JP2002297592A - 自然文マッチング装置、自然文マッチング方法、及び自然文マッチングプログラム - Google Patents

Abstract

(57)【要約】 【課題】 意味的な情報や係り受けの情報を用いて事例
文と入力された自然文（入力文）と柔軟にをマッチング
することができ、更に、事例文の数が多くなった場合で
も効率よくマッチングできる自然文マッチング装置、自
然文マッチング方法、及び自然文マッチングプログラム
を提供すること。 【解決手段】 ユーザから入力された自然文を形態素解
析、文節解析、語彙処理、格フレーム処理、属性付与等
を行って表層格、深層格の情報を含む文構造を取得す
る。一方訓練コーパスに登録されている事例文について
も表層格、深層格の情報を含む文構造を取得する。そし
て、自然文と事例文を文構造を用いてマッチングする。
又、例えば、自然文が倒置形の場合や、語句が省略され
ている場合は、マッチングの条件を緩めて柔軟にマッチ
ングする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、自然文マッチング
装置、自然文マッチング方法、及び自然マッチングプロ
グラムに関し、例えば、音声入力などやキーボード入力
などされた自然文の意味を解釈するものに関する。

【０００２】

【従来の技術】従来、コンピュータにコマンドを入力す
る際には、コマンドを決められた文法に従って入力する
必要があった。ところが、近年の急激なソフトウェア技
術とハードウェア技術の発展により、人間の自然な言語
（自然言語）を解釈してコマンドを特定することが可能
となってきた。

【０００３】この技術によって、例えばユーザがテレビ
に「消してくれ」とか、「５チャンネルが見たい」など
と発話要求すると、テレビに内蔵されたマイクがユーザ
の発話要求をピックアップする。そして、ユーザの入力
した自然文はテレビに内蔵された事例文と自然マッチン
グ装置によりマッチングされ、マッチングされた事例文
から「テレビを消す」とか「チャンネルを５に合わせ
る」などのコマンドを特定する。

【０００４】自然文マッチング装置は、事例文とユーザ
の入力文を比較し、最も近い事例文から回答を抽出し、
調整を加えることで、入力文に対する解析結果を得るこ
とができるものである。このようなものとして、例え
ば、特開平１１−３１１４９号広報のＩＩＦ（Ｉｎｔｅ
ｌｉｇｅｎｔ Ｉｎｔｅｒｆａｃｅ）方式によるもの
や、キーワードによりマッチングするものなどがある。

【０００５】

【発明が解決しようとする課題】しかし、ＩＩＦ方式で
は、述語動詞が不明確な場合は正しく解析できないこと
がある。例えば、「文書を検索したい」と入力した場合
はマッチングできるが、「検索したいのは文書」という
ように言い回しをが異なると（この場合倒置）、意味的
には同じであるが正しくマッチングできない場合があ
る。また、「平山さんの文書を検索したい」という入力
文はマッチングできるが、「平山文書検索」というよう
に、入力文が必要な助詞や活用形を含んでいない場合も
正しくマッチングできない場合がある。

【０００６】更に、ユーザの自然言語による音声入力で
文を入力することを想定すると、助詞の欠落や語句の誤
解析・誤認識の可能性がある。更に、話し言葉では、活
用形が標準と異なる場合や不要語が含まれる場合なども
ある。これらのことから、入力される文は正しい助詞や
活用となっていないものがあり、これにより、入力文が
誤解析、誤認識される場合がある。このように、従来の
自然文マッチング装置では、入力文が倒置表現になった
もの、助詞の欠落したもの、標準でない活用形を含むも
のへの対応や、また、誤解析、誤認識された語句への対
応が十分ではなかった。

【０００７】また、キーワードマッチングを利用した場
合は、語句の順序や係り受けが考慮されないという問題
があった。例えば、事例文が「送った文書が見たい」で
あった場合、キーワードは「送る」、「文書」、「見
る」である。一方、入力文が「文書を送る」であった場
合、キーワードが「文書」、「送る」であり、「送った
文書が見たい」という事例文もヒットしてしまう。この
ため、キーワードマッチングではマッチングの精度はあ
まり高くない。なお、事例文とはユーザが入力すること
を想定した自然文である。

【０００８】そこで、本発明の目的は、意味的な情報や
係り受けの情報を用いて事例文と入力された自然文（入
力文）とを柔軟にマッチングすることができ、更に、事
例文の数が多くなった場合でも効率よくマッチングでき
る自然文マッチング装置、自然文マッチング方法、及び
自然文マッチングプログラムを提供することである。

【０００９】

【課題を解決するための手段】本発明は、前記目的を達
成するために、入力された自然文を取得する自然文文取
得手段と、前記自然文取得手段にて取得した自然文を文
節に区分する自然文文節区分手段と、前記自然文文節区
分手段にて区分された文節に含まれる語句の係り受け情
報を表層格、及び深層格にて取得して前記自然文の文構
造を取得する自然文文構造取得手段と、回答に対応付け
られた事例文の文構造を表層格、及び深層格において取
得する事例文文構造取得手段と、前記自然文文構造取得
手段にて取得した文構造と前記事例文文構造取得手段に
て取得した文構造をマッチングして一致度を取得する一
致度取得手段と、前記一致度取得手段にて取得した一致
度を用いて前記回答を特定する回答特定手段と、を具備
したことを特徴とする自然文マッチング装置を提供する
（第１の構成）。ここで、回答は、事例文と対応づけら
れたコマンドやパラメータなどのセットであり、事例文
が特定されると、回答が特定され、これによってコマン
ドが特定される。即ち、コマンドは回答文を特定すると
特定されるように対応連れられている。回答が特定され
ると、コマンドのみが特定される場合もあり、また、パ
ラメータなども共に設定される場合もある。また、事例
文と回答を組にしたデータベースは訓練コーパスと呼ば
れ、自然文に対応する事例文を訓練コーパスで検索すれ
ば、自然文に対応した回答を取得することができる。ま
た、第１の構成の、前記一致度取得手段は、前記自然文
文構造取得手段にて取得した文構造と、前記事例文文構
造情報にて取得した事例文の文構造とを、表層格又は深
層格の少なくとも一方を用いてマッチングして前記一致
度を取得するように構成することができる（第２の構
成）。更に、第１の構成又は第２の構成は、前記自然文
文節区分手段にて区分された文節に含まれる語句に語彙
情報を付与する語彙情報付与手段を更に備え、前記一致
度取得手段は、前記語彙情報付与手段にて当該語句に付
与された語彙情報を用いて前記自然文の文構造と前記事
例文の文構造をマッチングして前記一致度を取得するよ
うに構成することができる（第３の構成）。また、第１
の構成、第２の構成又は第３の構成の前記語彙情報付与
手段は、前記文節に含まれる語句に、当該語句に対応す
る同義語、類義語、多義語、同音異義語、概念情報のう
ち、少なくとも１つを関連付けるよう構成することがで
きる（第４の構成）。また、一例として第１の構成から
第４の構成までの何れかの１の構成の前記一度取得手段
は、前記自然文の文構造と前記事例文の文構造における
語句が、表層格と深層格の双方で一致する場合は、表層
格と深層格のうち何れか一方でのみで一致する場合より
も一致度が高いように構成することができる（第５の構
成）。また、第１の構成から第４の構成までの何れかの
１の構成の前記事例文文構造取得手段は、前記事例文を
取得する事例文取得手段と、前記事例文取得手段にて取
得した事例文を文節に区分する事例文文節区分手段と、
を具備し、前記事例文文節区分手段にて区分された文節
に含まれる語句の係り受け情報を表層格、及び深層格に
て取得して前記事例文の文構造を取得するように構成す
ることができる（第６の構成）。また、第１の構成から
第４の構成までの何れかの１の構成の前記一致度取得手
段は、前記事例文文構造手段にて取得した事例文構造を
用いて、事例文に含まれる語句を、当該語句の表層格又
は深層格の少なくとも一方を用いて、前記自然文の文構
造と前記事例文の文構造をマッチングするためのテーブ
ル作成するテーブル作成手段と、を更に具備するように
構成することができる。 また、本発明は、前記目的を達成するために、入力され
た自然文を取得する第１のステップと、前記第１のステ
ップにて取得した自然文を文節に区分する第２のステッ
プと、前記第２のステップにて区分された文節に含まれ
る語句の係り受け情報を表層格、及び深層格にて取得し
て前記自然文の文構造を取得する第３のステップと、コ
マンドに対応付けられた事例文の文構造を表層格、及び
深層格において取得する第４のステップと、前記第３の
ステップにて取得した文構造と前記第４のステップにて
取得した文構造をマッチングして一致度を取得する第５
のステップと、前記第５のステップにて取得した一致度
を用いて前記コマンドを特定する第６のステップと、か
ら構成されたことを特徴とする自然文マッチング方法を
提供する。更に、本発明は、前記目的を達成するため
に、入力された自然文を取得する自然文文取得機能と、
前記自然文取得機能にて取得した自然文を文節に区分す
る自然文文節区分機能と、前記自然文文節区分機能にて
区分された文節に含まれる語句の係り受け情報を表層
格、及び深層格にて取得して前記自然文の文構造を取得
する自然文文構造取得機能と、コマンドに対応付けられ
た事例文の文構造を表層格、及び深層格において取得す
る事例文文構造取得機能と、前記自然文文構造取得機能
にて取得した文構造と事例文文構造取得機能にて取得し
た文構造をマッチングして一致度を取得する一致度取得
機能と、前記一致度取得機能にて取得した一致度を用い
て前記回答を特定するコマンド特定機能と、をコンピュ
ータに実現させるための自然文マッチングプログラム、
又は、自然文マッチングプログラムを記憶したコンピュ
ータが読み取り可能な記憶媒体を提供する。

【００１０】以上の構成により、意味的な情報や係り受
けの情報を用いることにより、意味的に同じである文は
似ていると判断でき、音声入力の場合の誤認識、や誤解
析（同音異義語などにより生じる）や、語句が省略され
ている場合でも、柔軟に事例文と自然文のマッチングを
行うことができる。

【００１１】

【発明の実施の形態】本実施の形態は、表層と深層を考
慮して自然文と事例文をマッチングすることによりマッ
チングの適正化を行うものである。また、マッチングの
際に多数の事例と照合するためのソフトウェアの効率化
を図っている。

【００１２】自然文の深層（自然文の意味構造）をも考
慮することにより、より柔軟に自然文と事例文をマッチ
ングすることができる。 例えば「田中さんにメールを送って」と、これを倒置し
た「メールを送って、田中さんに」は、共に「田中さん
にメールを送る」という事例文に対応するものである。
従来は、倒置の形で入力された自然文に事例文を対応さ
せるためには、例えば倒置の形の事例文を用意するな
ど、事例文に倒置の場合にも対応できるようにしておく
必要があった。しかし、深層をも考慮すると「メールを
送って、田中さんに」を「田中さんにメールを送る」に
マッチングすることができ、事例文の辞書を効率化する
ことができる。また、自然文が不完全である場合なども
深層の構造を用いることに適正にマッチングすることが
可能である。

【００１３】以下に、本発明の実施の形態を図１から図
１９までを参照しながら詳細に説明する。図１は、本実
施の形態に係る自然文マッチング装置１の構成の一例を
示した図である。自然文マッチング装置１は、中央処理
装置２、入出力部３、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅ
ｓｓ Ｍｅｍｏｒｙ）４、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ
Ｍｅｍｏｒｙ）５、記憶部７などが、バスライン６に
よって接続されて構成されている。

【００１４】入出力部３は、入出力装置に接続してお
り、自然文マッチング装置１の外部と情報の入出力を行
う部分である。自然文マッチング装置１が、例えばテレ
ビに装備されている場合は、入出力部３は、ユーザの発
話要求（自然文で構成されたユーザからテレビへの指
示）を取得するマイクロホンや、マッチングの結果得ら
れた得られた情報をテレビの制御部へ送信するインター
フェースなどである。また、自然文マッチング装置１が
パーソナルコンピュータに装備された場合、例えば、ユ
ーザの自然文による要求を取得するためのマイクロホン
やキーボードなどや、ユーザに応答文を提示するディス
プレイなどである。

【００１５】ＲＯＭ５は、読み出し専用のメモリであ
り、自然文マッチング装置１を動作させるための基本的
なプログラムなどが記憶されている。ＲＡＭ４は、読み
書き可能なメモリであって、中央処理装置２のワーキン
グメモリを提供したり、記憶部７に記憶されたプログラ
ムやデータをロードして記憶したりなどする。

【００１６】記憶部７は、例えばハードディスクやその
他の不揮発性のメモリなどによって構成されている。記
憶部７は、自然文マッチングプログラムやその他のプロ
グラムを記憶したプログラム部８と、自然文をマッチン
グする際に使用する語彙辞書、格フレーム辞書、属性辞
書やその他のデータを記憶したデータベース９などによ
って構成されている。また、自然文マッチング装置１
が、例えば音声ワープロに使用される場合は、プログラ
ム部８にワープロソフトを記憶することもできる。

【００１７】中央処理装置２は、ＲＯＭ５やＲＡＭ４に
格納されたプログラムに従って、自然文マッチング処理
を行ったり、入出力部３でのデータの入出力を制御した
りなどする。バスライン６は、中央処理装置２と入出力
３などのその他の部分との間でデータの送受信をする際
の伝送媒体である。

【００１８】図２は、自然文マッチングシステム１５の
構成を示した図である。自然文マッチングシステム１５
は、図１のプログラム部８に格納された自然文マッチン
グプログラムがＲＡＭ４にロードされ、ソフトウェア的
に実現されたものである。また、自然文マッチングシス
テム１５の各構成要素をハードウェアによって構成する
こともできる。

【００１９】以下に、自然文マッチングシステム１５の
各コンポーネントの処理内容について概要を説明する。
各コンポーネントの具体的な処理例は後ほど説明する。
まず、ユーザによってマイクロホンやキーボードなどか
ら入力された入力文は、形態素解析コンポーネント１７
に入力される。この入力文は、人間の自然な言語である
自然文で構成されている。

【００２０】形態素解析コンポーネント１７は、入力さ
れた自然文の形態素解析を行い、その結果を形態素リス
トとして文節解析コンポーネント１８に出力する。形態
素とは、文節より更に細かく、語句を自立語と付属語の
レベルまで区分したものである。 文節解析コンポーネ
ント１８は、形態素リストから文節リストを作成する。
文節の作成は、基本的に形態素リストにある自立語と付
属語をあわせて文節とする。後に、人名や地名などの概
念を処理する際に必要であるため、形態素解析の結果か
ら得られる具体的な数値、人名、地名などの情報も文節
リストに付与する。また、アルファベットやカタカナ、
記号などの正規化処理も行う。なお、正規化処理とは、
文字コードの全角、半角やアルファベットの大文字や小
文字、漢字の異体字をある一定のものに揃える処理のこ
とである。例えば、アルファベットを半角小文字に、半
角文字のカタカナを全角文字に、異体字を常用漢字に揃
える処理を考えると、全角文字の「Ａｌｐｈａｂｅｔ」
は半角文字の「Ａｌｐｈａｂｅｔ」に、半角の「カタカ
ナ」は全角文字の「カタカナ」に、「渡邊」は「渡辺」
に変換することができ。

【００２１】語彙処理コンポーネント１９は、文節解析
コンポーネント１８から文節リストを取得し、語彙辞書
２５を用いて該文節リストに意味的な情報を付与してい
く。意味的な情報としては、例えば、同義語、類義語、
多義語、同音異義語、概念情報などがある。これらの情
報は、語彙辞書２５にテーブル化されて記憶されている
概念情報には、赤や青などの概念である色や西や東など
の概念である方向などのほか、地名や人名などの特殊概
念が存在する。後に説明するように、本実施の形態で
は、特殊概念を用いて、形態素解析時に数値、人名、地
名なども概念処理できるようにした。また、後に述べる
ように、例えば、９時２０分などの時間に関する表現も
概念に含めることができる。

【００２２】格フレーム処理コンポーネント２０は、意
味を付与された文節リストを語彙処理コンポーネント１
９から取得し、動詞に対する目的語と思われる語句を表
層格と概念から決定する。なお、そのときに、文節リス
トに深層格の情報を付与することができる。例えば、入
力文が「細川にメールを送る」である場合、動詞は「送
る」であり、この動詞に対する目的語は表層格で「を
格」であり、深層格で「対象格」である「メール」であ
る。通常動詞の目的語は、「〜を」の形で表記され、こ
れを表層格では「を格」と呼ばれる。また、動詞の目的
語は、意味的には、その動詞の動作の対象となるので、
深層格では「対象格」と呼ばれる。

【００２３】また、格フレーム辞書２６には、様々な語
句に対応する格フレームが記憶してある。格フレームと
は、例えば、「送る」という語句は、表層格では「〜に
〜を送る」又、深層格では「（相手）に（対象格）を送
る」というフレーム（構造）を持ち、「に格」、「相手
格」には、人名という概念が対応し、「を格」、「対象
格」には、メール、手紙などが対応するといったことが
テーブルとなって記憶されたものである。詳細は、後ほ
ど述べる。格フレーム処理コンポーネント２０は、文節
リストの目的語と思われる語句を決定した後、格フレー
ム辞書２６を参照して、どの程度、入力文が格フレーム
にマッチしているかを判断する。

【００２４】格フレーム情報辞書２６の格フレームの情
報から入力文がどの格フレームにマッチしているのかを
決定する場合に情報が足りない場合や、語彙情報が足り
ない場合がある。このような場合は、例えば、深層格の
情報のみでマッチングするなどマッチングの条件を緩め
て処理を行う。このように、マッチングの条件を緩める
ことにより、本来マッチングが困難な場合もそれなりに
マッチングを行うことができる。

【００２５】入力文を格フレームとマッチングする際
に、表層格及び概念（又は表記）が一致する場合は、ラ
ンク１とし、ランク１のものが無ければ概念（又は表
記）のみが一致するもの、又は表層格のみが一致するも
のを探し、これをランク２とする。ランク１及びランク
２のものが無ければ、一般的な係り受けの情報を採用
し、これをランク３とする。一般的な係り受けの情報と
は、「を格」は動詞に係る、「に格」は、動詞、又はサ
変名詞に係るといった情報である。格フレーム処理を行
った結果、格フレームの深層格の情報やどのランクで一
致したかという情報を持った文構造が格フレーム処理コ
ンポーネント２０により生成される。

【００２６】属性付与コンポーネント２１は、文構造
（文節）の情報に自然文マッチングシステム１５を使用
しているアプリケーションソフトや装置などに依存した
情報、例えば、コマンドのパラメータの情報などを付与
する。これらの情報は属性辞書２７に記憶されている。
特殊概念を属性とした場合の値は、特殊概念の値をその
まま属性値とすることができる。例えば、概念で処理し
た人名、地名、数値、時間などは、入力された値をその
まま属性にすることができる。

【００２７】マッチング処理コンポーネント２２が取得
する文構造は、語彙情報、格フレーム情報、格フレーム
とマッチングした際のランク、属性情報などを含んでい
る。 マッチング処理コンポーネント２２は、入力文と事例文
の一致度を求め、一致度高い事例文の回答を回答として
採用する処理を行う。入力文と事例文の一致度は、２つ
の文構造がどれくらい一致しているかを求めるもので、
文節の情報と係り受けの情報から計算される。

【００２８】更に、具体的には、属性付与コンポーネン
ト２１から属性を付与された文構造を受け取り、訓練コ
ーパス（ユーザが入力すると想定される自然言語とこれ
に対応する回答を組にしたもの）の事例文から作成され
た回答辞書２８を用いて事例文と入力文をマッチングす
る。そして、一致度が高い事例文を特定し、これから得
られる回答を出力情報２３として出力する。回答とは、
事例文などから特定されるコマンドや、属性付与コンポ
ーネント２１によって付与されたパラメータなどが、セ
ットになったものである。即ち、事例文がマッチングに
よって特定されると、コマンドやパラメータが特定され
るのである。

【００２９】自然文マッチングシステム１５の各種辞書
のうち、語彙辞書２５、格フレーム辞書２６は、一般的
な言語的な知識を辞書化したものであり、出力情報２３
の出力対象であるアプリケーションソフトや装置が異な
っていても共通して使用することができる。一方、属性
辞書２７と回答辞書２８は、アプリケーションソフトや
装置に依存したものとなるため、アプリケーションソフ
ト又は装置ごとに１つずつ作成することとなる。このよ
うに、自然文マッチングシステム１５では、辞書類を一
般的な言語的な部分とアプリケーションソフト又は装置
に依存した部分に分割することにより、新たなアプリケ
ーションソフトや装置に対応する場合ではも追加する辞
書サイズを小さくすることできる。

【００３０】図３は、語彙辞書２５の構成を示した図で
ある。語彙辞書２５は、同義語を登録した同義語部３
１、類義語を登録した類義語部３２、多義語を登録した
多義語部３３、同音異義語を登録した同音異義語部３４
及び例えば時間や人名といった概念を登録した概念部３
５などから構成されている。これら各部の内容について
は、以下の各処理とともに説明する。

【００３１】次に語彙処理コンポーネント１９で行われ
る解析の具体例について説明する。 ［同義語の解析例］図４は、同義語部３１に作成された
同義語テーブル４１を示している。 同義語部３１は、同じ意味を表す語句（同義語）を集め
たものであり、それぞれの同義語がそれらを代表する代
表語に対応付けられてテーブル化されている。例えば、
「購入する」は「買う」と同義語であり、「使う」は、
「使用する」と同義語である。今、例えば入力文が「パ
ソコンを使う」であったとする。まず、形態素解析コン
ポーネント１７により、 形態素解析→パソコン／を／使／う と解析され、次いで文節解析コンポーネント１８により 文節解析→パソコンを／使う と、文節に区切られる。次いで語彙処理コンポーネント
１９により、 パソコンを／使う（同義語＝使用する） というように文節リストに同義語の代表語（ここでは、
使用する）が付与される。

【００３２】［類義語の解析例］図５は、「探す」、
「使用する」を代表語とした場合の類義語テーブル４３
を示したものである。類義語部３２には、意味的には類
似しているが完全には同じでない表現を処理するための
類義語情報がテーブル化して記憶されている。例えば、
「探す」、「検索する」、「捜索する」、「探る」は互
いに類義語であり、「使用する」、「利用する」、「活
用する」、「用いる」は互いに類義語である。類義語部
３２では、類義語の中から代表語を１つ選び（例えば、
最も一般的に使用される語句を選択するなどする）、そ
れが類義語の情報としてテーブル化されて登録されてい
る。

【００３３】例えば、入力文が「パソコンを用いる」で
あった場合、類義語は同義語の場合と同様にして以下の
ように解析される。 形態素解析→パソコン／を／用／いる 文節解析→パソコンを／用いる 語彙処理→パソコンを／用いる（類義語＝使用する） このように、語彙処理により文節リストに類義語の情報
が付与される。

【００３４】［多義語の解析例］図６の多義語テーブル
４３の一例を示した図である。 多義語は、複数の意味を持つ語句である。例えば、「引
く」という動詞には、「引き算する」や「引き寄せる」
といった複数の意味を含んでいる。多義語部３３では、
これらの多義語がテーブル化されて登録されている。例
えば、入力文が「線を引く」であった場合、多義語は以
下のように解析される。 形態素解析→線／を／引／く 文節解析→線を／引く／ 語彙処理→線を／引く（多義語＝引き算する、引き寄せ
る） このように、文節リストに多義語の情報が付与される。

【００３５】［同音異義語の解析例］図７は、同音異義
語テーブル４７の一例を示した図である。 同音異義語に対する処理は、音声認識で異なる意味と解
釈されてしまう可能性のある語句に対して同音異義語の
情報を付与することにより行われる。同音異義語として
は、例えば「対照」、「対象」、「対称」や「掛け
る」、「欠ける」、「描ける」、「書ける」などがあ
る。同音異義語部３４では、これらの同音異義語がテー
ブル化されて登録されている。

【００３６】例えば、入力文が「図形を対象にする」で
あった場合、同音異義語は以下のように解析される。 形態素解析→図形／を／対象／に／する 文節解析→図形を／対象に／する 語彙処理→図形を／対象に（同音異義語＝対照、対称）
／する このように文節リストに同音異義語の情報が付与され
る。同音異義語の情報を付与することにより、例えば、
音声入力などの場合に、誤解析の可能性を少なくするこ
とができる。

【００３７】［概念情報の解析例］図８は、概念テーブ
ル４９の一例を示した図である。 概念部３５では、例えば色や方向といった意味内容が同
じものをまとめて扱えるように、概念テーブル４９に示
したようにテーブル化されて登録されている。例えば、
「上」、「下」、「右」、「左」の概念情報は「方向」
であり、「赤」、「緑」、「青」の概念情報は「色」で
ある。特殊概念には、人名、地名、数値、時間などがあ
る。これらの特殊概念のうち、人名、地名、数値は形態
素解析時に付与された情報を元に概念情報を作成し、時
間は、図示しない時間概念辞書に登録された時間テーブ
ル５１からの時間の値を作成する。図９は、時間テーブ
ル５１を示した図である。図９に示したように、特殊概
念は値を持つこともできる。また、複数文節にまたがる
ものはコンマで区切って表す。

【００３８】例えば、入力文が「上に移動する」であっ
た場合、概念情報は以下のように解析される。 形態素解析→上／に／移動／する 文節解析→上に／移動する 語彙処理→上に（概念＝方向）／移動する

【００３９】また、入力文が「８月３日に更新したファ
イルを検索する」というように時間を含む場合は、概念
は以下のように解析される。 形態素解析→８／月／３／日／に／更新／し／た／ファ
イル／を／検索／する 文節解析→８／月／３／日に／更新した／ファイルを／
検索する 語彙処理→８（概念＝数値・８）／月／３（概念＝数
値；３）日に／更新した／ファイルを／検索する このように数値概念は値を持つことができる。また、以
下のように複数文節（８／月／３／日に）を処理するこ
ともできる。語彙処理→８／月／３／日に（概念＝時
間；２０００／８／３）／更新した／ファイルを／検索
する

【００４０】更に、入力文が「平山の文書を検索する」
というよに特殊概念である人名を含む場合は、以下のよ
うに解析される。 形態素解析→平山／の／文書／を／検索／する 文節解析→平山の／文書を／検索する 語彙処理→平山の（概念＝人名；平山）／文書を／検索
する このように、人名概念や地名概念は値を持つことができ
る。

【００４１】［複数文節・多段階処理の場合］語彙処理
コンポーネント１９は、時間概念の解析のときと同様に
して複数文節から成り立つものを処理するとともに、同
義語部３１、類義語部３２などから同義語や類義語など
の情報を付与することができる。例えば、入力文が「Ａ
４用紙に３ページから出す」であった場合、以下のよう
に解析される。 形態素解析→Ａ４／用紙／に／３／ページ／から／出す 文節解析→Ａ４／用紙に／３／ページから／出す 語彙処理→Ａ４／用紙に（同義語＝紙）／３（概念＝数
値；３）／ページから／出す（紙＋出す→同義語＝印刷
する） 語彙処理コンポーネント１９は、同義語処理結果である
「紙」と「出す」を更に多段処理して「印刷する」を付
与している。これは、同義語部３１に図１０（ａ）に示
した同義語テーブルにより「用紙」に「紙」という類義
語情報が付与され、更に、図１０（ｂ）にしめした同義
語テーブルにより「紙に」、「出す」に「印刷する」と
いう同義語情報が付与されたものである。

【００４２】次に格フレーム処理コンポーネント２０で
行われる解析の具体例について説明する。図１１は、格
フレーム辞書２６に格納されている格フレーム情報テー
ブル５４の一例を示した図である。例えば、「送る」と
いう語句（述語）は、通常「（相手）に（対象）を送
る」と言う形で使用される。（相手）に該当する文節
は、表層格では「に格」、深層格では「相手格」と呼ば
れ、（対象格）に該当する文節は表層格では「を格」、
深層格では「対象格」と呼ばれる。格フレーム情報テー
ブル５４では、「送る」の「を格」、「対象格」に該当
する表記として「メール」、「手紙」を登録しており、
「に格」、「相手格」に該当する概念情報として「人
名」が登録されている。格フレーム処理コンポーネント
２０は、語彙処理された文節リストと、格フレーム辞書
２６に格納した格フレーム情報をマッチングし、マッチ
ングの程度をランク付けする。

【００４３】例えば、、入力文が「細川さんに送ったメ
ールを転送する」であった場合、形態素解析から語彙処
理までは、以下の手順で解析される。形態素解析→細川
／さん／に／送／った／メールを／転送する文節解析→
細川さんに／送った／メールを／転送する語彙処理→細
川さんに（概念＝人名）／送った／メールを／転送する

【００４４】格フレーム処理コンポーネント２０は、以
上のように語彙処理された文節リストと格フレーム情報
を以下のステップでマッチングする。 ステップ１：格フレーム情報テーブル５４を用いて「転
送する」の文節から得られる格フレームの情報を取得す
る。対象格については、図１１の格フレーム情報テーブ
ル５４の「送る」欄の「対象格」欄を参照すると、「メ
ールを」→「送った」となり、表記（メールを）で一致
しているので、この一致はランク１となる。・・・
（１） 相手格については、「送る」欄の「相手格」欄を参照す
ると、「細川さんに（概念＝人名）」→「送った」とな
り、概念（人名）で一致しているので、この一致はラン
ク１となる。・・・（２）

【００４５】ステップ２：「メールを」の文節から得ら
れる格フレーム情報を取得する。格フレーム情報テーブ
ル５４の「語句」欄には、該当する語句がないのでこの
文節から得られる格フレーム情報は無い。「語句」欄に
は、述語となることができる語句が登録されており、メ
ールは名詞であるのでこの欄には無い。

【００４６】ステップ３：「送った」の文節から得られ
る格フレーム情報を取得する。格フレーム情報テーブル
５４の「送る」欄の「相手格」欄を参照すると、「細川
さんに（概念＝人名）」→「送った」となり、概念で一
致するので、この一致はランク１となる。・・・（３）

【００４７】ステップ４：係り受けの発生していない文
節を調べる。係り受けの発生していない文節は「送っ
た」である。つまり、「送った」より前の位置にあっ
て、「送った」の相手格、対象格となる語はない。一
方、「送った」は動詞の連体形、即ち体言（名詞・代名
詞）が連なる形なので、名詞、サ変名詞、又は未登録語
に係る。ここでは、一般的な係り受けを採用し、「送っ
た」→「メールを」とする。「送った」は「メールを」
の修飾語であり、ランク３とする。・・・（４）

【００４８】（１）から（４）まででランクの高いも
の、文節の距離が近いものを採用して係り受けの情報
（この例では、（１）、（３）（４）を採用）とし、文
構造を作成する。図１２に格フレームコンポーネント２
０が作成した文構造を示す。図１２に示したように、ユ
ーザから入力された自然文の意味は、「メール」を「転
送する」ことであり、その「メール」は、「細川さん
に」「送った」ものであるとなる。

【００４９】また、入力文が「東に送ったメールを転送
する」であった場合は、以下のように解析される。 形態素解析→東／に／送／った／メール／を／転送／す
る 文節解析→東に／送った／メールを／転送する 語彙処理→東に（概念情報＝方向）／送った／メールを
／転送する 格フレーム処理は以下のように行われる。 ステップ１：「転送する」の文節から得られる格フレー
ム情報を取得する。格フレーム情報テーブル５４の「転
送する」欄の「対象格」欄から「メールを」→「転送す
る」となり、表記で一致するのでこの一致はランク１で
ある。・・・（１）

【００５０】ステップ２：「メールを」の文節から格フ
レームを取得する。格フレームテーブル５４から「メー
ルを」の文節から得られる格フレームは無い。 ステップ３：「送った」の文節から得られる格フレーム
を取得する。格フレーム情報テーブル５４から「送っ
た」の文節から得られる格フレームも無い。即ち、「送
った」よりも前にある文節で（「送った」に係る文節
は、「送った」よりも前にあるはずであるから）、対象
格（メール、手紙）と相手格（概念情報＝人名）の何れ
に該当する文節はない。

【００５１】ステップ４：係り受けの発生していない語
句を処理する。係り受けの発生していない文節は「東
に」である。この場合、マッチングの条件を緩めて、表
層格、表記、概念の何れかが一致していなくても良いと
する。「送る」欄の「相手格」欄から「東に（概念情報
＝方向）」→「送った」となり、表記は「に格」で一致
するが、概念が一致しないので、この一致はランク２で
ある。・・・（２） また、「転送する」欄の「相手格」欄から「東に（概念
情報＝方向）」→「転送する」となり、表記は「に格」
で一致するが、概念情報が一致しないので、この一致も
ランク２である。・・・（３）

【００５２】更に、係り受けの発生していない文節は
「送った」である。「送った」は動詞の連体形なので
「名詞、サ変名詞、未登録語」に係る。ここでは、一般
的な係り受けを採用し、「送った」→「メールを」とす
る。「送った」は修飾語であり、この場合、ランク３と
なる。・・・（４） 格フレームコンポーネント２０は、（１）から（４）ま
ででランクの高いもの、文節の距離が近いものを採用し
て文構造を作成する。図１３に作成された文構造を示
す。即ち、ユーザの入力文の意味は、「メール」を「転
送する」ことであり、その「メール」は、「東」に「送
ったもの」である。ただし、「東」が人名であるか否か
は定かでない。

【００５３】次に、属性付与コンポーネント２１で行わ
れる処理の具体例について説明する。格フレーム処理コ
ンポーネント２０によって作成された文構造に自然文マ
ッチング装置１を使用しているアプリケーションソフト
や装置のパラメータに依存した値に関する情報を付与す
る。人名、地名、数値、時間などの概念情報は、そのま
ま属性として使用することもできる。また、これらの概
念情報を属性とした場合は、語彙処理コンポーネント１
９で概念情報の処理をした時に取得した概念情報の値を
属性値として利用することもできる。また、属性付与コ
ンポーネント２１での属性情報の処理を行う際に、独自
に概念情報の値を取得する方法を採用しても良い。

【００５４】図１４は、属性辞書２７に格納されている
属性テーブル５７の一例を示した図である。属性テーブ
ル５７では、語句と、その語句の概念を表す概念情報、
及びその語句に対応したパラメータが組となって格納さ
れている。例えば、「細線」は概念情報としては「線
種」であり、細線は「線種」のうちのパラメータ１で表
される。即ち、「細線」は「線種（１）」で表される。
同様に、語句「赤」は「色（０ｘ００００ｆｆ）」に対
応する。

【００５５】例えば、入力文が「細線を引く」であった
とする。この入力文は、以下の手順で処理される。 形態素解析→細線／を／引／く 文節解析→細線を／引く 語彙処理→細線を／引く 格フレーム処理→（述語）引く （対象格）細線（を格） 属性処理→（述語）引く （対象格）細線（を格） （線種属性＝１） このように、属性付与コンポーネント２１は、属性辞書
２７を参照して格フレーム情報コンポーネント２０から
取得した文構造に属性情報（この場合、線種属性＝１）
を付与する。

【００５６】また、入力文が「細い線を引く」であった
場合は、以下のように処理される。 形態素解析→細／い／線／を／引／く 文節解析→細い／線を／引く 語彙処理→細い／線を／引く

【数式１】 このように、複数の文節から属性情報を取得することも
できる。

【００５７】次に、マッチング処理コンポーネント２２
で行われる処理の具体例について説明する。マッチング
処理コンポーネント２２は、訓練コーパスにある事例文
の文構造と、属性付与コンポーネント２１から取得した
文構造を比較して一致度を計算する。一致度は、２つの
文構造がどれくらい一致しているかを求めるもので、一
例として、以下の式のように、回答候補の文節数と回答
候補と一致した文節数からマッチング指数として求める
ものが考えられる。 （マッチング指数）＝（一致した文節数）／（回答候補
の分節数） 回答候補の順位を決める際に、下の式のようにして、マ
ッチング指数だけでなく、「一致した文節」の高いもの
を優先して順位を決めるようにする。 （一致した文節数）＞（マッチング指数） 即ち、一致した文節数が（マッチング指数の分子）一番
大きくなる回答をマッチング結果として採用し、一致し
た文節数が同じ場合にはマッチング指数の大きさで判断
する。

【００５８】なお、マッチング指数の一致した文節数の
数え方は、文節がどのくらい一致したかという指標とし
て深層格で一致した場合０．３、表記／概念で一致した
場合０．７（類義語で処理したものは０．４）として計
算した。

【００５９】更に、格フレームの一致度でランクが低く
なったもの（例えばランク３の場合）に対しては、文節
数の値を１／２にするなどの調整を行う。 また、文節の係り受けの情報を反映させるため、係り受
けの前後の文節が回答候補のものと一致している場合
は、文節数はそのままとし、係り受けの前記後のどちら
かしか一致していない場合は文節数を更に２／３にす
る。係り受けの前後の両方とも一致しない場合は文節数
を１／３にする。

【００６０】以下にマッチングの具体例を示す。 図１５に示したような回答１〜５からなる訓練コーパス
を想定する。回答２は時間の概念を含み、回答３、５は
人名の概念を含んでいる。 なお、検索コマンドにおけるパラメータ１は検索アイテ
ム種類を表しており、「１＝４」の場合はメールであ
る。パラメータ２は送信者名、パラメータ３は時間、パ
ラメータ５は検索方向を表しており、「５＝１」の場合
は降順（下方向）への検索である。送信コマンドにおけ
るパラメータ１は宛先を表している。図１５に示した訓
練コーパス６０内の各事例文のそれぞれ対して形態素解
析、文節解析、語彙処理、格フレーム処理、属性付与ま
での処理を行い、これらの文構造を作成する。

【００６１】図１６は、訓練コーパス６０の格事例文を
解析して取得した文構造を示している。上から、順に回
答１〜回答５に対応している。 次に、マッチングを行うために必要な回答検索用の回答
辞書２８を作成する。 本実施の形態では、マッチングの際に回答辞書２８を作
成することとしたが、これは、あらかじめいろいろな事
例文に対して作成し、記憶しておいても良い。回答検索
には、事例文の文構造と回答候補を結びつけた回答辞書
２８を用いる。図１７は、回答辞書２８に作成された回
答検索テーブル６３の一例である。これは、図１６に示
した文構造から作成されたものである。 回答検索テーブル６３は、事例文の語句を文構造に基づ
いて分解し、各語句ごと（表記又は属性）ごとにまとめ
たものである。

【００６２】「表記／属性」欄は、訓練コーパス６０に
現れる表記又は属性が記録されている。 「深層格」欄は、これらの表記又は属性の深層格が記録
されている。「表層格」欄には、これらの表記又は属性
の表層格が記されている。 「状態」欄の状態１、状態２、・・・は、深層格又は表
層格によって分類された表記又は属性を区別するための
表記である。「回答候補」欄は、各状態の元となった表
記又は属性を含む回答である。「連続文節」は、各回答
で、表記又は属性が接続する先の文節を状態で示したも
のである。

【００６３】図１８は、各回答候補候補と、それらの回
答に対応するコマンドやパラメータ、条件などを示した
図である。 例えば、回答１は、対応するコマンドは「検索」であ
り、パラメータ１の値は４である。また、回答１が選択
される条件は、入力文の文構造が表記「検索する」を述
語としてふくむ状態、即ち状態１と状態２の場合であ
る。

【００６４】以上のように、訓練コーパスから作成され
た回答辞書２８を用いて行うマッチングの具体例を示
す。 入力文が「メールを検索する」の場合、形態素解析コン
ポーネント１７から属性付与コンポーネント２１までの
各コンポーネントにより、属性を付与した文構造を次の
ように作成する。 （述語）検索する （対象格）メール（を格）

【００６５】次に、述語の「検索する」に該当する回答
候補を回答検索テーブル６３の「検索する」欄から探
す。その結果、回答１から回答４までが候補となる。 次に、対象格の「メール」に該当する回答候補を回答検
索テーブル６３の「メール」欄から探す。その結果、回
答１から回答５までが候補となる。 以上から回答候補として回答１から回答５までがありえ
ることになる。

【００６６】次に各回答候補に対する一致度を計算す
る。 ［回答１に対する一致度］マッチング指数は次式のよう
になる。 （マッチング指数）＝２／２＝１．００ ［回答２に対する一致度］「メールを」の節にかかるも
のがないため「メールを」の文節は１×２／３となり、
その結果、マッチング指数は次式のようになる。 （マッチング指数）＝（１×２／３＋１）／３＝０．５
６

【００６７】［回答３に対する一致度］「メールを」の
節にかかるものがないため「メールを」の文節は１×２
／３となり、その結果、マッチング指数は次式のように
なる。 （マッチング指数）＝（１×２／３＋１）／４＝０．４
２ ［回答４に対する一致度］「検索する」の節にかかるも
のがないため「検索する」の文節は１×２／３となり、
その結果、マッチング指数は次式のようになる。 （マッチング指数）＝（１×２／３＋１）／３＝０．５
６

【００６８】［回答５に対する一致度］「メールを」の
節は係り受けの前後が一致しないため１×１／３とな
り、その結果、マッチング指数は次式のようになる。 （マッチング指数）＝（１×１／３）／３＝０．１１ 以上の結果、回答１の一致度が高いの回答１のコマンド
を回答とする。

【００６９】次に、入力文が「細川さんのメールを検索
する」であった場合のマッチングについて説明する。 まず、形態素解析コンポーネント１７から属性付与コン
ポーネント２１までの各コンポーネントにより、属性情
報を付与した文構造まで解析する。 「細川さんのメールを検索する」の場合、次に様に解析
される。 （述語）検索する （対象格）メール（を格） （？？？）細川さん（の格）（人名＝細川）

【００７０】「細川さんの」の文節に対する深層格を
（？？？）としたのは、表層格が（の格）や概念（人
名）では「検索する」に対する格フレームがないため、
ランク１、２のものがないため一般的な係り受けを採用
したためである。まお、この場合、以下のような格フレ
ームの情報はないものとしている。（語句）検索する、
（表層格）で格、（深層格）対象格、（概念／表記）＊
人名次に、述語の「検索する」を回答検索テーブル６３
の「検索する」欄から探す。その結果、回答１から回答
４までが候補となる。 次に、対象格の「メールを」を回答検索テーブル６３の
「メール」欄から探す。その結果、回答１から回答５ま
でが候補となる。 次に、限定格の「細川さん」又は「＊人名」を回答検索
テーブル６３から探す。その結果、回答候補は無い。 次に、深層格や表層格の条件を無視して「細川さん」を
探すがこれも無い。 次に、深層格や表層格の条件を無視して「＊人名」を探
す。その結果、回答３、５が候補となる。 以上の結果から、回答１から回答５までが回答候補とな
る。

【００７１】次に、マッチング処理コンポーネント２２
は、各回答候補に対して一致度を計算する。 ［回答１に対する一致度］マッチング指数は次式のよう
になる。 （マッチング指数）＝（１×２／３＋１）／２＝０．８
３ また、マッチング指数の分子は１．６７である。 ［回答２に対する一致度］ （マッチング指数）＝（１×２／３＋１）／３＝０．４
２ また、マッチング指数の分子は１．６７である。

【００７２】［回答３に対する一致度］「細川さんに」
の節は、深層格が一致せず格フレームのランクが３であ
り、また、係り先も一致しないので０．７／２×２／３
となり、又、「メールを」の文節は係る文節が一致しな
いので１×２／３となる。そのため、マッチング指数は
次式のようになる。 （マッチング指数）＝（０．７／２×２／３＋１×２／
３＋１）／４＝０．４８ また、マッチング指数の分子は１．９０である。 ［回答４に対する一致度］ 「検索する」の文節に係るものがたりないため「検索す
る」の文節は１×２／３となる。このため、マッチング
指数は次式のようになる。 （マッチング指数）＝（１＋１×２／３）／３＝０．５
６ また、マッチング指数の分子は１．６７である。

【００７３】［回答４に対する一致度］「細川さんの」
の文節は深層格が一致せず格フレームのランクが３であ
り、また係り先も一致しないので０．７／２×２／３と
なる。また、「メールの」の文節は前後の係りが一致し
ないため１×１／３となる。そのため、マッチング指数
は次式のようになる。 （マッチング指数）＝（０．７／２×２／３＋１×１／
３）／３＝０．１９ また、マッチング指数の分子は０．５７である。以上の
結果、マッチング指数の分子が一番大きいものは回答３
であるので回答３を回答とする。即ち、回答３を回答候
補の１番目とする。

【００７４】次に、入力文が「検索したいのはメール」
というように倒置形であった場合のマッチングについて
説明する。 まず、形態素解析コンポーネント１７から属性付与コン
ポーネント２１までの各コンポーネントにより、属性情
報を付与した文構造まで解析する。 「検索したいのはメール」の場合、次に様に解析され
る。 （述語）なし （？？？）メール（φ格） （？？？）の（は格） （連体）検索する（希望） 上記の（？？？）は表層格が「の格」なので確定してい
ないことを示す。また、上記の解析結果が示すように、
倒置形の場合は述語に相当するものは無い。

【００７５】次に、マッチング処理コンポーネント２２
は、「メール」には、深層格が設定されていないため深
層格や表層格の条件を無視して（即ち、一致条件を緩和
して）「メール」を回答辞書２８に作成された回答検索
テーブル６３の「表記／属性」欄から探す。その結果、
回答１から回答５までが候補となる。 次に、「の格」には、深層格が設定されていないため、
マッチング処理コンポーネント２２は、深層格や表層格
の条件を無視して「の」を回答検索テーブル６３の「表
記／属性」欄から探す。その結果、「の」に該当するも
のは無い。

【００７６】次に、マッチング処理コンポーネント２２
は、回答検索テーブル６３の「表記／属性」欄が「検索
する」で、「深層格」欄が連体修飾であるものを探す。
その結果、該当するものは無い。 次に、マッチング処理コンポーネント２２は、「検索す
る」の深層格の条件を無視して回答検索テーブル６３の
「表記／属性」欄で該当するものを探す。その結果回答
１から回答４までが回答候補となる。 以上の検索結果から回答１から回答５までが回答候補と
なる。

【００７７】次に、マッチング処理コンポーネント２２
は、格回答候補に対して一致度を計算する。 ［回答１に対する一致度］ 「検索する」は、表記のみ一致し係り受けの前後も全く
一致していないため、０．７／２×１／３となる。 「メール」は、表記のみ一致し係り受けの前後も全く一
致していないため、０．７／２×１／３となる。 このため、マッチング指数は、次式のようになる。 （マッチング指数）＝（０．７／２×１／３＋０．７／
２×１／３）／２＝０．１１ また、マッチング指数の分子は０．２３である。

【００７８】［回答２に対する一致度］ 「検索する」は、表記のみ一致し係り受けの前後も全く
一致していないため、０．７／２×１／３となる。「メ
ール」は、表記のみ一致し係り受けの前後も全く一致し
ていないため、０．７／２×１／３となる。このため、
マッチング指数は、次式のようになる。 （マッチング指数）＝（０．７／２×１／３＋０．７／
２×１／３）／３＝０．０８ また、マッチング指数の分子は０．２３である。

【００７９】［回答３に対する一致度］ 「検索する」は、表記のみ一致し係り受けの前後も全く
一致していないため、０．７／２×１／３となる。「メ
ール」は、表記のみ一致し係り受けの前後も全く一致し
ていないため、０．７／２×１／３となる。このため、
マッチング指数は、次式のようになる。 （マッチング指数）＝（０．７／２×１／３＋０．７／
２×１／３）／４＝０．０６ また、マッチング指数の分子は０．２３である。

【００８０】［回答４に対する一致度］ 「検索する」は、表記のみ一致し係り受けの前後も全く
一致していないため、０．７／２×１／３となる。「メ
ール」は、表記のみ一致し係り受けの前後も全く一致し
ていないため、０．７／２×１／３となる。このため、
マッチング指数は、次式のようになる。（マッチング指
数）＝（０．７／２×１／３＋０．７／２×１／３）／
３＝０．２３また、マッチング指数の分子は０．２３で
ある。

【００８１】［回答５に対する一致度］ 「メール」は、表記のみ一致し係り受けの前後も全く一
致していないため、０．７／２×１／３となる。このた
め、マッチング指数は、次式のようになる。 （マッチング指数）＝（０．７／２×１／３）／３＝
０．０４ また、マッチング指数の分子は０．１２である。

【００８２】以上の計算結果より、マッチング指数の分
子は回答１から回答４まで同じであるが、その中でマッ
チング指数の最も高いものは回答１であるので、回答１
を回答とする。即ち、回答１を第１番目の回答候補とす
る。

【００８３】図１９は、自然文マッチングシステム１５
の動作を示したフローチャートである。まず、自然文マ
ッチングシステム１５は、ユーザから入力された自然文
を取得し（ステップ１）、形態素コンポーネント１７に
て、入力文を形態素に分解する（ステップ２）。形態素
コンポーネント１７は、形態素リストを文節解析コンポ
ーネント１８に出力する。文節解析コンポーネント１８
は、形態素リストを用いて入力文を文節に区分し、文節
リストを生成する（ステップ３０）。

【００８４】次に、語彙処理コンポーネント１９が文節
解析コンポーネント１８から文節リストを取得する。そ
して語彙処理コンポーネント１９は、語彙辞書２５に登
録されている同義語や類義語などの情報を文節リストに
付与し、格フレーム処理コンポーネント２０に出力する
（ステップ４０） 次に、格フレーム処理コンポーネント２０は、格フレー
ム辞書２６を用いて、同義語や類義語などの情報が文節
に付与された文節リストの文節から、表層格（「を
格」、「に格」など）や深層格（「対象格」、「相手
格」など）等の格フレーム情報を取得し、文構造を決定
する（ステップ５０）。

【００８５】次に、属性付与コンポーネント２１は、格
フレーム処理コンポーネント２０から文構造を取得し、
例えば、文中の「細線」に対して「線種（１）」という
ように、自然文マッチングシステム１５が組み込まれた
アプリケーションソフトや装置に特有のパラメータを文
構造に付与してマッチング処理コンポーネントに出力す
る（ステップ６０）。

【００８６】次に、マッチング処理コンポーネント２２
は、訓練コーパス２９を用いて回答辞書２８を作成す
る。 訓練コーパス２９の格事例文は形態素解析コンポーネン
ト１７などにより解析され、入力文と同様に文構造が作
成される。マッチング処理コンポーネント２２は、事例
文の文構造を入力文の文構造と比較するための回答検索
テーブル６３を回答辞書２８に作成する。そして、マッ
チング処理コンポーネント２２は、回答検索テーブル６
３を用いて入力文の文構造と、事例文の文構造の一致度
を計算し、最も一致度の大きい事例文から求まるコマン
ドを回答として出力する（ステップ８０）。

【００８７】以上に説明した本実施の形態に係るコマン
ド処理装置１により、以下のような効果を得ることがで
きる。 同じ意味や意味的に近い文は１の事例文でカバーできる
ので、訓練コーパス２９を作成するときに同じ意味の様
々な表現の文を用意しなくても良い。このため、訓練コ
ーパス作成のコストが削減できると共に、記憶装置の容
量も節約することができる。 また、省略された語句や全く異なる語句が入力文中にあ
っても意味的に同じ部分が多ければ、マッチングするこ
とにより省略された（又は不足している）語句を推定し
たり、また、同音異義語などによる音声入力の際の誤認
識、誤解析された語句の推定が可能となる。

【００８８】文節の意味的な情報と係り受けの情報を用
いることにより、キーワードマッチングよりも精度の高
いマッチングを行うことができる。 また、マッチングに一致度を用いるため、回答の順位付
けができる。このため、多数の候補がある場合にユーザ
に一致度の高いものから回答を提示することができる。 更に、マッチング効率の良い方法を採用することにより
事例の数が多くても、一事例ずつマッチングを行ってい
く場合に比べて処理時間が短くできる。 加えて、アプリケーションソフトを追加した場合は、ア
プリケーションソフトに依存した辞書（属性辞書と回答
辞書）だけを追記すればよいので、少ない辞書サイズで
アプリケーションに対応することができる。 また、回答辞書を用いることにより、事例文が多い場合
でも効率よくマッチングすることができる。

【００８９】

【発明の効果】本発明によれば、意味的な情報や係り受
けの情報を用いて事例文と入力された自然文（入力文）
とを柔軟にマッチングすることができ、更に、事例文の
数が多くなった場合でも効率よくマッチングできる自然
文マッチング装置、自然文マッチング方法、及び自然文
マッチングプログラムを提供することができる。

【図面の簡単な説明】

【図１】図１は、本実施の形態に係る自然文マッチング
装置１のハードの構成の一例を示した図である。

【図２】自然文マッチングシステムの構成を示した図で
ある。

【図３】語彙辞書の構成の一例を示した図である。

【図４】同義語テーブルの一例を示した図である。

【図５】類義語テーブルの一例を示した図である。

【図６】多義語テーブルの一例を示した図である。

【図７】同音異義語テーブルの一例を示した図である。

【図８】概念テーブルの一例を示した図である。

【図９】時間テーブルの一例を示した図である。

【図１０】語彙処理で行われる多段処理を説明するため
の図である。

【図１１】格フレーム情報テーブルの一例を示した図で
ある。

【図１２】格フレーム処理コンポーネントが作成した文
構造の例を示した図である。

【図１３】格フレーム処理コンポーネントが作成した文
構造の他の例を示した図である。

【図１４】属性テーブルの一例を示した図である。

【図１５】訓練コーパスの一例を示した図である。

【図１６】訓練コーパスの回答の文構造を示した図であ
る。

【図１７】回答検索テーブルの一例を示した図である。

【図１８】回答に対応するコマンドなどを示した図であ
る。

【図１９】自然文マッチングシステムの動作を示したフ
ローチャートである。

【符号の説明】

１ 自然文マッチング装置 ２ 中央処理装置 ３ 入出力部 ４ ＲＡＭ ５ ＲＯＭ ６ バスライン ７ 記憶部 ８ プログラム部 ９ データベース部 １５ 自然文マッチングプログラム １６ 入力情報 １７ 形態素解析コンポーネント １８ 文節解析コンポーネント １９ 語彙処理コンポーネント ２０ 格フレームコンポーネント ２１ 属性付与コンポーネント ２２ マッチング処理コンポーネント ２３ 出力情報 ２５ 語彙辞書 ２６ 格フレーム辞書 ２７ 属性辞書 ３１ 同義語部 ３２ 類義語部 ３３ 多義語部 ３４ 同音異義語部 ３５ 概念部 ４１ 同義語テーブル ４３ 類義語テーブル ４５ 多義語テーブル ４７ 同音異義語テーブル ４９ 概念テーブル ５１ 時間テーブル ５４ 格フレーム情報テーブル ５７ 属性テーブル ６０ 訓練コーパス ６３ 回答検索テーブル

Claims (8)

【特許請求の範囲】
1. 【請求項１】 入力された自然文を取得する自然文文取
   得手段と、 前記自然文取得手段にて取得した自然文を文節に区分す
   る自然文文節区分手段と、 前記自然文文節区分手段にて区分された文節に含まれる
   語句の係り受け情報を表層格、及び深層格にて取得して
   前記自然文の文構造を取得する自然文文構造取得手段
   と、 回答に対応付けられた事例文の文構造を表層格、及び深
   層格において取得する事例文文構造取得手段と、 前記自然文文構造取得手段にて取得した文構造と前記事
   例文文構造取得手段にて取得した文構造をマッチングし
   て一致度を取得する一致度取得手段と、 前記一致度取得手段にて取得した一致度を用いて前記回
   答を特定する回答特定手段と、 を具備したことを特徴とする自然文マッチング装置。
2. 【請求項２】 前記一致度取得手段は、前記自然文文構
   造取得手段にて取得した文構造と、前記事例文文構造情
   報にて取得した事例文の文構造とを、表層格又は深層格
   の少なくとも一方を用いてマッチングして前記一致度を
   取得することを特徴とする請求項１に記載の自然文マッ
   チング装置。
3. 【請求項３】 前記自然文文節区分手段にて区分された
   文節に含まれる語句に語彙情報を付与する語彙情報付与
   手段を更に備え、 前記一致度取得手段は、前記語彙情報付与手段にて当該
   語句に付与された語彙情報を用いて前記自然文の文構造
   と前記事例文の文構造をマッチングして前記一致度を取
   得することを特徴とする請求項１又は請求項２に記載の
   自然文マッチング装置。
4. 【請求項４】 前記語彙情報付与手段は、前記文節に含
   まれる語句に、当該語句に対応する同義語、類義語、多
   義語、同音異義語、概念情報のうち、少なくとも１つを
   関連付けることを特徴とする請求項１、請求項２又は請
   求項３に記載の自然文マッチング装置。
5. 【請求項５】 前記事例文文構造取得手段は、 前記事例文を取得する事例文取得手段と、 前記事例文取得手段にて取得した事例文を文節に区分す
   る事例文文節区分手段と、を具備し、 前記事例文文節区分手段にて区分された文節に含まれる
   語句の係り受け情報を表層格、及び深層格にて取得して
   前記事例文の文構造を取得することを特徴とする請求項
   １から請求項５までのうちの何れかの１の請求項に記載
   の自然文マッチング装置。
6. 【請求項６】 前記一致度取得手段は、前記事例文文構
   造手段にて取得した事例文構造を用いて、事例文に含ま
   れる語句を、当該語句の表層格又は深層格の少なくとも
   一方を用いて、前記自然文の文構造と前記事例文の文構
   造をマッチングするためのテーブル作成するテーブル作
   成手段と、を更に具備したことを特徴とする請求項１か
   ら請求項６までのうちの何れかの１の請求項に記載の自
   然文マッチング装置。
7. 【請求項７】 入力された自然文を取得する第１のステ
   ップと、 前記第１のステップにて取得した自然文を文節に区分す
   る第２のステップと、 前記第２のステップにて区分された文節に含まれる語句
   の係り受け情報を表層格、及び深層格にて取得して前記
   自然文の文構造を取得する第３のステップと、 コマンドに対応付けられた事例文の文構造を表層格、及
   び深層格において取得する第４のステップと、 前記第３のステップにて取得した文構造と前記第４のス
   テップにて取得した文構造をマッチングして一致度を取
   得する第５のステップと、 前記第５のステップにて取得した一致度を用いて前記コ
   マンドを特定する第６のステップと、 から構成されたことを特徴とする自然文マッチング方
   法。
8. 【請求項８】 入力された自然文を取得する自然文文取
   得機能と、 前記自然文取得機能にて取得した自然文を文節に区分す
   る自然文文節区分機能と、 前記自然文文節区分機能にて区分された文節に含まれる
   語句の係り受け情報を表層格、及び深層格にて取得して
   前記自然文の文構造を取得する自然文文構造取得機能
   と、 コマンドに対応付けられた事例文の文構造を表層格、及
   び深層格において取得する事例文文構造取得機能と、 前記自然文文構造取得機能にて取得した文構造と事例文
   文構造取得機能にて取得した文構造をマッチングして一
   致度を取得する一致度取得機能と、 前記一致度取得機能にて取得した一致度を用いて前記回
   答を特定するコマンド特定機能と、 をコンピュータに実現させるための自然文マッチングプ
   ログラム。