JP2002197084A - 自動自然言語翻訳システム - Google Patents

Abstract

(57)【要約】 【課題】 自動自然言語翻訳システムを提供する。 【解決手段】 ソース自然言語のテキスト文（好適には
英語）を受信し、目的自然言語（好適には日本語）に翻
訳する自動自然言語翻訳システム。また、このシステム
を使用することにより、オペレータはソーステキストの
選択した部分を自動的に再度翻訳することができる。こ
のシステムは、異なる分野では異なる訳語を持つ語句を
含む文書の第一次翻訳をより正確なものにし、不適切な
翻訳を除外するための制御手段としていくつかの文法規
則を指定し、また不適切な翻訳を除去するために、辞書
の見出し語に関連した確率の値を使用することを目的と
するいくつかの改良を含む。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ある自然言語から
他の自然言語への、好適には英語から日本語への自動翻
訳に関する。

【０００２】

【従来の技術】自然言語の機械翻訳については種々の方
式が提案されてきた。通常、翻訳に使用されるシステム
は、ある言語での入力を受信し、その受信した入力を処
理し、他の言語で出力するコンピュータを含む。このタ
イプの翻訳は従来正確なものではなく、そのために、熟
練したオペレータが出力結果にかなり手を加えなければ
ならない。従来のシステムによる翻訳作業は、一般に構
造変換操作を含む。この構造変換の目的は、ソース言語
の文の解析ツリー（すなわち、構文構造ツリー）を目的
言語に対応するツリーに変換することである。現在まで
二つのタイプの構造変換方式が試みられてきた。すなわ
ち、文法に基づく変換と、テンプレート間の変換であ
る。

【０００３】文法に基づく変換の場合には、構造変換の
領域は、ソース言語の解析ツリー（すなわち、与えられ
たノードの直接のこどもであるサブノードの集合）を得
るために使用される文法規則の領域に限定される。例え
ば、次の式があるときＶＰ＝ＶＴ０１＋ＮＰ（動詞句
は、目的語が一つの他動詞と、名詞句がこの順序で並ん
でいる。）そして、日本語は、１＋２＝＞２＋１ （Ｖ
Ｔ０１とＮＰの順序が逆になっている。）

【０００４】

【発明が解決しようとする課題】規則の適用を含むソー
ス言語の解析ツリーは、構造的には動詞と目的語の順序
が反対になるように変換される。日本語では動詞は目的
語のあとに来るからである。この方法は、ソース言語の
解析ツリーを得るために規則が使用された場所で正確に
適用され、特定の変換が行われた場所をすぐ見つけるこ
とができるという点で非常に効率的である。一方、上に
述べたように、その領域が大幅に制限されているという
点、また自然言語は、こどもではないノードにまたがる
ような変換規則を必要とする場合があるという点で、変
換機構としては弱いものである。

【０００５】テンプレート間の変換では、構造変換は、
入出力（Ｉ／Ｏ）テンプレートまたはサブツリーの形で
指定される。ある入力テンプレートがある構造ツリーと
一致した場合には、そのテンプレートと一致する構造ツ
リー部分が、対応する出力テンプレートで指定されたと
おりに変換される。これは非常に強力な変換機構である
が、与えられた入力テンプレートが、存在する構造ツリ
ーのどの部分と一致するかを見つけるのにかなりの時間
がかかり、処理コストが高くなることがある。

【０００６】

【課題を解決するための手段】本発明の自動自然言語翻
訳システムは、従来の機械翻訳装置と比較すると多くの
利点を持つ。システムが、自動的に入力テキスト情報の
可能で最も適切な翻訳を提供し、ユーザにその出力（好
適には、英語の入力テキストの日本語訳）を供給した後
で、ユーザは、表示された翻訳結果に手を入れるため
に、または自動的に他の翻訳を入手するために、このシ
ステムと対話することができる。本発明の自動自然言語
翻訳システムを操作する人は、これでいいと判断した翻
訳の結果の部分はそのまま保持しながら、残りの部分を
自動的に再翻訳させることができる。この選択的な再翻
訳を行うことにより、再翻訳を必要とする部分に対して
のみ翻訳が行われるので、操作する人は時間を節約する
ことができ、潜在的に多くの不正確な部分はあるとして
も、翻訳としては非常に質の高い部分を検討するという
退屈な仕事を手短かに済ますことができる。さらに、こ
のシステムでは、種々の翻訳調整を行うことができるの
で、通常は、翻訳の最終構造の多くがシステムによって
作成される。したがって、このシステムを使用すること
により、人間（オペレータ）による潜在的なミスを少な
くし、文の構造、人称や時制の一致の変更などの手直し
に要する時間が節約できる。このシステムはオペレータ
に広範囲で正確な文法とスペルに関する知識を提供でき
るようになっている。

【０００７】本発明の自動自然言語翻訳システムは、ソ
ース言語に含まれる文章の区切りのさまざまな曖昧性処
理と、強力な意味伝達機能により、翻訳文はさらに正確
なものになり、オペレータの翻訳の手直しに要する時間
が短くてすむようになる。特定のユーザの好みに合わせ
てシステムが記憶していく学習統計情報によっても、翻
訳の質はさらに改善される。本システムの熟語処理方法
は、熟語を構成する語句を含んでいる文があるとき、熟
語そのものの意味を考えることなく、正確に訳すことが
できるという利点を持つ。本システムは効率的であるば
かりでなく、関連の低い特性を一致させるという多様な
機能を持つ。本システムの構造バランスエキスパートお
よび同格構造エキスパートは、目的とする解析と目的と
しない解析とを効率的に見分ける。大文字化エキスパー
トは、効率的に文中の大文字の単語を正確に解釈し、大
文字列手順は、普通名詞としての解釈を完全には無視し
ないで、複合語の固有名詞を効率的に処理する。

【０００８】ある観点から見た場合、本発明は、自動自
然言語翻訳システムの改良に関するものであり、この場
合、この改良は翻訳を助けるための「自動領域識別子」
の使用に関する。領域には、ある特定の用法やある特定
の人たちに帰属する用語や用法パターンの集合を含む。
例えば、領域としては、ビジネス通信文、マーケティン
グ文書、コンピュータ関連の文書、物理学などの技術分
野の文書などが考えられる。辞書に含まれる言葉に中に
は、ある特定の領域で使われたときは、目的自然言語
（例えば、日本語）のある訳語になるが、他の領域で使
用されたり、または分野に関係なく使用された場合は、
意味が異なってくる場合がある。領域キーワードのリス
トも使用される。キーワードは、各領域と関連する領域
特有の単語や用語であり、ソース自然言語（またはソー
ス文書）の特定の文が、いずれの領域に属するかどうか
を決定するために使用される。「自動領域識別子」機能
は、その文（または文書）が特定の領域の文章であると
判断するのに十分なキーワードが、その文（または、そ
の文書または文書の一部）に、含まれているかどうかを
判断する。もし領域が特定できれば、辞書にも載ってい
て、翻訳中の文（または文書）にも含まれている単語は
確率の値を引き上げて使用し、その文章（または文書）
の翻訳が行われる。「自動領域識別子」による決定は、
ソース自然言語およびキーワードのみに基づいて行われ
る。本発明の「自動領域識別子」機能は、結果のツリー
構造内に、領域不適合分析（特定の領域には適合しない
という分析）は含まず、そのためシステムの翻訳時間は
速くなる。

【０００９】他の観点から見ると、本発明は、自動自然
言語翻訳システムのもう一つの改良に関する。その改良
というのは、「オールマイティ」や「品詞優先」とマー
ク付けするか、または「マークなし」という文法規則を
使用した、ソース自然言語の文の解析に関する。「オー
ルマイティ」文法規則は、それによりその文の同じ部分
を解析するようなすべての他の規則を排除する規則であ
る。「品詞優先」文法規則は、それによりその文の同じ
部分を解析するようなすべての他の規則を排除する規則
であるが、これは、他の規則が同じ品詞を持っている場
合に限って行われる。「マークなし」文法規則は他のい
ずれの規則に対しても優先権は持たない。「オールマイ
ティ」や「品詞優先」のマーク付け文法規則は、この規
則がない場合にはシステムの翻訳エンジンによって作ら
れるツリー構造のうちから、関係のない文法解釈ツリー
を除去するのに有効な方法である。このようなマーク付
け文法規則は、時間およびメモリ容量の点で、より効果
的に解析を行うことができる。つまり、システムの翻訳
時間を短縮することができる。何故なら、翻訳エンジン
は、マーク付けしなければ作られるかもしれない大きな
ツリー構造を作らなくてすむからである。また、翻訳エ
ンジンは、マーク付けしなければ記憶しなければならな
い大きなツリー構造を記憶しないですむことから、メモ
リ（例えば、ＲＡＭ）領域を解放することができる。

【００１０】さらに他の観点から見ると、本発明は、自
動自然言語翻訳システムのさらに他の改良に関する。こ
れは、最終ツリー構造の構成要素になる可能性が非常に
低いか、絶対にないというマークが付けられた見出し語
を持つ辞書を使用する解析に関連した改良である。辞書
に複合語の見出し語が含まれていて、その中の少なくと
も一つの複合語が非常に低い確率の値を持っていると
き、この低い確率の値は、その見出し語がソース自然言
語の任意の文の正しい解析ツリーでも特定の品詞として
機能する可能性がありそうもないことを示す。ある入力
文の解析ツリー構造の中に、マークが付けられている見
出し語が含まれる場合には、マークが付いている見出し
語に関連する確率の値が低いから、その解析ツリーがそ
の文に対して正確である確率は非常に小さくなる。この
確率の値を使用することにより、システムの翻訳エンジ
ンが作ったツリー構造の不要な部分を排除することがで
きる。

【００１１】本発明の上記および他の目的、特色、特徴
および利点は、以下の説明と請求の範囲を読めば明らか
になる。

【００１２】

【発明の実施の形態】最初に、図面を参照しないで、本
発明の自動自然言語翻訳システムの概要を説明する。こ
の概要を説明した後で、図面を参照して説明する。

【００１３】自動自然言語翻訳システムは、ソース自然
言語を目的自然言語に翻訳することができる。好適な具
体例として、上記システムは英語を日本語に翻訳する。
上記システムは、ソース自然言語と、目的自然言語への
翻訳を作る翻訳エンジンとを受付け、記憶する装置と；
ユーザに翻訳結果を表示するための装置と；ユーザに対
して別の翻訳結果を提供し表示するための装置とを含
む。このシステムの具体例としては、翻訳エンジンは、
プリパーサー、パーサー、グラフ作成装置、評価子、グ
ラフ・スコアラ、文法構造抽出装置および構造変換装置
を含む。プリパーサーは、入力テキストを検査し、入力
文の文末認定の曖昧な箇所を解析する。その後、プリパ
ーサーは、辞書の見出し語を含む解析チャートで、入力
テキストを作成し表示する。パーサーは、入力テキスト
に対する可能な構文の分類を入手するために、上記チャ
ートの解析を行う。グラフ作成装置は、解析チャートに
基づいて、入力テキストの可能な構文解釈のグラフを作
る。このグラフには、入力テキストの可能な解釈に関連
するノードとサブノードが含まれる。一連のエキスパー
トを含む評価子は、解釈の可能なグラフを評価し、グラ
フのノードとサブノードにエキスパートの重みを加え
る。グラフ・スコアラは、サブノードを評価するために
エキスパートの重みを使用し、その後でＮ個の上位のス
コアと各ノードとを関連づける。文法構造抽出装置は、
解析ツリー構造をグラフ・スコアラが決定した好適な解
釈に割り当てる。構造変換装置は、目的言語での翻訳を
入手するために、解析ツリー構造に関する構造変換を行
う。

【００１４】以下の三つの段落では、（ａ）各サブノー
ドに対する最終加重スコアを計算するために、グラフ・
スコアラがどのようにエキスパートの重みを組み合わせ
るか；（ｂ）最終ノード・スコアに到達するために、グ
ラフ・スコアラがどのようにサブノード・スコアを組み
合わせるか；（Ｃ）言語情報がノードとサブノードのツ
リーをどのように伝達するか、について説明する。

【００１５】各サブノードに対する最終加重スコアを計
算するために、グラフ・スコアラは、各サブノードに定
数値を関連づける。各サブノードに関連する言語情報の
分析により、サブノードのスコアの決定が行われる。例
えば、一連のエキスパート評価子が、各ノードとサブノ
ードに記憶された言語情報を検査する図８を参照された
い。グラフ・スコアラは、特定のノードまたはサブノー
ドに対する最終加重平均を入手するために、各エキスパ
ートに対する個々の加重スコアの合計を計算する。複数
の加重スコアを一つの加重平均スコアにまとめること
は、コンピュータサイエンスにおける標準的な問題であ
る。使用できる一つの方法としては、各エキスパートの
結果に、そのエキスパートに割り当てられた定数（重
み）を掛け合わせる方法がある。各エキスパートに割り
当てられる重みは、設計時に決定しておく問題である。
設計者は各エキスパートに割り当てる優先権（重み）を
決定する。加重平均は、各数字に定数を掛け、一連の数
字を合計したものである。例えば、以下の式になる。 加重平均＝（ｗ₁）＊（ｘ₁）＋（ｗ₂）＊（ｘ₂）
＋．．．＋（ｗ_n）＊（ｘ_n） 但し、重みｗ₁，ｗ₂，．．．，ｗ_nは、いずれも負でな
い数で、合計は１になる。例えば、統計の期待値に関す
る加重平均の使用について述べているスピーゲル著「確
率および統計の理論と問題７６」（１９７５年、マグロ
ーヒル社）を参照されたい。

【００１６】最終ノード・スコアを入手しようとサブノ
ード・スコアを結び付けるために、グラフ・スコアラ
は、グラフの底辺の部分から一番上の部分にサブノード
・スコアを伝達することができる。各ノードがＮスコア
の集合を持つグラフの場合には、一つまたは複数の伝達
方法を決定することができる。サブノード・スコアを伝
達するのに使用することができる一つの技術としては、
最適化問題を解くために使用されるある種の動的プログ
ラミングである記憶方法がある。最適化問題の解法に
は、多くの可能な数値（結果）を含むことができる。目
的は最適な数値を発見することである。最適化に使用す
るアルゴリズムは、各サブサブ問題を一回だけ解き、結
果を記憶するので、サブサブ問題に遭遇するごとに答を
再度計算する必要がなくなる。最適化問題に適用される
もっと詳細な説明については、例えば、コーメン他の
「アルゴリズムヘの招待」（１９９０年マグローヒル
社）の３０１−３１４ぺージを参照されたい。この「ア
ルゴリズムヘの招待」の３０１、３０２および３１２ぺ
ージには、グラフ内をサブノード・スコア情報を伝達さ
せるのに使用できる一つの方法が記載されている。

【００１７】言語情報をツリー内で伝達する場合には、
システムの意味を伝える部分は、意味情報を内部のより
小さい構成要素からより大きい構成要素へと伝えるよう
に動作する。意味の伝達は、解析オペレーションで使用
される統語分類の四つのクラス（ＳＥＭＮＰ、ＳＥＭＶ
Ｐ、ＳＥＭＡＤＪおよびＶＥＲＢ）に適用される。意味
の伝達が行われる前に、ノードに記憶されている言語情
報を分析しなければならない。ノードに記憶されている
意味情報の分析は、文法規則の名詞らしい要素と動詞ら
しい要素を点検することにより、どの名詞らしい目的語
に、文法規則の動詞らしい要素のどの選択的制限スロッ
トを適用するかを言い当てる規則の集合によって導かれ
る。ジェラルド・ガズダは、その著書「プロローグの自
然言語処理」（１９８９年アディソン・ウエズリ出版
社）で、本明細書で開示しているグラフに類似した方向
を持った、リング状でないグラフのノードに記憶されて
いる意味情報を分析するのに使用することができる規則
の集合について説明している。ガズダは、隣接するノー
ドに関する情報と一致させる特性マッチングの使用につ
いて説明している。ガズダは、特性マッチングは、以下
に述べる式を含むと述べている。

【００１８】「あるノード上に現れるいくつかの特性
は、もう一つのノード上に現れる特性と同じものである
に違いない。最新の研究は、親の分類とそれらの特性に
関連する形態素を示すことも上に現れるあるクラスの特
性の詳細を等しくするという原則を仮定している。この
こどもは、そのフレーズの「頭」と呼ばれる。大部分の
フレーズは頭を一つだけ持つ。それ故、例えば、動詞句
は、その動詞の時制を受け継ぐ。何故なら、動詞は動詞
句の「頭」であるからである。これまで使用してきた表
記法の資源を使用しても、文法全体に適用できるこの原
則を指定する簡単な方法はない。しかし、もし関連する
特性がＤＡＧの一本の枝上にすべて発見することができ
ると仮定するならば、規則ごとに非常に簡単にこの原理
の効果を述べることができる。そこで、我々は通常のＶ
Ｐ規則を以下のように書き表すことができる。

【００１９】ＶＰ−−＞Ｖ ＮＰ ＰＰ ＜Ｖの頭＞＝＜ＶＰの頭＞ この場合、Ｖの「頭」の特性値と、親であるＶＰ上の
「頭」の特性値は同じものでなければならない。」 ガズダで議論されている規則は、本明細書に開示する構
文の各分類に容易に適用することができる。ガズダの規
則を使用して各ノードに割り当てられた言語情報は、記
憶方法の技術により、ツリーの中を伝達することができ
る。

【００２０】ここで、上の三つの段落の内容を要約する
と、加重平均は、サブノード・スコアを決定する一つの
方法であり、各サブノード・スコアは、最適化問題に適
用した周知の記憶方法技術を使用してグラフ中を伝達す
ることができ、ガズダの著書に述べられている方法は、
各ノードに記憶されている言語情報を分析するのに使用
することができ、この言語情報は、記憶方法技術を使用
して文法構造解析チャート内を伝達することができると
いうことになる。

【００２１】自動自然言語翻訳システムでは、最初の自
動翻訳終了後に、自動的に再翻訳を行うことができる。
すなわち、システムが自動的に入力テキスト情報の可能
で最も適切な翻訳を提供し、ユーザに出力（好適には、
入力英語テキストの日本語の翻訳）を提供した後、ユー
ザは表示されている翻訳を手直しするために、または自
動的に別の翻訳を入手するためにシステムと対話するこ
とができる。

【００２２】自動自然言語翻訳システムは、一つの文を
サブストリングに分解する言語モデルを使用する。サブ
ストリングは、その文の一部として指定された順序で出
現する一つまたは複数の語句である。例えば、サブスト
リング「The man is happy」は、「The」、「The ma
n」、「man is happy.」、「is」および「The man is
happy」それ白身を含んでいるが、「is man」、「man m
an」、「The is」は含んでいない。

【００２３】異なる言語モデルは、種々の方法で、また
種々の詳細レベルでサブストリングを定義する。例え
ば、「They wou1d 1ike an arrow.」という文において
は、「an arrow」は通常、名詞句（ＮＰ）に分類され
る。別のモデルでは、「an arrow」を構文上の特性（例
えば、単数の名詞句）および文意の上の特性（武器）で
分類する。この句の意味が曖昧である場合には、それを
分類する複数の方法がある、例えば、「an arrow」は、
矢の形をした記号を意味することもできる。言語モデル
が、曖昧さを解決する方法を提供するとき、通常、より
小さな単位をより大きな単位に結合することによって曖
昧さを解決する。より大きい単位を評価する場合、これ
らのモデルはより大きい単位に含まれている情報だけを
考慮の対象とする。

【００２４】このシステムの具体的な例示として、「an
arrow」（記号または武器）の意味上の特性が、「They
wou1d 1ike an arrow.」という文の「1ike an arrow」
という動詞句を評価する際に使用される。一方、「an a
rrow」という句の構文が「Heshot it with an arrow.」
という文中にあった場合には、「an arrow」の意味上の
特性は、「shot it with an arrow」という動詞句を評
価する際には使用されない。

【００２５】特定の言語モデル（解釈したサブストリン
グ）を一つの方法で解釈した文の任意のサブストリング
に対して、エキスポートされた属性が存在する、エキス
ポートされた属性は、解釈したサブストリングと、もっ
と大きいサブストリングを形成する他の単位との組み合
わせを評価するために使用したすべての属性である。エ
キスポートはエキスポートされた特性と一緒に解釈し
た、解釈済みのサブストリングである。解釈済みのサブ
ストリングに含まれているが、エキスポートされていな
い属性は、サブ構造体と呼ばれる。

【００２６】システムのパーサーは、文法データベース
を含む。パーサーは、文法規則を使用して文のすべての
可能な解釈を見い出す。文法データベースは、Ｘ＝Ａ１
Ａ２．．．Ａｎの形の、一連の文脈自由句構造規則から
なる。Ｘは、Ａ１，Ａ２，．．．，Ａｎからなっている
か、形成されていて、レベルの高いノード（サブノー
ド）Ａ１からよりレベルの低いノード（サブノード）Ａ
ｎと呼ばれる。

【００２７】システムのグラフ作成装置は、一つの文に
関して可能な多くの解釈を図形で表す。グラフの各ノー
ドは、あるサブストリングのエキスポートに対応する。
システムの具体例として、一つのエキスポートは一つの
ノードで表される。グラフは、一つのエキスポートに関
連するノードから出ている円弧を含み、円弧は、文法規
則の適用に基づくエキスポートのサブ構造体を表す。グ
ラフは少なくとも二つのタイプの円弧、すなわち、エキ
スポートのサブ構造体を表す。グラフは少なくとも二つ
のタイプの円弧、すなわち、（１）同じサブストリング
の一つの異なるエキスポートを指している単一の円弧、
（２）二つのエキスポートを指している一組のポインタ
を含む二つの円弧、すなわち、連結されたときは、その
サブストリングは、もとのエキスポートのサブストリン
グを形成する。（２）の定式は、チョムスキーの正規形
文法を仮定していることに留意されたい。修正した請求
項３５は、タイプ（２）を言い替えることによって、チ
ョムスキーの正規形文法ではなく、Ｎ個のエキスポート
を指しているＮ重ポインタを持つ円弧を反映する文法に
適用される。

【００２８】グラフは、一つの出発エキスポート点Ｓを
含み、そこから一連の円弧を迫ることによりグラフのす
べての部分に行き着くことができる。出発エキスポート
は、文全体に対応する。

【００２９】同じエキスポートを複数のエキスポートか
ら形成できる場合に限り、一つのノードから複数の円弧
がスタートする。（二つの円弧からなる円弧内の一組の
ポインタは、この意味では複数の円弧とは考えない。）
そのエキスポートが複数のエキスポートの一つの要素で
ある場合に限って、複数の円弧が一つのノードを指すこ
とになる。円弧が出ていないノードは、サブストリング
に割り当てられた辞書の見出し語に対応する。

【００３０】複数の言語エキスパートが、エキスポート
の集合に数字のスコアを割り当てる。この言語エキスパ
ートは、グラフの各ノードに上記スコアを適用する。シ
ステムの具体例として、スコア行列（行列の各要素は、
特定のエキスパートのスコアに掛け算を行うための重み
である）は、任意の文に対する浮動小数点数の固定の長
さ「Ｎ」である。

【００３１】上記スコアは、グラフ作成エンジンおよび
／またはパーサーに組み込まれるスコアリング・モジュ
ールにより評価される。スコアは、より高いエキスポー
トを形成しているすべてのエキスポートに対して計算さ
れる。より高いエキスポートに対するスコアは、よりレ
ベルの高いエキスポートを形成しているエキスポートと
構造調整エキスパートによって割り当てられたスコアの
組み合わせに適用される任意のエキスパートのスコアの
合計として計算される。

【００３２】ノードに到着し、スコアを調べる順序は、
標準の深さ第一グラフ移動アルゴリズムである。このア
ルゴリズムでは、スコア付けされたノードにはマークが
付けられ、再びスコアを付けられることはない。スコア
が付けられるプロセス中、スコアリング・モジュール
は、もっと高い単位の任意のノードの評価を行う前に、
辞書の見出し語ノードを評価する。辞書の各見出し語は
一つのスコアをもつ。

【００３３】一つのエキスポートを行うのに複数の方法
がある場合には、複数のスコアになる。すなわち、エキ
スポートを行うのにｋ通りの方法がある場合には、可能
なｋ個のスコアになる。複数のスコアは以下のように処
理される。

【００３４】（１）単一の要素からなる規則では、もっ
と低いエキスポートのｋ個の各スコアは、単一の要素か
らなる規則に適用されるエキスパートの数値に加算さ
れ、その結果得られたｋ個のスコアのベクトルは親のエ
キスポートに関連している。

【００３５】（２）二つの要素からなる規則では、左の
こどもがｇスコアを持ち、右のこどもがｈスコアを持つ
ものと見なされる。その後ｇスコアにｈスコアを掛けた
数値が、左のこどもの各スコアに右のこどもの各スコア
を加算し、さらに、二つの要素からなる規則に適用され
るエキスパートの数値を加算することによって計算され
る。ｇスコアにｈスコアを掛けた数値がＮを越えた場合
には、最も高いＮのスコアだけが親のノードと一緒に保
持される。

【００３６】（３）一つのエキスポートが複数の方法で
作ることができる場合には、たかだかＮ個のスコアがそ
のノードのスコア・リストに加算され、最も高いスコア
だけが保持される。

【００３７】スコア計算が完了すると、上記方法は、各
エキスポートがそのノードと、エキスポートに表示され
ていないすべてのサブ構造体の属性を含む、エキスポー
トを行うためのｇ個の最も可能性の高い方法（言語モデ
ルに関する）を表すｇ個のスコア（１からＮまでの範囲
内のｇ）の集合と関連づけていることを確認する。ルー
ト・ノードＳのような特別な場合では、このスコア計算
方法は文全体を形成するｇ個の最も可能性の高い方法を
与える。

【００３８】上記のスコア・リストの各スコアは、関連
ポインタを持つ。ポインタ、より低いエキスポートのス
コア・リストのどのスコアが、もっと高いレベルのスコ
アを作るために組み合されたのかを示す情報を提供す
る。各ポインタを追跡することにより、その文のｇ個の
最も可能性の高い解釈を、曖味でない解析ツリーとして
抽出することができる。

【００３９】図１〜図９を参照しながら、自動自然言語
翻訳システムをさらに詳細に説明する。その後で、図１
０、図１１および図１２を参照しながら、本発明の種々
の改良点について説明する。

【００４０】図１および図２を参照すると、本発明の自
動自然言語翻訳システム１０は、入力インターフェース
１２、翻訳エンジン１６、記憶装置１８、ユーザ入力装
置２２、ディスプレイ２０および出カインターフェース
１４を含む。入力インターフェースは、英語などのソー
ス言語で書かれた一連のテキストを受信することができ
るようになっている。入力インターフェースとしては、
キーボード、音声インターフェースまたはモデムまたは
直列入力のようなデジタル電子インターフェースを含む
ことができる。翻訳エンジンは、記憶装置のデータを使
って、ソース言語の翻訳を行う。翻訳エンジンは、全体
をハード配線の論理回路で作ることもできるし、一つま
たは複数の処理ユニットや関連する記憶命令を含むこと
もできる。翻訳エンジンは、以下に述べる要素やその部
分を含むことができる、すなわち、プリパーサー２４、
パーサー２６、グラフ作成装置２８、文法構造解析／翻
訳評価子３０、文法構造解析抽出装置３２、構造変換装
置３４、および別の文法構造システム３７を含むユーザ
・インターフェース４２である。構造変換装置は、文法
規則制御による構造変換装置３６、辞書制御による構造
変換装置３８および生成規則制御による構造変換装置４
０を含むことができる。記憶装置１８は、一つまたは複
数のディスク（例えば、ハードディスク、フロッピー
（登録商標）ディスクおよび／または光学的ディスク）
および／またはメモリ記憶装置（例えば、ＲＡＭ）など
を含むことができる。これら記憶装置は、次に述べる要
素の全部または一部を記憶することができる。すなわ
ち、基本辞書４４、技術用語辞書４６、ユーザが作成し
た辞書、文法規則４８、生成規則５０、意味特性ツリー
５２、構造特性ツリー５４およびグラフ５６である。記
憶装置１８は、ソース自然言語で書かれた入力テキスト
情報、目的言語で書かれた出力テキスト情報、および一
つまたは複数の辞書、領域キーワードと文法規則を含む
翻訳を行うために使用したり役立つすべての種類の情報
を記憶するのに使用される。ユーザ入力インターフェー
ス２２は、キーボード、マウス、タッチスクリーン、ラ
イトペンまたは他のユーザ入力装置を含み、システムの
オペレータが使用できる。ディスプレイとしては、コン
ピュータ・ディスプレイ、プリンタまたは他のタイプの
ディスプレイを使用することもできるし、オペレータに
情報を知らせるための他の装置であることもできる。出
カインターフェース１４は、ソース・テキストの最終翻
訳を、日本語などの目的言語でやりとりする。上記イン
ターフェースは、プリンタ、ディスプレイ、音声インタ
ーフェース、モデムまたは直列ラインのような電子イン
ターフェースを含むこともできるし、最終ユーザにテキ
ストを送るための他の装置を含むこともできる。

【００４１】本発明の翻訳システムの具体例の動作とし
て、図１、図２および図３に示すように、プリパーサー
２４は、まずソース・テキスト２３に対して予備的な解
析作業（ステップ１０２）を行う。この作業には、ソー
ス・テキストの文末認定の曖昧性の解析が含まれ、辞書
の見出し語２５を含む構造解析チャートを作成する。そ
の後、パーサー２６は、構文の可能性２７が記載されて
いる構造解析チャートを入手するために、プリパーサー
が作成した（ステップ１０４）上記チャートの構造解析
を行う。グラフ作成装置２８は、構造解析ステップで得
られた構造解析チャートに基づいて、可能な解釈２９の
グラフを作成する（ステップ１０６）。一連のエキスパ
ート４３にアクセスする評価子３０は、記憶された解釈
のグラフを評価し（ステップ１０８）、グラフ３１にエ
キスパートの重みを追加する。グラフ・スコアラ３３
は、ノードのスコアをつけ、Ｎ個の（例えば、２０個
の）最も高いスコア３５をそれぞれに関連づける。文法
構造抽出装置３２は、この好適な解釈に構造解析ツリー
構造３９を割り当てる（ステップ１１０）。その後、変
換テーブル５８にアクセスする構造変換装置３４は、目
的言語になった翻訳４１を入手するために、上記ツリー
上で構造変換処理（ステップ１１２）を行う。ユーザ
は、他の翻訳を入手するために他の構造解析システム３
７とやりとりすることができる。

【００４２】図４を参照すると、本発明のシステムは、
入力単語列を個々の句読点および語を形成する文字グル
ープを含むトークン（ステップ１１４）に分割すること
によって、予備構造解析を行う。スペースの出現は、こ
のレベルでの文字の解釈に影響を与える。例えば、「ｘ
−ｙ」の「−」はダッシュであるが、「ｘ-ｙ」の「-」
はハイフンである。

【００４３】その後、プリパーサーは上記のトークンを
語句に組み合わせる（ステップ１１６）。このレベル
で、プリパーサーは、特殊な構造（例えば、インターネ
ット・アドレス、電話番号および社会保険番号のよう
な）を一つの単位として認識する。プリパーサーは、ま
たグループを区切るために辞書参照を行う。例えば、
「re-enact」が辞書に「reenact」として載っている場合
は、一語となるが、載っていない場合は、別々の三つの語
となる。

【００４４】次の予備構造解析段階では、文が何処で終
わるかの文末認定が行われる（ステップ１１８）。この
処理中、プリパーサーは、各文の可能な文末箇所（すな
わち、ソ−ステキストの各単語の後）を認定するための
一連のステップを行う際に、基本辞書、技術用語辞書お
よび搭載されているユーザ作成の辞書にアクセスする。
プリパーサーは、特定の順序が指定された場合には、こ
のステップを行う必要はなく、これらステップは一連の
順序を持つ規則として実行することもできるし、ハード
ウエアに組み込んでコード化することもできる。

【００４５】図5を参照すると、プリパーサーは、ダッ
シュ記号の連続「-----」のような解析できない記号の
シーケンスがあるとき、ひとつひとつは翻訳せず、全体
として一つの「文」として解釈し記録する（ステップ１
２０）。プリパーサーは、文の末尾として、二つのキャ
リッジ・リターンを要求する（ステップ１２２）。次の
語句の最初の文字が小文字である場合には、プリパーサ
ーは一つの文の終わりと見なさない（ステップ１２
４）。文がニューラインで始まりしかも短い場合（例え
ば、タイトル）には、プリパーサーは、それを一つの文
と見なす。

【００４６】プリパーサーは、閉じ括弧および閉じ引用
符を含んでいるような場合を除いて、終止符（．）、疑
問符（？）、または感嘆符（！）を文の終わりと見なす
（ステップ１２８）。「．”」や「？”」等で終わって
いる文の場合には、プリパーサーは、引用符の前の句読
点のほかに、引用符の後に仮想の句読点を加えて使用す
る。「？”」に対して仮想で追加する句読点に対する方
法を、以下の例に示す。

【００４７】The question was "What do you want?". Did he ask the question "What do you want?"? Are you concerned about "the other peop1e"? 英語の場合、上記各文は「?"」で終わっている可能性が
高い。プリパーサーが追加した仮想の句読点があるとい
うことは、引用符の前に疑問符のような何かが存在する
のか、または全然何もないかを示している。引用符の後
ろには、終止符または疑問符のような何かが存在してい
る。この文の残りの文法的構造によって、このあとの処
理段階で最も適切な選択を行うことができる。

【００４８】プリパーサーは、また終止符の解析で、さ
らにいくつかの方法を使用する（ステップ１３０、１３
２、１３４、１３６および１３８）。辞書に含まれる短
縮形には、文頭には決して使用できないというマークが
付いているものや、文末には決して使用できないという
マークが付いているものがある（ステップ１３０）。こ
れらの規則は常に尊重される。例えば、「Ltd.」は文頭
には使用されないし、「Mr.」は文の終わりには使用さ
れない。プリパーサーは、また次の語句が「the」、「i
n」のような頻出する単語でないかぎり（ステップ１３
２）、一字の大文字に終止符があるとき、文が終わりで
あるとは考えない。終止符の前の単語が、いずれかの辞
書に載っている場合には、終止符のところで文は終わる
（ステップ１３４）。終止符の前の語句が辞書に載って
おらず、その語句がその内部に終止符を持っていて（例
えば、Ｉ.Ｂ.Ｍ.）、次の語句が小文字としては辞書に
載っていないか、または次の語句そのものが大文字であ
る場合には、文はその終止符のところで終わっていない
と見なす（ステップ１３６）。それ以外の場合には、終
止符は文の終わりを示す（ステップ１３８）。

【００４９】再び図２および図３を参照すると、文の切
れ目がプリパーサーにより指定されると、パーサーはそ
の文の語句を構文分類に入れ、その文の可能な構文の解
釈２５を計算するために、それらの語句に文法データベ
ースの文法規則を適用する（ステップ１０４）。文法規
則４８を、その言語の文法的な制限を表すコンピュータ
処理ができる一連の規則として実行することができる、
英語の場合、このような規則は何百とあり、これら規則
は何百という構文分類に適用され得る。この作業の計算
に要する余分な時間を減らすために、一つの語句の異な
る可能な意味は無視して処理される。

【００５０】次のステップ（ステップ１０６）におい
て、グラフ作成装置は、語句の異なる意味を取り込み、
その文のすべての意味解釈を表す方向を持ったリング状
でないグラフを作成するために、辞書を使用しパーサー
の結果を拡張する。このグラフは、後で説明する一連の
意味伝達の手順の助けを借りて作成される。これらの手
順は、一連の作成された文法規則に基づいて行われ、あ
る場合には、意味情報を求めて意味特性ツリーにアクセ
スする。意味特性ツリーは、意味分類を含むツリー構造
である。このツリーは、おおざっぱに抽象物から具体物
へと組織されており、ツリーの中でどのくらい離れてい
るのか、ツリーのなかでのそれぞれのレベルは何かの両
方から、二つの用語が意味の上でどのように関連してい
るかを決定することができる。例えば、「cat」と「do
g」は、「cat」と「pudding」より関連性が高い、した
がって、「cat」と「dog」の二つは、「animal」のツリ
ーの中での距離は短く、「animal」、「cat」はツリー
の異なるレベルに記憶されている例である。何故なら
「animal」は「cat」に比べてより抽象的な言葉である
からである。

【００５１】図９を参照すると、この図のグラフは、ノ
ード８０を含み、そのサブノード８２、８４，８６は種
々のタイプの関連を示す方法でポインタ８８，８９，９
０，９１でリンクしている。グラフの第一の関連のタイ
プは、句を表すノードが、それを構成している語句のノ
ードやサブフレーズのノードを指すポインタを持ってい
るものである。例えば、「the bank」を表すノード８４
は、ポインタ９２，９３により、それを構成している語
句「the」９４および「bank」９５にリンクしている。
グラフの第二の関連のタイプは、句の解釈が、より低い
レベルのものから、同じより高いレベルの成分を作るも
う一つの方法を指すポインタを持っている場合である。
例えば、句「by the bank」を表すノード８０は、それ
ぞれを構成する各語句にリンクしているポインタ８８と
８９、および９０と９１を含む二つのソース解釈位置８
１，８３を持つことができる。この例の場合、異なる個
々の構成語は、それぞれが句「the bank」に対して異な
る意味を表す異なるサブノード８４，８６を含む。グラ
フの構造は、解析作業の結果により規定され、ソース文
の構文により制限を受ける。このグラフのノードは、意
味伝達のプロセス中に記入される意味情報に対する記憶
位置と関連づけられる。

【００５２】システムの意味を伝達する部分は、それら
を含むより小さな成分からより大きな成分へと意味情報
を伝達する働きをする。意味情報は、初めの段階の解析
作業で使用される構文分類の四つのクラスに適用され
る。四つのクラスは、ＳＥＭＮＰ（名詞型の目的語や前
置詞句を含む）、ＳＥＭＶＰ（通常主語を取る、目的語
のような動詞句）、ＳＥＭＡＤＪ（形容詞）、およびＶ
ＥＲＢ（多くの場合目的語を取る辞書の動詞型の動詞）
である。その他の構文分類はある規則では無視される。
文法規則の設定者は、規則に特定のマークを付けること
によって、表面上に出ない行動を上書きすることができ
る。これらの特別命令は最初にくる。

【００５３】システム内を意味特性が伝達する方法は二
つの面を持つ。第一の面は、文法規則の名詞型および動
詞型の構成部分を検査することによって、名詞型の目的
語に、動詞型の構成要素のどの選択的な制限スロットを
適用するかを知ることができる規則の集合である。例え
ば、「I persuaded him to go.」という文の動詞句に対
する規則は、おおまかにいうと、ＶＰ＝ＶＴ１１＋ＮＰ
＋ＶＰ（ここで、ＶＰは動詞句、ＶＴ１１は他動詞の分
類、ＮＰは名詞句）である。例示としてのデフォルト規
則は、動詞が目的語を取る場合には、動詞の右側にある
最初のＮＰに、選択制限を適用しなければならないとい
うものである。別の規則では、その主語に対するＶＰの
制限は、ＶＰの左側の最初のＮＰに適用しなければなら
ないと定めている。これらの規則を合わせると、「pers
uade him」および「him go」の両方の意味がよく通るよ
うに評価するようにしている。すでに説明したように、
これらの規則は英語の複雑な規則を反映していて、その
ためにその数は非常に限定されている。

【００５４】図６を参照すると、意味伝達作業は選択制
限をＳＥＭＶＰから命令文にコピーする作業を含む（ス
テップ１４０）。ＳＥＭＮＰが位置の表現として使用さ
れている場合には、良い位置を指定する意味定数に対し
てその妥当性が評価される（ステップ１４２）。ある規
則が二つのＳＥＭＮＰの結合（構文上の特徴を論理積す
ることによって検出された）を含んでいる場合には、グ
ラフ作成装置は、意味特性を諭理積して、意味上の距離
エキスパートに適用する（ステップ１４４）。

【００５５】意味特性の伝達に対して指定された規則を
検査している中で、グラフ作成装置が、もっと高いレベ
ル（例えば、それがもっと多くの語句を含むＳＥＭＮＰ
の一部となる）へ伝達するＳＥＭＮＰの「頭」の位置を
見つけた場合には、グラフ作成装置は、意味特性をも伝
達する（ステップ１４６）。しかし、「頭」が、区分用
の語句（例えば、「Portion」、「Part」）である場合
には、「頭」はＳＥＭＮＰから左または右に伝達する。
ＳＥＭＶＰおよびＳＥＭＡＤＪも、区分用の位置を持っ
ていない（ステップ１４８）ことを除いて、同じ方法で
伝達される。形容詞はこの意味ではＳＥＭＶＰの一部で
ある。

【００５６】ＳＥＭＶＰがＶＥＲＢを含む規則から作ら
れた場合は、グラフ作成装置は、ＶＰが受動態である場
合を除いて、ＶＥＲＢの主語制限を上の方向に伝達させ
る。受動態の場合、ＶＥＲＢの最初の目的語制限が伝達
される（ステップ１５０）。ＳＥＭＶＰを含む規則の場
合には、グラフ作成装置は、ＳＥＭＶＰの選択制限をＳ
ＥＭＶＰから左に移動するときに遭遇するＮＰに適用し
ようとする（ステップ１５２）。ＳＥＭＡＤＪを含む規
則の場合には、グラフ作成装置は、ＳＥＭＡＤＪの選択
制限を、最初にＳＥＭＡＤＪから右に移動するときに遭
遇する任意のＳＥＭＮＰに適用しようとし、それがうま
くいかない場合には、左の方向に移動しようとする（ス
テップ１５４）。

【００５７】ＶＥＲＢの任意の残りの未使用の目的語選
択制限（受動態であるために上の方向にそれまで伝達し
ていない）に対して、グラフ作成装置は、ＶＥＲＢの右
側で遭遇するＳＥＭＮＰに、上記の制限を順番に適用す
る（ステップ１５６）。これらすべての規則で、動詞選
択制限は、それが何かに適用されるとすぐに使い尽くし
てしまう。これまでのすべての規則の場合、ＳＥＭＮＰ
は、それらＳＥＭＮＰに何かが適用された場合には、使
い果たされない。この規則からスタートすると、ＳＥＭ
ＮＰは使い尽くされる。最終的に、ある規則がＳＥＭＶ
Ｐを作った場合に、グラフ作成装置は、それまで使用さ
れていないＳＥＭＶＰまたはＳＥＭＡＤＪが含まれてい
るかどうかを決定し、含まれている場合には、それを上
の方向に向かって伝達する（ステップ１５８）。

【００５８】システムは、また言語の特性マッチングを
行う。言語特性は語句および他の構成要素の特性であ
る。構文の特性マッチングはパーサーが使用し、意味特
性マッチングは、グラフ作成装置が使用する。しかし、
同一の方式が両者に対して使用される。例えば、「the
y」は複数という構文特性を持ち、一方「h e」は単数と
いう構文特性を持つ。特性マッチングは、語句の特徴が
それらが適用される語句の特徴がある条件を満たした場
合にだけ適用されるように、文法規則にマーク付けを行
う。例えば、下記のような規則があるとする。

【００５９】Ｓ＝ＮＰ｛＠｝+ＶＰ｛＠｝ ここで、記号＠はＮＰおよびＶＰの数の特性が一致しな
ければならないことを意味する。したがって、この規則
は「they are」や「he is」は正しいとするが、「they
is」や「he are」は認めない。

【００６０】特性マッチ制限は、「局所的」と「広範
囲」とに分けられる。広範囲の動作は、実際に文が処理
されるときにではなく、文法が作成されるときに計算さ
れる。そして、実行しなければならない広範囲の動作の
シーケンスは、命令バイトとしてコード化される。

【００６１】「広範囲」特性動作の計算は、ｎ個の要素
からなる規則（すなわち、その右側に二つ以上の要素を
持っている）でスタートしなければならない。その後、
システムは、特性の集合が正しい形で規則間を伝達して
終わるように種々の二つの要素からなる規則にコードを
割り当てる。ｎ個の要素からなる規則を二つの要素から
なる規則に分割することによって、解析作業は非常に単
純化される。しかしシステムは、二つの要素からなる規
則にまたがって特性の集合を追跡しているので、システ
ムは「広範囲」処理のパワーを保持する。

【００６２】本発明のシステムでは、辞書は構成してい
る偶々の語句としての取り扱いも行うが、複数の語句で
構成する「熟語」も含んでいる。これら二つの形は、最
終的には最も適切な翻訳を行うために相互に競い合うこ
とになる。例えば、辞書では「b1ack sheep」の意味
は、「持て余し者」として登録されている。しかし、あ
る場合には、「b1ack sheep」という語句は、「黒い
羊」を意味することもある。これらの形は両方とも保持
されているので、この熟語としてではない翻訳も、正し
い翻訳として選択される。

【００６３】この熟語は、また別の分類にも属する。例
えば、システムは次の三つのタイプの分類を使用するこ
とができる。

【００６４】オールマイティ:United States of Americ
a 優先:long ago 普通:b1ack sheep オールマイティ熟語は、そのシーケンスを構成している
どの語句の可能な解釈よりも優先する。優先熟語は、そ
のシーケンスを構成している語句が同じ一般的な使われ
方をしているときは、いずれの可能な解釈よりも優先す
る。普通熟語は、同じレベルで他の見出し語と競合す
る。

【００６５】その結果得られるグラフは、エキスパート
（ステップ１０８、図３）によって評価され、上記エキ
スパートはグラフの解釈の正確さの可能性を表すスコア
を供給する。本発明のシステムは、文全体のみではな
く、文の任意の長さのすべての部分に適用される採点方
法を含む。グラフを使用するに当たっての重要な要素
は、それが非常に多くの文に使用されていたとしても、
サブツリーがたった一回だけ完全に採点され、分析され
るということである。例えば、「Near the bank there
is a bank.」という句においては、「Near the bank」
という句は、少なくとも二とおりの意味を持つが、この
句の最も適切な解釈はどれかという判断は一回しか行わ
れない。「there is a bank」という句も、同様に二と
おりの解釈をすることができるが、これら二とおりの解
釈のどれが最も適切であるかという判断は一回だけしか
行われない。したがって、この文は異なる四つの意味に
解釈できるが、サブ句のスコア付けは一回しか行われな
い。このグラフのもう一つの特徴は、各ノードが、文の
その部分の長さに関して容易にアクセスできる情報を持
っていることである。この特徴により、英文を再度分析
しなくても、その英文の任意のサブストリングのＮ個の
最も適切な解釈を行うことができる。

【００６６】一回の実行においては、その文の最も適切
なＮ個の分析が、その度ごとに得られるが（Ｎは２０程
度のある数）、グラフを使用することにより、システム
は、もっと小さな構成部分についてのユーザの選択の結
果を取り入れることができ、ユーザの選択を尊重したＮ
個の最も適切な分析を行う。これらすべての分析は、文
の解析を再度行わず、または任意のサブストリングの採
点を再度行わないで行われるので、迅速に行うことがで
きる。

【００６７】図８を参照すると、エキスパート評価子３
０の動作は、各翻訳を特徴づけ、種々のエキスパートに
より処理される、種々の要因に基づいて行われる。確率
規則エキスパート１７０は、最初のソース言語解析ツリ
ーを入手するのに使用される文法規則の平均相対頻度を
評価する。選択制限エキスパート１７８は、得られた翻
訳の意味上の一致の度合を評価する。辞書見出し語確率
エキスパート１７２は、最初のソース言語解析ツリーを
入手するめに使用された文のいくつかの語句の特定の
「品詞」の平均相対頻度を評価する。統計エキスパート
は、ある翻訳のために選択した特定のパラフレーズの平
均相対頻度を評価する。

【００６８】システムは、個別の英語の単語、句、およ
び単語グループに対する英語の「品詞」（ＰＯＳ）を自
動的に決定する。システムは、文を翻訳するとき、品詞
を自動的に決定し通常は正しい決定を行う。しかし、と
きには、翻訳する文それ白身が曖昧であることもある。
異なる品詞として解釈することができる語句が含まれて
いるときは、複数の異なるしかもどれも「正しい」解釈
が得られることになる。システムのオペレータは、シス
テムが自動的に決定する品詞を無視し、代わりに単語や
語句または単語グループに対して手動で任意の品詞を設
定することもできる。例えば、「John saw a boy with
a telescope.」という英文で、システムのオペレータ
は、「a boy with a telescope」を名詞句と見なすと、
その文を「その少年は望遠鏡を持っていた」という意味
に解釈し、「ジョンはその少年を見るために望遠鏡を使
用した」という意味には解釈しないことになる。オペレ
ータは、複数の可能な品詞設定を行ったり、より制限の
ゆるやかな品詞設定を手動で行うことにより、システム
が決定する品詞規則を上書きした場合、翻訳結果が悪化
したり、少なくとも改善されないという状況が起こるこ
とがあります。名詞句は名詞よりも制限がゆるやかであ
り、グループはもっとも制限が緩やかな品詞設定であ
る。下の表に種々の可能な品詞設定を示す。

【００６９】品詞（ＰＯＳ） 名詞 名詞句 動詞（他動詞または自動詞） 動詞句 形容詞 形容詞句 副詞 副詞句 前置詞 前置詞句 接続詞 グループ 英語 「形容詞句」や「副詞句」の品詞設定は、ある英文が、
システムが特定の前置詞句をどのように解釈するかによ
って意味が異なるような場合に有効である。例えば、
「We need a book on the fourth of July」という文
は、「on the fourth of July」が形容詞としての意味
を持つと解釈した場合には、「我々は米国の７月４日の
独文記念日に関する本がほしい。」という意味になる
が、「on the fourth of July」を副詞句と解釈した場
合には、「７月４日に、我々は本がほしい。」という意
味になる。システムが自動的に「on the fourth of Jul
y」に正しくない品詞を割り当てたとオペレータが考え
た場合には、オペレータは、「Weneed a book on the f
ourth of July」という文の「on the fourth of July」
に別の品詞を手動で設定することができる。オペレータ
が、システムに特定の単語、句または単語グループを英
語から日本語に翻訳させたくないときは、このような単
語、句または単語グループに『英語』という品詞を設定
することができる。オペレータは、設定がシステムによ
り自動的に行われた場合でも、オペレータにより手動で
行われた場合でも、一つまたは複数の品詞設定を除去す
ることができる。

【００７０】システムは、ユーザごとに複数のレベルで
訳語の使われ方の統計情報を追跡する。例えば、システ
ムは、語句の表面形式のレベル（「leaving」が他動詞
として、または自動詞として使用された頻度）で統計値
を保持し、また意味レベル（「あとに残る」という意味
か、または「〜から出発した」という意味か）でも保持
し、後者のタイプは「leave」、「leaves」、「lef
t」、「leaving」の異なる変化形ごとに出現回数が積み
上げられる。システムは、また最後のいくつかの文で使
用された使用統計値とユーザの任意の時間での使用統計
値とは区別して保持することができる。さらに、システ
ムは、ユーザが語句の特定の意味を使用するように介入
して指示したケースと、システムがユーザの介入を受け
ずに語句の特定の意味を使用したケースとを区別するこ
とができる。

【００７１】構造調整エキスパート１８２は、ある文の
構成部分の長さに関連する特徴で、英語や多くの他のヨ
ーロッパ言語に共通する特徴に基づいている。いくつか
の（全てではないが）構造で、これらの言語では、軽い
（短い）要素の左側に重い（長い）要素がくるような文
は歓迎されない。例えば、 Mary hit Bill with a broom。（左が軽く、右が重い）
（適合） Mary hit with a broom Bill。（左が重く、右が軽い）
（不適合） Mary hit with a broom a dog that tried to bite he
r.（左が重く、右がもっと重い）（適合） ある文の二つの解析があるとき、一方がそのようなシー
ケンスを避けようとする構造を含む「左が重く、右が軽
い」シーケンスを含み、他の解析がそうでない場合に
は、前者はその文の意図する解釈を表していないと見な
される。このエキスパートは、意図する解析と意図しな
い解析を区別するための有効な方法である。

【００７２】「A of B and C」というパターンの同格構
造においては、意図する解釈が「Aof {B and C}」であ
るのか、または「A {of B} and C」であるのかを判断す
るのが難しい場合がある。同格構造エキスパート１８０
は、どの同格モードが意味のより近い二つの要素を結合
することになるかを決定するために、BC間の意味上の距
離、およびAC間の意味上の距離を測定する。このエキス
パートは処理中に意味特性ツリーにアクセスする。この
エキスパートは、ある文の意図する解析と意図しない解
析を区別するための効果的な方法でもある。

【００７３】英語の多くの語は、普通名詞としての解釈
と固有名詞としての解釈とに潜在的な曖昧さを含んでい
る。大文字エキスパート１７６は、大文字表記が意味を
持っているかどうかを決定するために、文中での大文字
の位置を使用する。例えば、下記の文は、 Brown is my first choice. My first choice is Brown. 第一の文は本来的に意味が曖昧であるが、第二の文は、
「Brown」は色の名称ではなく、人名である可能性がは
るかに高い点で異なる。このエキスパートは、大文字で
始まる語句が文頭にあるのか、または文頭でない場所に
あるのか（上の例）、大文字で表示されている語句が辞
書に含まれるのかどうか、小文字で始まる語句が辞書に
登録されているのかどうか、などの要因を考慮に入れ
る。このエキスパートは、文中の大文字で書かれた語句
を正しく解釈するのに有効な方法である。

【００７４】文中に最初が大文字の語句の連続を含んで
いるとき、その連続は固有名詞または普通名詞として処
理される。本発明のシステムは、大文字表記シーケンス
手順を使用しており、前者の解釈を優先する。上記シー
ケンスが、それ自身通常の文法規則により解析できない
ときは、そのシーケンスは解析していないひとまとまり
の名詞句として翻訳しないで処理される。この手順は、
出現レベルの低い普通名詞の解釈を完全には無視しない
で、複合の固有名詞を処理する非常に有効な手段である
ことが証明されている。

【００７５】図７を参照すると、本発明の機械翻訳シス
テムは、簡単な文法規則に基づく構造変換方法の効率を
持っているが、テンプレート間構造変換方法の能力にも
近い文法規則制御構造変換機構１６２を使用する。この
方法は、平らでない複合構造を指定することができる文
法規則１６０を使用する。他の翻訳システムで使用され
ている規則のフォーマットを以下に示す。

【００７６】 本発明のシステムは以下の文法規則のフォーマットを使
用する。

【００７７】

【数１】 この構文で、「＃」が前に付いている記号は、文の構造
解析の目的では見えない記号であるが、いったん解析が
入手できればサブ構造を構築するのに使用される仮想の
記号である。

【００７８】このタイプの文法が与えられたとき、サブ
構造のこども関係にあるノードの任意のシーケンスの間
で、複数の構造変換を指定することができるようにな
る。これにより、文法規則に基く構造変換機構はテンプ
レート間構造変換機構のいくつかの能力を持つ機構に変
換される。本発明のシステムは、上記の二番目のタイプ
の文法規則に基づいているけれども、一番目の形式で対
応する文法規則を自動的に作成する。したがって、文を
解析するのに、第一の形式の文法規則を使用し、文法解
析構造を形成するために第二の形式の文法規則を使用す
ることができる。

【００７９】構造変換は、また文法規則制御構造変換作
業による操作をうけた後で、解析ツリー上で動作するた
めに、辞書１６１にアクセスする辞書制御構造変換作業
１６６を含む。その後、生成規則構造変換作業が、目的
言語テキスト４１を供給するために、結果として得られ
た解析ツリーに、生成規則を適用する。

【００８０】再び、図１および図２を参照すると、シス
テムが上記プロセスにより、最も望ましいとした翻訳を
作った後、その翻訳がディスプレイ２０を通してユーザ
に提供される。その後、ユーザは、その翻訳を採用する
か、ユーザ入力装置２２を通して別の解析システム３７
を操作することにより手直しができる。手直し作業中、
ユーザは、正確に翻訳された翻訳結果の部分はそのまま
に保持しながら、その他の部分の再翻訳を要求すること
ができる。この作業は、迅速に行える。というのは、シ
ステムはエキスパートの重み３１を含むグラフを保持し
ているからである。

【００８１】今まで図１〜図９を参照しながら、自動自
然言語翻訳システムをある程度詳細に説明してきた。以
後は、本発明の種々の改良点について、図１０、図１１
および図１２を参照しながら説明する。

【００８２】図１０を参照すると、自動自然言語翻訳シ
ステムの翻訳エンジン１６は、ソース・テキスト２３を
受信し、それを目的自然言語テキスト４１に自動的に翻
訳する。この翻訳は、本発明の他の観点による「自動領
域識別子」機能により影響をうける。この機能により、
翻訳エンジン１６は、翻訳を行う際に、領域キーワード
２００の一つまたは複数のリスト（図示したのはＮ個）
および辞書２０２にアクセスする。辞書２０２は、見出
し語が使用される領域により、異なる翻訳を受けとる見
出し語を含む。辞書２０２の各見出し語は、ソース自然
言語で書かれた一つまたは複数の語句であってもよい。
一般的に言って、別々の各領域は領域キーワードのリス
トを持ち、図１０にはＮ個の領域を示されている。キー
ワードのリストの各見出し語としては、ソース自然言語
で書かれた一つまたは複数の語句も使用することができ
る。キーワード２００のリストは、図に示すように、辞
書２０２から分離することができるし、または矢印２０
４で示すように、上記辞書に内蔵させることもできる。

【００８３】一つの領域は、ある分野の用法または特定
の人々に属する用語や用法のパターンのセットを含むこ
とができる。例えば、一つの領域としては、ビジネス通
信、マーケティング文書、コンピュータ関連文書、物理
学などの技術分野の文書を含むことができる。

【００８４】辞書２０２は、ある領域関連で使用された
とき、その語句が他の領域で使用されたとき、どの特定
の領域でも使用されなかったときにはそれぞれ異なる目
的自然言語（例えば、日本語）の訳語を持つ語句が含ま
れる。キーワード２００は、各領域に関連して、ソース
自然言語２３で書かれた特定の文（または、入力文書）
が可能な領域の一つに属するかどうかを判断するのに使
われる領域指定の語句または用語である。領域キーワー
ド２００の各リストにおいては、各キーワードは、それ
に関連し、特定の領域に対するキーワードとしての強さ
を示す数値を持つ。例えば、「コンピュータ」領域リス
トには、１００%の値を持つ「open-architecture compu
ter」というキーワードを含んでいて、この1００%とい
う値はこのキーワードを含む文が、必ず「コンピュー
タ」領域の文であることを意味し、「コンピュータ」領
域内のキーワード「computer」は、２５%の値を持って
おり、この２５%という値は、このキーワードを持っ文
が「コンピュータ」領域内に存在する可能性がもっと低
いことを意味する。

【００８５】「自動領域識別子」機能で、翻訳エンジン
１６は、好適には、その文または文書が特定の領域に属
することを確定できるように、文、文書または文書の一
部のキーワードの強さの値の合計（あるいは、十分なキ
ーワードが存在するかどうか）を決定する。キーワード
がある領域に存在する場合に、辞書２０２においては領
域指定語句としてリストされ、しかも翻訳しようとする
文や文書に含まれる語句の確率が引き上げられて、文ま
たは文書の翻訳が行われる。翻訳エンジン１６が行う上
記の決定は、ソース自然言語とキーワードだけに基づ
く。

【００８６】翻訳エンジン１６は、例えば、下記の二つ
のどちらかの方法で、入力テキスト情報２３の少なくと
もその一部が属する少なくとも一つの領域を決定する。
第一の方法は、入力テキスト情報２３の各文に一度に一
つずつアドレスし、各領域のキーワードの出現数をカウ
ントすることである。所定の個数と同等以上の数のキー
ワードを持つ各領域に対しては、翻訳エンジン１６は、
その領域に特有の訳語を使用して、目的自然言語４１に
翻訳される文に含まれるいくつかの語句の確率を高くす
る。所定の上記の数は、入力テキスト情報２３のすべて
の文に同一の値を固定することもできるし、また文ごと
に、文の長さ（語句の数）によって変化させることもで
きる。上記の所定の数は、システム１０によって設定す
ることもできるし、システム１０のユーザが設定するこ
ともできる。第二の方法は、最初のＮ単語というよう
に、入力テキスト情報２３の所定の単語数に出現する各
領域のキーワード出現数をカウントする方法である。所
定の数以上の個数のキーワードを持つ各領域に対して
は、翻訳エンジン１６は、その領域に特有の訳語を使用
して、目的自然言語４１に翻訳される文に含まれるいく
つかの語句の確率を高くする。同様に、所定の数は、シ
ステム１０によって設定することもできるし、システム
１０のユーザが設定することもできる。

【００８７】本発明の好適な具体例では、翻訳エンジン
１６は、前段落で説明したように、キーワードをカウン
トすることによってではなく、各領域に対する強さの値
の合計を得るために、それぞれのキーワードに関連する
強さの値を使用することによって、入力テキスト情報２
３の少なくともその一部が属する少なくとも一つの領域
を決定する。この好適な具体例の場合には、翻訳エンジ
ン１６は、そうでない場合には、前の段落で説明したよ
うに動作する。すなわち、第一の好適な方法では、入力
テキスト情報２３の各文は、一度に一つずつアドレスさ
れ、キーワードの強さの合計が所定の数値以上の大きさ
をもつ各領域に対しては、翻訳エンジン１６は、その領
域に特有の訳語を使用して、目的自然言語４１に翻訳さ
れる文に含まれるいくつかの語句の確率を高くする。所
定の上記の数は、入力テキスト情報２３のすべての文に
同一の値を固定することもできるし、また文ごとに、文
の長さ（語句の数）によって変化させることもできる。
上記所定の数は、システム１０によって設定することも
できるし、システム１０のユーザが指定することもでき
る。第二の好適な方法においては、各領域のキーワード
の強さの値の合計は、ソーステキスト２３の最初のＮ単
語のように、入力テキスト情報２３の所定の単語数に出
現するキーワードによって決定される。キーワードの強
さの合計が所定の値以上の値を持つ各領域に対しては、
翻訳エンジン１６は、その領域に特有の訳語を使用し
て、目的自然言語４１に翻訳される文に含まれるいくつ
かの語句の確率を高くする。すでに説明したように、所
定の数は、システム１０によって設定することもできる
し、システム１０のユーザが設定することもできる。

【００８８】「自動領域識別子」機能の一例として、
「markup language」および「help desk」が「コンピュ
ータ」領域の領域キーワードのリストに含まれていて、
「endusers」は、「end users」が「コンピュータ」領
域で使用されるかどうかによって二つの別の訳語を持つ
とする。次の文がソーステキスト２３の一部であると
き、 Markup language should be easily used by end users
without being supported by help desk. 「自動領域識別子」機能に従って、翻訳エンジン１６
は、「コンピュータ」領域の二つのキーワード、「mark
up language」および「help desk」を発見する。「コン
ピュータ」領域のこれら二つのキーワードを見つけるこ
とにより、翻訳エンジン１６は、しきい値を基に、その
文が「コンピュータ」領域の文であることを決定するこ
とができる。その文が「コンピュータ」領域に属するも
のであると決定されると、翻訳エンジン１６は、そのあ
と、ユーザに提供される目的自然言語テキスト４１に翻
訳する「コンピュータ」領域に特有の「end users」の
訳語が使われる機会を増大するように、「コンピュー
タ」領域に特有の「end users」の訳語の確率を引き上
げる。文ごとにこの機能が働くモードのほかに、「自動
領域識別子」機能は、入力テキスト全体に働くこともで
きる。例えば、翻訳エンジン１６は、特定の領域に対応
するキーワードの定められた個数が、ソーステキスト２
３の最初のｎ単語（ｎはある整数）内に存在すれば、ソ
ーステキスト２３全体が「コンピュータ」領域に属する
かどうかを決定することができる。この全テキストモー
ドの場合には、辞書２０２に含まれる領域特有の訳語を
持つソーステキスト２３のすべての語句は、その領域特
有の訳語を使用して翻訳される。

【００８９】図１１を参照すると、自動自然言語翻訳シ
ステム１０の翻訳エンジン１６は、ソーステキスト２３
を受信し、それを自動的に目的自然言語テキスト４１に
翻訳するが、この翻訳は本発明の他の特色による文法規
則２０６の種々の規則に適用されるいくつかの設定やマ
ーク付けにより影響を受ける。これらの設定は、「オー
ルマイティ」や「品詞優先」である。システム１０の翻
訳エンジン１６は、「オールマイティ」または「品詞優
先」とマーク付けすることができる文法規則２０６を使
用して、ソース自然言語２３の文を解析するパーサー２
６を持つ。パーサー２６は、オールマイティ規則が適用
されるソース自然言語２３のどの部分に対しても、すべ
ての他の規則の適用を阻止する規則として、「オールマ
イティ」とマーク付けが行われている文法規則を使用す
る。パーサー２６は、特定の品詞と同じ品詞に関連する
他の規則だけを阻止する規則として、「品詞優先」とマ
ーク付けが行われている文法規則を使用する。マークが
付けられていない文法規則は、他の規則に対して優先権
を持たない。文法規則に「オールマイティ」または「品
詞優先」のマークを付けることは、そうでない場合に
は、システムの翻訳エンジン１６によって作られるツリ
ー構造から、不要な解析枝を削りとる非常に有効な方法
である。文法規則へのこのマーク付けは、また翻訳エン
ジン１６か、上記マーク付けをしない場合には作らなけ
ればならない大きなツリー構造を作る必要がなくなり、
また上記マーク付けをしない場合には大きくなるツリー
構造を記憶する必要がなくなるので、時間の点でも記憶
容量の点でも、さらに解析を効率的に行うことができ
る。

【００９０】この文法規則のマーク付け機能の例とし
て、文法規則が次の三つの規則を含むとする。

【００９１】（１）名詞＝数＋ハイフン（−）＋序数の
百（例えば、three-hundredth） （２）名詞＝名詞＋ハイフン（−）＋名詞（例えば、sc
hool-building） （３）名詞句＝数＋名詞（例えば、one book） また、システム１０は次の三つの見出し語を含む辞書を
使用するとする。

【００９２】 これらの文法規則と辞書の見出し語があるとき、ソース
テキストに含まれる単語列「one eighteen-hundredth」
は以下の二つの方法により解析できる。

【００９３】

【数２】 文法規則（１）に「オールマイティ」というマーク付け
がされていると、「one eighteen-hundredth」という単
語列の他のすべての解析（上記の第二の解析のように）
は除外されてしまうので、これら二つの解析では一番目
が使用される。他のすべての規則を支配するオールマイ
ティ規則（１）が使用される。文法規則（１）が「品詞
優先」のマーク付けをされているときは、同様に二番目
よりも一番目の解析が選択されるが、この場合は、規則
（１）と規則（２）が同じ品詞をアドレスしており、制
御（すなわち、品詞優先）マークが付加された規則
（１）により、文法規則（１）が単語列の解析に使用さ
れる。次の例が示しているように、「オールマイティ」
と「品詞優先」は別のものであり、「オールマイティ」
マークが付けられている規則で翻訳したときは、「品詞
優先」マークが付けられている場合と、必ずしも同じ結
果を生じない。

【００９４】次の四つの文法規則で、第三の規則には、
「品詞優先」のマークが付けられているとする。

【００９５】（１）名詞＝名詞＋名詞 （２）名詞句＝名詞 （３）名詞句＝数＋名詞｛品詞優先｝ （例えば、in F
OUR DAYS） （４）副詞句＝数+副詞的名詞 （例えば、I work FOUR
DAYS a week） また、システム１０は、次の見出し語を含む辞書を使用
する。

【００９６】 このような文法規則と辞書の見出し語があるとき、ソー
ステキストに含まれる単語列「I work four days」は、
下記の三つの方法と句レベルで解析できる。

【００９７】

【数３】 「品詞優先」とマークされている文法規則（３）の場合
には、文法規則（３）は同じ単語列（「four days」）
を、同じ品詞である名詞句として解析するような他のす
べての文法規則の適用を排除し、文法規則（２）は「fo
u days」を名詞句として解析しているから、上記三つの
解析の一番目が第二の解析よりも優先して使用される。
しかし、品詞として名詞句とは別の副詞句を持っている
から上記の第三の解析が排除されるというわけではな
い。このように、文法規則（３）を「オールマイティ」
とマークすると、ほかのどの文法規則（３）も適用され
ないようになるが、文法規則（３）を「品詞優先」とマ
ークすると、文法規則（３）と同じ品詞をアドレスする
他の規則だけが除外される。

【００９８】図１２を参照すると、自動自然言語翻訳シ
ステム１０の翻訳エンジン１６は、ソーステキスト２３
を受信し、それを自動的に目的自然言語テキスト４１に
翻訳するが、この翻訳は本発明の他の特色による辞書の
見出し語と関連づけられた確率値により影響を受ける。
この確率値特性に従って、翻訳エンジン１６のパーサー
２６は、最終のツリー構造の構成要素になる確率が非常
に低いか、絶対的に構成要素にはならないとマークされ
ている見出し語を含む辞書２０８を使用する。辞書２０
８は、複合語の見出し語を含み、それら見出し語の少な
くとも一つには、非常に低い確率の値がマークされてい
て、ソース自然言語２３のどの文の正しい解析ツリーに
おいても指定の品詞として機能する確率がほとんどない
ことを示す。マークが付いている見出し語が、ある入力
文の解析ツリー構造に含まれている場合には、そのマー
クが付いている見出し語に関連する確率の値が低いため
に、その解析ツリーがその文に対して正しいものである
確率は非常に低くなる。確率の値をこのように使用する
ことによって、システム１０の翻訳エンジン１６によっ
て作られたツリー構造の除去効果をもつことができる。

【００９９】確率の値の使用例として、次の複合語の見
出し語を含む辞書があるとする。

【０１００】 見出し語 品詞 文法規則 確率 in today 前置詞句 品詞優先 Ｐ（ｎ） この場合、Ｐ（ｎ）は、与えられたソーステキスト文で
見出し語「in today」が実際に前置詞句であるという想
定した確率値を奏す。Ｐ（ｎ）は、その辞書の通常の複
合語の見出し語と比較すると無限に小さな数値に設定し
てあるとする。入力文は次の文である。

【０１０１】He didn't come in today. この文は構文的に曖昧で、次の二つの文のように解釈で
きる He didn't {come in} today. と He didn't come {in today}. （in today）は、一致する辞書の見出し語の関連する確
率が非常に無限に小さい値、Ｐ（ｎ）を持っているか
ら、この文が第二の文として解析される確率は非常に少
なくなる。「in today」には品詞優先のマークが付いて
いるので、通常の確率の値を与えることができる前置詞
句として解析する以外の解析がない。このように、この
文の不適切な解析は低く評価される。「in today」に対
するＰ（ｎ）がゼロに設定されている場合には、パーサ
ーは、上記文の解析を行うのに「intoday−前置詞句」
を全く使用しない。しかし、この特定の例でいえば、次
のような文で使われることがあるので、Ｐ（ｎ）をゼロ
に設定するのは望ましくない。

【０１０２】I am interested in today, and not in t
omorrow. この場合、「in today」を前置詞句として解析するのが
妥当である。ゼロの代わりに低いＰ（ｎ）値を使用すれ
ば、好ましくない文法構造解析である。

【０１０３】He didn't come {in day}. を除外することができ、一方で、 I am interested in today, and not in tommorow. を、「in today」を前置詞句として解析するように、正
しく解析することができる。

【０１０４】上記のすべての機能と処理は、汎用コンピ
ュータに組み込まれた種々のハード配線論理設計および
／またはプログラミング技術により実装することができ
る。フローチャートに示したステップは、通常、順序ど
おりに適用する必要はなく、いくつかのステップを組み
合わせることができる。また、このシステムの機能は、
種々の形でプログラムとデータに振り分けることができ
る。さらに、文法や他の操作規則を、コンパイルしたフ
ォーマットでユーザに提供する一方で、一つまたは複数
のハイレベル言語で開発しておけば有利である。

【０１０５】本明細書に開示したすべての機能を含め
て、上記の自動自然言語翻訳システムの具体例のいずれ
も、汎用コンピュータ（例えば、アップル・マッキント
ッシュ、ＩＢＭ ＰＣと互換機、ＳＵＮワークステーシ
ョン等）で実行できるディスクや光学的コンパクト・デ
ィスク（ＣＤ）のようなコンピュータが読み取れる媒体
のコンピュータ・ソフトウェアとして提供することがで
きる。

【０１０６】通常の当業者であれば、請求の範囲に記載
した本発明の精神および範囲から逸脱することなく、本
明細書に記載した発明を様々に変更したり、修正したり
別に実装することができるだろう。従って、本発明は上
記の例示としての説明によってではなく、下記の請求の
精神と範囲によって定義される。

【図面の簡単な説明】

各図中、同じ参照番号は、一般的に、別の図面であって
も同じ部品を示す。また図面は必ずしも同一の縮尺では
なく、一般的に本発明の原理を説明することに重点を置
いている。

【図１】本発明の自然言語の自動翻訳を行うシステムの
ブロック図

【図２】図１のシステムの全体的な機能を示すデータの
フローチャート

【図３】図１のシステムの動作を示すフローチャート

【図４】図１のシステムのプリパーサーの文末認定機能
の動作を示すフローチャート

【図５】図１のシステムのパーサーの動作を示すフロー
チャート

【図６】図１のシステムの意味伝達の動作を示すフロー
チャート

【図７】図１のシステムの構造変換の動作を示すフロー
チャート

【図８】図１のシステムのエキスパート評価子のフロー
チャート

【図９】例示としての句「by the bank」に対して、図
１のシステムが使用するサンプル・グラフを示す図

【図１０】自動自然言語翻訳システムが実行する、本発
明の一つの局面による「自動領域識別子」機能の図

【図１１】自動自然言語翻訳システムが実行する、本発
明の別の局面によるひとつの特徴であり、ソーステキス
トを目的自然言語に翻訳するのにどの文法規則を適用す
るかに影響を与える特性の図

【図１２】自動自然言語翻訳システムが実行する、本発
明のさらに別の局面のよるひとつの特徴であり、不適切
な翻訳を除去するために辞書の見出し語に付けられた確
率の値を含む機能の図

Claims (2)

【特許請求の範囲】
1. 【請求項１】 複数の文法規則が記憶された記憶装置
   と、 前記複数の文法規則を用いて、ソース自然言語で書かれ
   た入力テキスト情報を目的自然言語で書かれた出力テキ
   スト情報に翻訳する翻訳エンジンとを備え、 前記複数の文法規則のうちの少なくとも１つは、文法制
   御規則として指定されており、 前記翻訳エンジンは、 前記複数の文法規則のうち、前記入力テキスト情報の少
   なくとも一部に適用され得る少なくとも１つの文法規則
   を決定する決定手段と、 前記決定された少なくとも１つの文法規則のうちの１つ
   が前記文法制御規則として指定されている場合には、前
   記入力テキスト情報の少なくとも一部に前記文法制御規
   則を適用するとともに、前記決定された少なくとも１つ
   の文法規則のうち前記文法制御規則以外の文法規則を無
   視するように、前記入力テキスト情報の翻訳を制御する
   制御手段とを含む、自動自然言語翻訳システム。
2. 【請求項２】 前記複数の文法規則のそれぞれは、少な
   くとも１つの品詞のうちの１つに関連しており、 前記複数の文法規則のうちの少なくとも１つは、前記少
   なくとも１つの品詞のうち特定の品詞に関連する文法制
   御規則として指定されており、 前記決定手段は、前記複数の文法規則のうち、前記入力
   テキスト情報の少なくとも一部に適用され得る少なくと
   も１つの文法規則を決定し、 前記制御手段は、前記決定された少なくとも１つの文法
   規則のうちの１つが前記特定の品詞に関連する文法制御
   規則として指定されている場合には、前記入力テキスト
   情報の少なくとも一部に前記文法制御規則を適用すると
   ともに、前記決定された少なくとも１つの文法規則のう
   ち、前記特定の品詞に関連し、かつ、前記文法制御規則
   以外の文法規則を無視するように、前記入力テキスト情
   報の翻訳を制御する、請求項１に記載の自動自然言語翻
   訳システム。