dance stops and starts with the music."と
して説明を行なう。

【００３０】形態素解析手段３は、翻訳対象文の形態素
解析を行い、翻訳対象文を個々の形態素に分割する（ス
テップ２）。その結果は図４に示すような解析結果とな
る。

【００３１】多品詞解消部４は、形態素解析部３が出力
した解析結果のうち、複数の品詞が存在するものに関し
てどの品詞を採用するかを決定する（ステップ３）。そ
の結果を図５に示すような結果となる。多品詞解消処理
については詳細な説明を後で行う。

【００３２】構文解析部５は、多品詞解消部の出力結果
を解析し、原文の構文を解析する（ステップ４）。その
結果を図６に示す。

【００３３】目的言語生成部６は、構文解析部の出力結
果を変換し、目的言語の表現を生成する（ステップ
５）。その結果を図７に示す。

【００３４】表示手段７は、目的言語生成部の出力をＣ
ＲＴを通じ、出力する。

【００３５】以下に、ステップ３における多品詞解消処
理について詳しく説明する。

【００３６】ニューラルネットによって多品詞解消を行
うため、まず品詞のパターンをあらかじめ学習させてお
く。学習が如何に行われるかを図８のフローチャートを
用いて説明する。

【００３７】本発明の実施の形態１のニューラルネット
においては、大量の英文に対して、どの品詞で使われて
いるかを示した、いわゆる品詞タグ付きコーパスを学習
するものとする。コーパスの例を図９に示す。このよう
な品詞の並びをニューラルネットに学習させることによ
り、多品詞解消を行うものである。

【００３８】なお、本説明においてはニューラルネット
は、図１０に示すような一般的な３階層のニューラルネ
ットを使うものとするが、より階層が深いニューラルネ
ットや別の形式のニューラルネットでもよいことは言う
までもない。

【００３９】図８に示すように、まず、次の１文を取り
出す（ステップ１０１）。始めてなので１文目、"Yet h
er dance ..."が取り出される。次に、次の１単語が取
り出される（ステップ１０２）。文の最初なので"Yet"
が取り出される。より一般性を増すため、ステップ１０
２から１０９を繰り返して、"stops"が取り出された状
態を用いて説明を行う。

【００４０】次に入力層へデータのセットを行う（ステ
ップ１０３）。図１０に示したニューラルネットの入力
層は、本発明の実施の形態１においては、より詳細には
図１１のようになっており、注目する単語、ここでは"s
tops" を中心に、周辺数単語の品詞の可能性を入力する
ようにする。この説明では周辺の単語数は２にセットし
てあるが、他の数でも良いことは言うまでもない。"sto
ps"という単語には、名詞の複数形の場合と、動詞の３
人称、単数、現在の２つの場合があるので、名詞と動詞
のデータを１にセットする。その他のデータは０にセッ
トする。周辺の単語も同様に、品詞の可能性があれば
１、品詞の可能性がなければ０にセットする。例え
ば、"dance"においては、名詞と動詞の可能性があるの
で、名詞と動詞のデータを１に、その他のデータを０に
セットする。

【００４１】次に、ニューラルネットの前向き伝播を行
う（ステップ１０４）。ここではニューラルネットの一
般的前向き伝播を行うものとする。その結果を図１２に
示す。

【００４２】次に、正解との誤差計算を行う（ステップ
１０５）。図９に示す品詞タグ付きコーパスでは、"sto
ps"は動詞であると示されているので、正解データとし
ては、動詞が１、その他の品詞が０である。出力層の出
力と、正解データの差分を計算し、誤差とする。ここで
は、名詞の誤差が0.263、動詞の誤差が-0.175である。

【００４３】次に進み、誤差を後ろ向きに伝播させ、ニ
ューラルネットの重みの変更を行う（ステップ１０６、
ステップ１０７）。このステップはニューラルネットの
一般的なアルゴリズムによって行うものとする。

【００４４】次に、全ての単語の処理が終わったかどう
か調べる（ステップ１０８）。終わっていなければステ
ップ１０２に戻り、次の単語の処理を行う。終わってい
ればステップ１０９に進む。

【００４５】ステップ１０９では、全ての文の処理が終
わったかどうか調べる。終わっていなければステップ１
０１に戻り、次の文の処理を行う。終わっていればステ
ップ１１０に進む。

【００４６】ステップ１１０では、十分な回数学習を行
ったかどうかを調べる。十分な回数とは、誤差がある一
定値以下になった、ある固定回数行った、重みの変更が
ある一定値以下になったなど、一般的なニューラルネッ
トの判断基準で構わない。十分な回数学習が行われたと
判断されれば学習を終了する。十分な回数の学習が行わ
れていないと判断されればステップ１１１に進む。

【００４７】ステップ１１１では、対象となる文を最初
の文に戻し、ステップ１０１に戻った際に、最初の文か
ら処理されるようにして、ステップ１０１に戻る。

【００４８】以上で図８を使った学習の様子を示した。
このように学習したニューラルネットを用いて、如何に
多品詞解消を行うかを図１４のフローチャートを用いて
説明する。

【００４９】図１４に示すように、まず、翻訳対象とな
る１文を取り出す（ステップ２０１）。ここでは学習の
ときに説明した、"Yet her dance ..."が取り出される
ものとする。

【００５０】次に、次の１単語が取り出される（ステッ
プ２０２）。文の最初なので"Yet"が取り出される。よ
り一般性を増すため、ステップ２０２から２０６を繰り
返して、"stops"が取り出された状態を用いて説明を行
う。

【００５１】次に入力層へデータのセットを行う（ステ
ップ２０３）。図１５に示すごとく、ニューラルネット
の入力層にデータをセットするものとする。学習の場合
と同じように、注目する単語、ここでは"stops" を中心
に、周辺数単語の品詞の可能性を入力するようにする。
"stops"という単語には、名詞の複数形の場合と、動詞
の３人称、単数、現在の２つの場合があるので、名詞と
動詞のデータを１にセットする。その他のデータは０に
セットする。周辺の単語も同様に、品詞の可能性があれ
ば１、品詞の可能性がなければ０にセットする。例え
ば、"dance"においては、名詞と動詞の可能性があるの
で、名詞と動詞のデータを１に、その他のデータを０に
セットする。

【００５２】次に、ニューラルネットの前向き伝播を行
う（ステップ２０４）。ここではニューラルネットの一
般的前向き伝播を行うものとする。図１５は前向き伝播
を行った結果も含んでいる。

【００５３】次に、品詞の決定を行う（ステップ２０
５）。図１５に示すように、出力層の中では動詞が一番
大きい値を持つため、"stops"の品詞は動詞であると決
定される。

【００５４】次に、全ての単語の処理が終わったかどう
か調べる（ステップ２０６）。終わっていなければステ
ップ１０２に戻り、次の単語の処理を行う。終わってい
れば多品詞解消処理を終わる。ステップ１０２からステ
ップ２０６を繰り返し行うことにより、１文中の全ての
単語の品詞が決定去れる。

【００５５】このようにして、ニューラルネットにより
多品詞解消を行うことができる。

【００５６】（実施の形態２）本発明の実施の形態２に
おいては、実施の形態１に示すニューラルネットの学習
および多品詞解消時に、新規に計算すべきニューロンの
み再計算を行う構成とする場合の説明を行う。図８や図
１４に示すごとく、ニューラルネットは全ての単語を１
つづつ品詞の学習や多品詞解消を行う。対象とする単語
が"stops"から"and" に移動した状態を図１６に示す。

【００５７】一般に、１つの単語に多種の品詞の可能性
があるわけではなく、ほとんどの１〜３個の可能性であ
り、それ以外の品詞のデータは０にセットされる。その
ため、次の単語に移動しても、０のままになっているデ
ータが多く、再計算する必要がない。また、単語が移動
しても偶然１のままである入力データもあり、これも再
計算する必要がない。図１６中には、再計算の必要のな
い入力層を太い丸で示している。図１６に示すごとく、
再計算の必要がない入力層の方が多く、かなりの計算量
削減が可能である。

【００５８】本発明の実施の形態２においては、値が変
わらない入力層については再計算をしないことにより、
高速に学習や多品詞解消が行えるというものである。

【００５９】（実施の形態３）本発明の実施の形態３に
おいては、実施の形態１および実施の形態２で示した機
械翻訳装置に、従来の規則による多品詞解消を統合する
というものである。以下、図を用いてその動作を説明す
る。

【００６０】図１７に、"Yet her dance stops and sta
rts ..."という文の多品詞解消を、それぞれニューラル
ネットと、従来の規則によって行い、それぞれの単語と
品詞に対する確信度（その品詞がどのぐらい確かだと判
定されるかを示す数値）を示している。ニューラルネッ
トによる確信度は出力層の値をそのまま使うものとす
る。従来の規則による確信度は、従来の規則に確信度が
付与されている場合はその値を、または付与されていな
い場合であっても、品詞が決定される順番などを基に確
信度を付与するものとする。

【００６１】図１７においては、"Yet"には副詞と接続
詞の２つの可能性があるが、ニューラルネットよる多品
詞解消では、副詞の確信度が０．０２６、接続詞の確信
度が０．９６５であることを示している。また、従来の
規則による多品詞解消では、副詞の確信度が０．５、接
続詞の確信度が０．１であることを示す。

【００６２】ニューラルネットによる多品詞解消では、
該当するようなパターンの文が学習されたかされていな
いかで確信度が変わる。また、従来の規則による確信度
では、開発者の判断により、確信度が与えられる。いず
れにしろ、確信度が高い品詞ほど確からしさが大きいと
考えられるので、それぞれの確信度のうち、高い方の品
詞を採用するものとする。

【００６３】図１７においては、"Yet"はニューラルネ
ットによる確信度が一番高い接続詞が採用される。その
他の単語に関してはニューラルネットによる多品詞解消
も、従来の規則による多品詞解消も、同一の品詞と判定
されているので、問題無く、確信度の高い方の品詞、例
えば "dance"では名詞を採用する。

【００６４】以上のように、本発明の実施の形態３にお
いては、２つの方式のうち、より確からしい方を採用す
ることにより、文全体として正確さの増した多品詞解消
を行うことができ、ひいては正確な機械翻訳装置が提供
できる。

【００６５】（実施の形態４）本発明の実施の形態４に
おいては、実施の形態３で示した機械翻訳装置に加え、
確信度がもっとも高い品詞が決定され、その品詞のみが
決定されたものとして再度多品詞解消を行い、高精度な
多品詞解消を実現するものである。以下、図を用いてそ
の動作を説明する。

【００６６】図１７に示すように、"Yet her dance sto
ps and starts ..."という文の多品詞解消を行うものと
する。本発明の実施の形態３における機械翻訳装置で
は、"dance"の多品詞解消を行うためには図１８に示す
ような入力層で多品詞解消を行う。

【００６７】これらの単語のうち、もっとも確信度の高
いものが"Yet"の接続詞である。したがって、"Yet"を接
続詞と判定する。次に、その接続詞が確定したものとし
て、再度他の単語の多品詞解消を行う。

【００６８】"dance"の多品詞解消を行うためには図１
９に示すように、 "Yet"の部分は接続詞のみ１であり、
副詞は０にした入力層で多品詞解消を行う。

【００６９】これにより、擬似的に、より簡単なパター
ンの文に対して多品詞解消を行うことになり、高精度な
多品詞解消を実現できる。

【００７０】（実施の形態５）本発明の実施の形態５に
おいては、本発明の実施の形態３または４で示した機械
翻訳装置において、ニューラルネットの学習を行う際
に、さらに学習データを増加させ、高精度な多品詞解消
を実現するものである。以下、図を用いてその動作を説
明する。

【００７１】図１７に示すように、"Yet her dance sto
ps and starts ..."という文の学習を行うものとする。
本発明の実施の形態３における機械翻訳装置では、図１
８に示すような入力層の状態で学習を行うものである。

【００７２】これらの単語のうち、もっとも確信度の高
いものが"Yet"の接続詞である。したがって、"Yet"を接
続詞とした場合の状態で学習を行う。すなわち、図２０
の文を学習させる。図４と比べれば、"Yet"の品詞の可
能性が減少していることがわかるが、このようにするこ
とにより、擬似的により多くのパターンを学習させるこ
とになり、高精度な多品詞解消を実現できる。

【００７３】また、本発明の実施の形態４では、確信度
がもっとも高い品詞が決定され、その品詞のみが決定さ
れたものとして多品詞解消を行うが、その状態を学習し
ているため、本発明の実施の形態４に対する効果が非常
に大である。

【００７４】（実施の形態６）本発明の実施の形態６に
おいては、本発明の実施の形態１から５のいずれかの機
械翻訳装置において、品詞の頻度や辞書の優先順位を使
用することにより、高精度な多品詞解消を実現するもの
である。以下、図を用いてその動作を説明する。

【００７５】例えば、"dance"という単語は１０対３の
割合で名詞と動詞で使われており、"stop"という単語は
５：１０の割合で名詞と動詞で使われており、 "start
s"という単語は７：１０の割合で名詞と動詞で使われて
いるとする。この情報を利用して、ニューラルネットの
入力層にデータをセットする（図２１）。例えば、"sto
p"の名詞には０．５、動詞には1をセットする。

【００７６】このように、品詞のパターンだけでなく、
単語がどの品詞で使われやすいかを利用することによ
り、元々使われやすい品詞は採用されることになり、高
精度な多品詞解消を実現するものである。

【００７７】（実施の形態７）本発明の実施の形態７に
おいては、本発明の実施の形態１から６のいずれかの機
械翻訳装置において、最近採用された単語の品詞の優先
度を高く設定することにより、文脈情報を利用するもの
である。以下、図を用いてその動作を説明する。

【００７８】ある文である単語がある品詞で使われた場
合、その文章中では同一の品詞で使われる可能性が増加
する。例えば、ある文"... in her will if he ..."に
おいては、willは名詞として使われているものとす
る。"will"は通常助動詞として使われる場合が多いが、
一度"will"が名詞として表れた文章では、再度"will"が
名詞として使われる可能性が増加する。

【００７９】本発明の実施の形態７においてはこのよう
な性質を利用して多品詞解消に文脈処理的な処理を行わ
せ、高精度な多品詞解消を行わせるものである。例であ
げたように、"will"が名詞として使われた場合、以降
の"will"の名詞の入力の値を増やす。例えば、図２２に
示すように、 "... the good will left on .."という
文の"will"の入力の値は、名詞の値を増やして２とし、
助動詞の値を１とする。この事により、名詞が採用され
やすくする。

【００８０】このように、一度使われた品詞の入力の値
を増加させることにより、文脈処理的な処理を行わせ、
高精度な多品詞解消を行わせるものである。

【００８１】以上、本発明の実施の形態では、対象言語
を英語として説明したが、英語のみに限定したアルゴリ
ズムではなく、さまざまな言語の処理に応用可能な発明
である。また、本発明においては機械翻訳装置に関して
説明を行ったが、本発明によれば、機械翻訳装置のみな
らず、文章校正装置や自動要約装置など、自然言語処理
を行う装置には容易に適応可能なのは言うまでもない。

【００８２】

【発明の効果】以上のように本発明によれば、原文の入
力や、翻訳の指示を行う入力手段と、原文、翻訳の途中
結果、翻訳結果を記憶する記憶部と、単語辞書を参照し
て入力された原文を形態素に分割する形態素解析部と、
複数の品詞が候補となった単語について、どの品詞によ
る解釈によって解析を進めるかをニューラルネットによ
り決定する多品詞解消部と、ルール辞書を参照して、原
文の構文を解析する構文解析部と、前記構文解析部の解
析結果に基づき、ルール辞書を参照して目的言語の訳文
を生成する目的言語生成部と、前記目的言語生成部によ
り生成された訳文を表示させる表示手段とを備える構成
としたことにより、機械翻訳装置の開発者にとっては開
発効率の向上をもたらし、利用者にとっては高精度な多
品詞解消を行うことができるという有利な効果が得られ
る。

【００８３】また、ニューラルネットの学習・多品詞解
消時には、新規に計算すべきニューロンのみ再計算を行
う構成としたことにより、高速に多品詞解消が行えると
いう有利な効果が得られる。

【００８４】また、多品詞解消部は、ニューラルネット
によるニューラルネット多品詞解消部と、ルール辞書を
参照しながら多品詞解消を行うルール多品詞解消部の２
つの部より構成され、ニューラルネット多品詞解消部と
ルール多品詞解消部の確信度の高い方の品詞が採用され
る構成としたことにより、従来的な規則による多品詞解
消と、ニューラルネットによる多品詞解消の精度の高い
ほうを採用できるという有利な効果が得られる。

【００８５】また、多品詞解消部は、ニューラルネット
によるニューラルネット多品詞解消部と、ルール辞書を
参照しながら多品詞解消を行うルール多品詞解消手段の
２つの部より構成され、ニューラルネット多品詞解消部
とルール多品詞解消部の確信度の高い方の品詞が採用さ
れた場合、優先度が一番高い品詞を決定した状態で、再
度多品詞解消を行う構成としたことにより、さらに精度
の高い多品詞解消ができるという有利な効果が得られ
る。

【００８６】また、ニューラルネットによる多品詞解消
部は、学習を行う場合に、確信度の高い品詞を多品詞解
消部により決定した後の条件のデータを学習する構成と
したことにより、起こる確率の高い状態を学習すること
ができるという有利な効果が得られる。

【００８７】また、ニューラルネットによる多品詞解消
部は、学習を行う場合に、品詞の頻度や辞書の優先順位
を使用するとを備える構成としたことにより、より高精
度な多品詞解消を行うことできるという有利な効果が得
られる。

【００８８】また、ニューラルネットによる多品詞解消
部は、多品詞解消を行う場合に、最近採用された単語の
品詞の優先度を高く設定する構成としたことにより、従
来の枠組みでは行うことの出来なかった文脈処理ができ
るという有利な効果が得られる。

【図面の簡単な説明】

【図１】本発明の第１の実施の形態における機械翻訳装
置の機能ブロック図

【図２】本発明の第１の実施の形態における機械翻訳装
置を示す装置ブロック図

【図３】本発明の第１の実施の形態における機械翻訳装
置の動作フローチャート

【図４】本発明の第１の実施の形態における形態素解析
後の解析状態を示す図

【図５】本発明の第１の実施の形態における多品詞解消
後の解析状態を示す図

【図６】本発明の第１の実施の形態における構文解析後
の解析状態を示す図

【図７】本発明の第１の実施の形態における目的言語生
成後の目的言語を示す図

【図８】本発明の第１の実施の形態におけるニューラル
ネットの学習動作を示すフローチャート

【図９】本発明の第１の実施の形態における学習例文を
示す図

【図１０】本発明の第１の実施の形態におけるニューラ
ルネットの構成を示す図

【図１１】本発明の第１の実施の形態におけるニューラ
ルネットの入力を示す図

【図１２】本発明の実施の形態１におけるニューラルネ
ットの前向き伝播を示す図

【図１３】本発明の第１の実施の形態におけるニューラ
ルネットの誤差計算を示す図

【図１４】本発明の第１の実施の形態におけるニューラ
ルネットによる多品詞解消動作を示すフローチャート

【図１５】本発明の第１の実施の形態におけるニューラ
ルネットの多品詞解消を示す図

【図１６】本発明の第２の実施の形態におけるニューラ
ルネットの再計算の要／不要を示す図

【図１７】本発明の第３の実施の形態における２つの多
品詞解消方式の途中結果を示す図

【図１８】本発明の第４の実施の形態におけるニューラ
ルネットの入力層を示す図

【図１９】本発明の第４の実施の形態におけるニューラ
ルネットの入力層を示す図

【図２０】本発明の第５の実施の形態における学習例文
を示す図

【図２１】本発明の第６の実施の形態におけるニューラ
ルネットの入力層を示す図

【図２２】本発明の第７の実施の形態におけるニューラ
ルネットの入力層を示す図

【符号の説明】

１入力手段２記憶部３形態素解析部４多品詞解消部５構文解析部６目的言語生成部７表示手段８単語辞書９ルール辞書１０翻訳制御部１１キーボード１２中央処理装置（ＣＰＵ）１３陰極線管ディスプレイ（ＣＲＴ）１４リード・オンリー・メモリ（ＲＯＭ）１５ランダム・アクセス・メモリ（ＲＡＭ）

Claims

【特許請求の範囲】

【請求項１】原文の入力や翻訳の指示を行う入力手段
と、原文、翻訳の途中結果、翻訳結果を記憶する記憶部
と、単語辞書を参照して入力された原文を形態素に分割
する形態素解析部と、複数の品詞が候補となった単語に
ついて、どの品詞による解釈によって解析を進めるかを
ニューラルネットにより決定する多品詞解消部と、ルー
ル辞書を参照して原文の構文を解析する構文解析部と、
前記構文解析部の解析結果に基づき、ルール辞書を参照
して目的言語の訳文を生成する目的言語生成部と、前記
目的言語生成部により生成された訳文を表示させる表示
手段と、を有することを特徴とする機械翻訳装置。
【請求項２】前記多品詞解消部は、ニューラルネットの
学習・多品詞解消時には、新規に計算すべきニューロン
のみ再計算を行うことを特徴とする請求項１記載の機械
翻訳装置。
【請求項３】前記多品詞解消部は、ニューラルネットに
よるニューラルネット多品詞解消部と、ルール辞書を参
照しながら多品詞解消を行うルール多品詞解消部とを備
え、前記ニューラルネット多品詞解消部と前記ルール多
品詞解消部とのうち、確信度の高い方の品詞を採用する
ことを特徴とする請求項１または請求項２記載の機械翻
訳装置。
【請求項４】前記多品詞解消部は、前記ニューラルネッ
ト多品詞解消部と前記ルール多品詞解消部の確信度の高
い方の品詞が採用した場合、優先度が一番高い品詞を決
定した状態で、再度多品詞解消を行うことを特徴とする
請求項３記載の機械翻訳装置。
【請求項５】前記ニューラルネット多品詞解消部は、学
習を行う場合に、確信度の高い品詞を、前記多品詞解消
部により決定した後の条件のデータを学習することを特
徴とする請求項３または請求項４記載の機械翻訳装置。
【請求項６】ニューラルネットによる多品詞解消部は、
学習を行う場合に、品詞の頻度や辞書の優先順位を使用
することを特徴とする請求項１乃至請求項５記載の機械
翻訳装置。
【請求項７】ニューラルネットによる多品詞解消部は、
多品詞解消を行う場合に、最近採用された単語の品詞の
優先度を高く設定することを特徴とする請求項１乃至請
求項６記載の機械翻訳装置。
【請求項８】データを記憶する記憶装置と、データを表
示する表示装置とを備える装置を制御する機械翻訳方法
であって、記憶装置に記憶された原文を取り出す第１のステップ
と、単語辞書を参照して取り出した原文を形態素に分割
する第２のステップと、複数の品詞が候補となった単語
について、どの品詞による解釈によって解析を進めるか
をニューラルネットにより決定する第３のステップと、
ルール辞書を参照して原文の構文を解析する第４のステ
ップと、前記第４のステップにおける解析結果に基づ
き、ルール辞書を参照して目的言語の訳文を生成する第
５のステップと、前記第５のステップで生成された訳文
を表示させる第６のステップと、を有することを特徴と
する機械翻訳方法。
【請求項９】複数の品詞が候補となった単語について、
どの品詞による解釈によって解析を進めるかをニューラ
ルネットにより決定するステップにおいて、新規に計算
すべきニューロンのみ再計算を行うことを特徴とする請
求項８記載の機械翻訳方法。
【請求項１０】複数の品詞が候補となった単語につい
て、どの品詞による解釈によって解析を進めるかを決定
する多品詞解消ステップは、ニューラルネットによるニ
ューラルネット多品詞解消ステップと、ルール辞書を参
照しながら多品詞解消を行うルール多品詞解消ステップ
との２つのステップより構成され、ニューラルネット多
品詞解消ステップとルール多品詞解消ステップの確信度
の高い方の品詞を採用することを特徴とする請求項８ま
たは請求項９記載の機械翻訳方法。
【請求項１１】複数の品詞が候補となった単語につい
て、どの品詞による解釈によって解析を進めるかを決定
する多品詞解消ステップは、ニューラルネットによるニ
ューラルネット多品詞解消ステップと、ルール辞書を参
照しながら多品詞解消を行うルール多品詞解消ステップ
の２つのステップより構成され、ニューラルネット多品
詞解消ステップとルール多品詞解消ステップの確信度の
高い方の品詞が採用された場合、優先度が一番高い品詞
を決定した状態で、再度多品詞解消を行うことを特徴と
する請求項１０記載の機械翻訳方法。
【請求項１２】ニューラルネットにより学習を行う場合
に、確信度の高い品詞を多品詞解消ステップにより決定
した後の条件のデータを学習することを特徴とする請求
項９または請求項１０記載の機械翻訳方法。
【請求項１３】ニューラルネットにより学習を行う場合
に、品詞の頻度や辞書の優先順位を使用することを特徴
とする請求項８乃至請求項１２に記載の機械翻訳方法。
【請求項１４】ニューラルネットにより学習を行う場合
に、最近採用された単語の品詞の優先度を高く設定する
ことを特徴とする請求項８乃至請求項１３に記載の機械
翻訳方法。
【請求項１５】データを記憶する記憶装置と、データを
表示する表示装置とを備える装置を制御する機械翻訳プ
ログラムを記録した記録媒体であって、記憶装置に記憶された原文を取り出す第１のステップ
と、単語辞書を参照して取り出した原文を形態素に分割
する第２のステップと、複数の品詞が候補となった単語
について、どの品詞による解釈によって解析を進めるか
をニューラルネットにより決定する第３のステップと、
ルール辞書を参照して原文の構文を解析する第４のステ
ップと、前記第４のステップにおける解析結果に基づ
き、ルール辞書を参照して目的言語の訳文を生成する第
５のステップと、前記第５のステップで生成された訳文
を表示させる第６のステップと、を有することを特徴と
する機械翻訳プログラムを記録した記録媒体。
【請求項１６】複数の品詞が候補となった単語につい
て、どの品詞による解釈によって解析を進めるかをニュ
ーラルネットにより決定するステップにおいて、新規に
計算すべきニューロンのみ再計算を行うことを特徴とす
る請求項１５記載の機械翻訳プログラムを記録した記録
媒体。
【請求項１７】複数の品詞が候補となった単語につい
て、どの品詞による解釈によって解析を進めるかを決定
する多品詞解消ステップは、ニューラルネットによるニ
ューラルネット多品詞解消ステップと、ルール辞書を参
照しながら多品詞解消を行うルール多品詞解消ステップ
との２つのステップより構成され、ニューラルネット多
品詞解消ステップとルール多品詞解消ステップの確信度
の高い方の品詞を採用することを特徴とする請求項１５
または請求項１６記載の機械翻訳プログラムを記録した
記録媒体。
【請求項１８】複数の品詞が候補となった単語につい
て、どの品詞による解釈によって解析を進めるかを決定
する多品詞解消ステップは、ニューラルネットによるニ
ューラルネット多品詞解消ステップと、ルール辞書を参
照しながら多品詞解消を行うルール多品詞解消ステップ
の２つのステップより構成され、ニューラルネット多品
詞解消ステップとルール多品詞解消ステップの確信度の
高い方の品詞が採用された場合、優先度が一番高い品詞
を決定した状態で、再度多品詞解消を行うことを特徴と
する請求項１７記載の機械翻訳プログラムを記録した記
録媒体。
【請求項１９】ニューラルネットにより学習を行う場合
に、確信度の高い品詞を多品詞解消ステップにより決定
した後の条件のデータを学習することを特徴とする請求
項１７または請求項１８記載の機械翻訳プログラムを記
録した記録媒体。
【請求項２０】ニューラルネットにより学習を行う場合
に、品詞の頻度や辞書の優先順位を使用することを特徴
とする請求項１５乃至請求項１９に記載の機械翻訳プロ
グラムを記録した記録媒体。
【請求項２１】ニューラルネットにより学習を行う場合
に、最近採用された単語の品詞の優先度を高く設定する
ことを特徴とする請求項１５乃至請求項２０に記載の機
械翻訳プログラムを記録した記録媒体。