JP2002334071A

JP2002334071A - 言語的にインテリジェントなテキスト圧縮

Info

Publication number: JP2002334071A
Application number: JP2002019244A
Authority: JP
Inventors: Simon H Corston-Oliver; エイチ．コーストン−オリバーサイモン; Sharad Mathur; マシュアシャラド
Original assignee: Microsoft Corp
Current assignee: Microsoft Corp
Priority date: 2001-01-26
Filing date: 2002-01-28
Publication date: 2002-11-22
Also published as: EP1227408A2; US20020138248A1; KR100890691B1; JP2007265458A; US7069207B2; US20060184351A1; US7398203B2; KR20020063118A; EP1227408A3

Abstract

(57)【要約】【課題】言語的にインテリジェントな方式のテキスト
圧縮を提供する。【解決手段】テキストプロセッサが、メッセージ中の
テキストを処理する。テキストプロセッサは、メッセー
ジ構成要素の複数の圧縮形を生成する。プロセッサは、
テキスト本文に対して言語分析を行って、テキスト本文
の言語構成要素を示す言語出力を得る。次いでプロセッ
サは、テキスト本文を圧縮するのに使用できる複数の圧
縮形を生成する。複数の圧縮形は、言語出力に基づいて
生成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、限られた表示空間
を有するデバイス上でのメッセージングに関する。より
詳細には、本発明は、テキストをより容易に小さな画面
上に表示できるように、言語的にインテリジェントな方
式でテキストを圧縮することに関する。

【０００２】

【従来の技術】メッセージングは、現在のコンピュータ
システム上で広く利用可能である。メッセージは、音声
メール、電子メール（ｅメール）、ページングを介し
て、また、その他のソースまたは手段から送信すること
ができる。さらに、様々なソースからのメッセージを統
合して、単一のデバイスに転送することもできる。例え
ば、コンピュータまたはコンピュータネットワークにお
いて、目下、音声メールおよび電子メールを介してメッ
セージを受信しているユーザが、このようなメッセージ
を受信する能力を備えたセルラーホンにこれらのメッセ
ージを転送することもできる。しかし、セルラーホンの
画面は、著しく限られた表示空間である。このことは、
メッセージを表示しようとする際に非常に大きな問題を
提示する可能性がある。

【０００３】

【発明が解決しようとする課題】例えば、ごく短い電子
メールメッセージまたは文字化された音声メールメッセ
ージであっても、セルラーホンの単一画面上で見るには
大きすぎるテキストを提示する可能性がある。これによ
り、ユーザはしばしば、メッセージの最初のわずかな単
語から（それが表示できるすべてなので）メッセージ全
体を解読するか、メッセージ全体を見るためにテキスト
の多くの行を下にスクロールする必要がある。これらの
手法は双方とも煩わしく、エラーを引き起こす可能性が
ある。

【０００４】テキスト圧縮は、従来、様々な多くのコン
テキストで用いられてきたが、このような圧縮の目的
は、主にテキストを効率的にデータ記憶できるようにす
ることであった。このような圧縮技法は、圧縮テキスト
を人間が解読しなければならないコンテキストには全く
適用不可能である。

【０００５】

【課題を解決するための手段】テキストプロセッサが、
メッセージ中のテキストを処理する。このテキストプロ
セッサは、メッセージ構成要素の複数の圧縮形を生成す
る。プロセッサは、テキスト本文に対して言語分析を行
って、テキスト本文の言語構成要素を示す言語出力を得
る。次いでプロセッサは、テキスト本文を圧縮するのに
使用できる複数の圧縮形を生成する。複数の圧縮形は、
言語出力に基づいて生成する。本発明は、圧縮形を生成
する方法および装置として実施することができる。

【０００６】本発明の別の態様は、テキストの言語分析
に基づくデータ構造を含む。このデータ構造は、テキス
ト本文の各部分の複数の圧縮形を示す属性を含む複数の
フィールドを備える。データ構造はまた、データ構造の
フィールドに含まれる属性のうちの少なくとも１つを生
成するのに使用される圧縮のタイプを示す圧縮タイプフ
ィールドを備えることもできる。

【０００７】

【発明の実施の形態】図１に、本発明を実施できる、適
したコンピューティングシステム環境１００の例を示
す。コンピューティングシステム環境１００は、適した
コンピューティング環境の一例でしかなく、本発明の使
用または機能の範囲に関していかなる限定も示すもので
はない。コンピューティング環境１００はまた、例示的
な動作環境１００中に示したコンポーネントのいずれか
１つまたはそれらの組合せに関してどんな依存も要件も
有しないと解釈すべきである。

【０００８】本発明は、その他の様々な汎用または専用
コンピューティングシステム環境または構成でも動作す
る。本発明と共に使用するのに適した、知られているコ
ンピューティングシステム、環境、および／または構成
としては、パーソナルコンピュータ、サーバコンピュー
タ、ハンドヘルドデバイスまたはラップトップデバイ
ス、マルチプロセッサシステム、マイクロプロセッサベ
ースのシステム、セットトップボックス、プログラム可
能な民生電子機器、ネットワークＰＣ、ミニコンピュー
タ、メインフレームコンピュータ、以上のシステムまた
はデバイスのいずれかを含む分散コンピューティング環
境などが挙げられるが、これらに限定しない。

【０００９】本発明は、コンピュータによって実行され
るプログラムモジュールなどのコンピュータ実行可能命
令の一般的なコンテキストで述べることができる。一般
にプログラムモジュールは、特定のタスクを実施するか
特定の抽象データ型を実装するルーチン、プログラム、
オブジェクト、コンポーネント、データ構造などを含
む。本発明はまた、通信ネットワークを介してリンクさ
れたリモート処理デバイスによってタスクが実行される
分散コンピューティング環境で実施することもできる。
分散コンピューティング環境では、プログラムモジュー
ルは、メモリ記憶デバイスを含めたローカルとリモート
の双方のコンピュータ記憶媒体中に位置することができ
る。

【００１０】図１を参照すると、本発明を実施するため
の例示的なシステムが、コンピュータ１１０の形をとる
汎用コンピューティングデバイスを含んでいる。コンピ
ュータ１１０のコンポーネントとしては、プロセッシン
グユニット１２０と、システムメモリ１３０と、システ
ムメモリを含めた様々なシステムコンポーネントをプロ
セッシングユニット１２０に結合するシステムバス１２
１とを挙げることができるが、これらに限定しない。シ
ステムバス１２１は、様々なバスアーキテクチャのいず
れかを用いたメモリバスまたはメモリコントローラ、周
辺バス、およびローカルバスを含めた、いくつかのタイ
プのバス構造のいずれでもよい。限定ではなく例とし
て、このようなアーキテクチャには、ＩＳＡ（Ｉｎｄｕ
ｓｔｒｙＳｔａｎｄａｒｄＡｒｃｈｉｔｅｃｔｕｒ
ｅ）バス、ＭＣＡ（ＭｉｃｒｏＣｈａｎｎｅｌＡｒ
ｃｈｉｔｅｃｔｕｒｅ）バス、ＥＩＳＡ（Ｅｎｈａｎｃ
ｅｄＩＳＡ）バス、ＶＥＳＡ（ＶｉｄｅｏＥｌｅｃｔ
ｒｏｎｉｃｓＳｔａｎｄａｒｄｓＡｓｓｏｃｉａｔ
ｉｏｎ）ローカルバス、およびメザニンバスとも呼ばれ
るＰＣＩ（ＰｅｒｉｐｈｅｒａｌＣｏｍｐｏｎｅｎｔ
Ｉｎｔｅｒｃｏｎｎｅｃｔ）バスが含まれる。

【００１１】コンピュータ１１は通常、様々なコンピュ
ータ可読媒体を備える。コンピュータ可読媒体は、コン
ピュータ１１０がアクセスできる任意の利用可能な媒体
とすることができ、揮発性媒体と不揮発性媒体、取り外
し可能媒体と取り外し不可能媒体の双方が含まれる。限
定ではなく、例として、コンピュータ可読媒体には、コ
ンピュータ記憶媒体および通信媒体を含めることができ
る。コンピュータ記憶媒体には、コンピュータ可読命
令、データ構造、プログラムモジュール、またはその他
データを含めた情報を記憶するための任意の方法または
技術で実装された揮発性媒体と不揮発性媒体、取り外し
可能媒体と取り外し不可能媒体の双方が含まれる。コン
ピュータ記憶媒体には、ＲＡＭ、ＲＯＭ、ＥＥＰＲＯ
Ｍ、フラッシュメモリまたはその他のメモリ技術、ＣＤ
−ＲＯＭ、ディジタル多用途ディスク（ＤＶＤ）または
その他の光学ディスク記憶装置、磁気カセット、磁気テ
ープ、磁気ディスク記憶装置またはその他の磁気記憶デ
バイス、あるいは所望の情報を記憶するのに使用できコ
ンピュータ１００がアクセスできるその他の媒体が含ま
れるが、これらに限定しない。通信媒体は通常、コンピ
ュータ可読命令、データ構造、プログラムモジュール、
またはその他のデータを、搬送ＷＡＶまたはその他のト
ランスポートメカニズムなどの変調されたデータ信号中
に組み入れており、任意の情報送達媒体が含まれる。
「変調されたデータ信号」という用語は、情報を信号に
エンコードするようにその１つまたは複数の特性が設定
または変更された信号を意味する。限定ではなく例とし
て、通信媒体には、ワイヤードネットワークまたは直接
ワイヤードネットワーク接続などのワイヤード媒体と、
音響、ＦＲ、赤外線などのワイヤレス媒体およびその他
のワイヤレス媒体が含まれる。以上のいずれかの組合せ
もまた、コンピュータ可読媒体の範囲内に含めるべきで
ある。

【００１２】システムメモリ１３０は、読出し専用メモ
リ（ＲＯＭ）１３１およびランダムアクセスメモリ（Ｒ
ＡＭ）１３２などの揮発性および／または不揮発性メモ
リの形をとるコンピュータ記憶媒体を含む。ＲＯＭ１３
１には通常、起動時などにコンピュータ１１０内の要素
間で情報を転送することを支援するＢＩＯＳ（ｂａｓｉ
ｃｉｎｐｕｔ／ｏｕｔｐｕｔｓｙｓｔｅｍ）１３３
が記憶されている。ＲＡＭ１３２は通常、プロセッシン
グユニット１２０からすぐにアクセス可能であってプロ
セッシングユニット１２０が現在作用しているデータお
よび／またはプログラムモジュールを含む。限定ではな
く例として、図１には、オペレーティングシステム１３
４、アプリケーションプログラム１３５、その他のプロ
グラムモジュール１３６、およびプログラムデータ１３
７が示されている。

【００１３】コンピュータ１１０はまた、その他の取外
し可能／取外し不可能、かつ揮発性／不揮発性のコンピ
ュータ記憶媒体を備えることもできる。例示にすぎない
が、図１には、取外し不可能かつ不揮発性の磁気媒体に
対して読取りまたは書込みを行うハードディスクドライ
ブ１４１と、取外し可能かつ不揮発性の磁気ディスク１
５２に対して読取りまたは書込みを行う磁気ディスクド
ライブ１５１と、ＣＤＲＯＭやその他の光学媒体など取
外し可能かつ不揮発性の光学ディスク１５６に対して読
取りまたは書込みを行う光学ディスクドライブ１５５が
示されている。この例示的な動作環境で使用できるその
他の取外し可能／取外し不可能、かつ揮発性／不揮発性
のコンピュータ記憶媒体には、磁気テープカセット、フ
ラッシュメモリカード、ディジタル多用途ディスク、デ
ィジタルビデオテープ、固体ＲＡＭ、固体ＲＯＭなどが
含まれるが、これらに限定しない。ハードディスクドラ
イブ１４１は通常、インタフェース１４０などの取外し
不可能メモリインタフェースを介してシステムバス１２
１に接続され、磁気ディスクドライブ１５１および光学
ディスクドライブ１５５は通常、インタフェース１５０
などの取外し可能メモリインタフェースによってシステ
ムバス１２１に接続される。

【００１４】以上に論じ、図１に示したドライブおよび
それらに関連するコンピュータ記憶媒体は、コンピュー
タ可読命令、データ構造、プログラムモジュール、およ
びその他のデータの記憶域をコンピュータ１１０に提供
する。例えば図１では、ハードディスクドライブ１４１
は、オペレーティングシステム１４４、アプリケーショ
ンプログラム１４５、その他のプログラムモジュール１
４６、およびプログラムデータ１４７を記憶しているも
のとして示されている。これらのコンポーネントは、オ
ペレーティングシステム１３４、アプリケーションプロ
グラム１３５、その他のプログラムモジュール１３６、
およびプログラムデータ１３７と同じものとすることも
異なるものとすることもできることに留意されたい。オ
ペレーティングシステム１４４、アプリケーションプロ
グラム１４５、その他のプログラムモジュール１４６、
およびプログラムデータ１４７は、これらが少なくとも
異なるコピーであることを示すために、ここでは異なる
番号を付けてある。

【００１５】ユーザは、キーボード１６２、マイクロホ
ン１６３、およびマウスやトラックボールやタッチパッ
ドなどのポインティングデバイス１６１など、入力デバ
イスを介してコンピュータ１１０にコマンドおよび情報
を入力することができる。他の入力デバイス（図示せ
ず）には、ジョイスティック、ゲームパッド、衛星受信
アンテナ、スキャナなどを含めることができる。これら
およびその他の入力デバイスは、システムバスに結合さ
れたユーザ入力インタフェース１６０を介してプロセッ
シングユニット１２０に接続されることが多いが、パラ
レルポート、ゲームポート、ユニバーサルシリアルバス
（ＵＳＢ）など他のインタフェースおよびバス構造によ
って接続することもできる。モニタ１９１または他のタ
イプの表示デバイスもまた、ビデオインタフェース１９
０などのインタフェースを介してシステムバス１２１に
接続される。モニタに加えて、コンピュータはまた、ス
ピーカ１９７やプリンタ１９６など他の周辺出力デバイ
スを備えることもでき、これらは出力周辺インタフェー
ス１９５を介して接続することができる。

【００１６】コンピュータ１１０は、リモートコンピュ
ータ１８０など1つまたは複数のリモートコンピュータ
への論理接続を用いてネットワーク化された環境で動作
することもできる。リモートコンピュータ１８０は、パ
ーソナルコンピュータ、ハンドヘルドデバイス、サー
バ、ルータ、ネットワークＰＣ、ピアデバイス、または
他の一般的なネットワークノードとすることができ、通
常、コンピュータ１１０に関して上述した要素の多くま
たはすべてを備える。図１に示す論理接続はローカルエ
リアネットワーク（ＬＡＮ）１７１およびワイドエリア
ネットワーク（ＷＡＮ）１７３を含むが、他のネットワ
ークを含むこともできる。このようなネットワーク化環
境は、オフィス、企業全体のコンピュータネットワー
ク、イントラネット、およびインターネットでよくみら
れるものである。

【００１７】ＬＡＮネットワーキング環境で使用される
ときは、コンピュータ１１０はネットワークインタフェ
ースまたはアダプタ１７０を介してＬＡＮ１７１に接続
される。ＷＡＮネットワーキング環境で使用されるとき
は、コンピュータ１１０は通常、インターネットなどの
ＷＡＮ１７３を介して通信を確立するためのモデム１７
２またはその他の手段を備える。モデム１７２は、内蔵
でも外付けでもよく、ユーザ入力インタフェース１６０
または他の適切なメカニズムを介してシステムバス１２
１に接続することができる。ネットワーク化された環境
では、コンピュータ１１０に関して示すプログラムモジ
ュールまたはその一部をリモートメモリ記憶デバイスに
記憶することができる。限定ではなく例として、図１に
は、リモートアプリケーションプログラム１８５がリモ
ートコンピュータ１８０上にあるものとして示してあ
る。図示のネットワーク接続は例示的なものであり、コ
ンピュータ間の通信リンクを確立するための他の手段を
使用することもできることを理解されたい。

【００１８】図１に関して述べたようなコンピュータシ
ステム上で本発明を実施できることに留意されたい。た
だし、本発明は、サーバメッセージ処理専用のコンピュ
ータ、または分散システム上で実施することもでき、分
散システムの場合は、本発明の異なる各部分を分散処理
システムの異なる各部分で実施する。

【００１９】図２は、本発明を実施するのに使用できる
いくつかのコンポーネントの例示的な一実施形態のブロ
ック図である。図２は、メッセージハンドラ２００、コ
ンプレッサ２０２、およびターゲットデバイス２０５を
含む。メッセージハンドラ２００は、例示的にメッセー
ジパーサ２０４、言語アナライザ２０６、およびテキス
ト圧縮コンポーネント２０８を含む。例示的な一実施形
態では、ターゲットデバイス２０５はセルラーホンまた
は画面の小さい他のデバイスであり、リンク２１０を介
してコンプレッサ２０２に接続される。リンク２１０
は、無線伝送部分を含んでも含んでいなくてもよいグロ
ーバルコンピュータネットワーク、または、ターゲット
デバイス２０５にメッセージを送信するのに適した他の
任意のリンクとすることができる。

【００２０】メッセージハンドラ２００は、例示的にメ
ッセージ２１２を受け取る。メッセージ２１２は、ペー
ジングシステム、電子メール、音声メールなどを含めた
種々のソースのうちの１つからくるものとすることがで
きる。したがって、メッセージ２１２は例示的に、ヘッ
ダ、テキスト本文、および電子メールの場合は電子メー
ルスレッド中の以前のメッセージを含めた、種々の部分
を含む。パーサ２０４は、メッセージ２１２をその種々
の部分に解析する。パーサ２０４の動作は本発明に関係
しない。関係するのは、圧縮すべきメッセージ本文２１
４またはその他のテキスト本文を識別してアナライザ２
０６に提供することだけである。これは周知のどんな方
法で行ってもよく、本発明の一部を形成しない。したが
って、パーサ２０４については詳述しない。パーサ２０
４はヘッダ情報および場合によっては以前のメールメッ
セージを除去し、メッセージ本文２１４を言語アナライ
ザ２０６に提供することができると言えば十分であろ
う。

【００２１】当然、パーサ２０４は、メッセージ本文２
１４以外にも、他の任意の自然言語テキスト本文をアナ
ライザ２０６に提供することができることに留意された
い。例えば、テキスト本文は、サブジェクトヘッダ、タ
スク記述ヘッダ、ウェブページなどとすることもでき
る。ここでは、分析すべきテキストのほんの一例とし
て、メッセージ本文２１４に関して考察を進める。

【００２２】言語アナライザ２０６は例示的に、語彙ア
ナライザ、形態アナライザ、および構文アナライザを含
む。語彙アナライザは、メッセージ本文２１４を受け取
り、それを単語（またはその他のトークン）に分割す
る。これは周知の方式で行う。形態アナライザは、形態
データベース（辞書など）にアクセスし、意味や品詞な
ど、各ワード（またはトークン）に関連する様々な情報
を得る。構文アナライザは、メッセージ本文２１４の構
文分析を行って、メッセージ本文中の各文ごとに構文解
析ツリー（または構文分析構造）を獲得し、この構造を
言語アナライザ２０６の出力として出力する。これもま
た周知の方式で行い、図３に関して簡単に示されてい
る。

【００２３】テキスト圧縮コンポーネント２０８は、言
語アナライザ２０６からの言語分析出力にアクセスし、
メッセージ本文２１４の構成要素について異なる複数の
任意選択の圧縮を生成する。例示的な一実施形態では、
テキスト圧縮コンポーネント２０８は、メッセージ本文
２１４中の各単語または句ごとに５つの属性を提供す
る。一般に、各属性は、分析中の各単語をより大胆に圧
縮したものを表す。例示的な一実施形態では、テキスト
圧縮コンポーネント２０８から出力されるデータ構造
は、以下の属性を含む。

【００２４】ＳｈｏｒｔＴｙｐｅ適用される圧縮規則
のタイプの１つを示す。ＬｏｎｇＦｏｒｍメッセージ
本文２１４に書かれている単語の形である。Ｓｈｏｒｔ
ＦｏｒｍＳｈｏｒｔＴｙｐｅ属性によって識別される
圧縮規則または技法を適用した後の単語の形である。Ｃ
ａｓｅＮｏｒｍａｌｉｚｅｄＦｏｒｍＳｈｏｒｔＦｏ
ｒｍの第１文字を大文字にして、残りの文字を小文字に
する。ＣｏｍｐｒｅｓｓｅｄＦｏｒｍＣａｓｅＮｏｒ
ｍａｌｉｚｅｄＦｏｒｍの圧縮形であり、単語をさらに
圧縮するためにＣａｓｅＮｏｒｍａｌｉｚｅｄＦｏｒｍ
に追加の圧縮規則を施す。

【００２５】例示的な一実施形態では、これらの属性を
含むデータ構造が、圧縮ＸＭＬ出力２１６として出力さ
れ、コンプレッサコンポーネント２０２に提供される。
コンプレッサコンポーネント２０２は、例示的に、圧縮
出力２１６中の圧縮形のうちの１つを選択し、それをタ
ーゲットデバイス２０５に提供する。コンプレッサコン
ポーネント２０２は、例示的に、ターゲットデバイス２
０５上で利用可能な画面空間または他の基準に基づいて
圧縮形を選択することができる。コンプレッサコンポー
ネント２０２は本発明の一部を形成しないことに留意さ
れたい。

【００２６】図３は、メッセージ本文２１４中に入れる
ことのできる文の例示的な一実施形態である。この文
は、「Ｙｏｕｈａｖｅａｍｅｅｔｉｎｇｗｉｔ
ｈＤｒ．ＪｏｈｎＥｐｓｔｅｉｎｎｅｘｔＴｕ
ｅｓｄａｙａｔｔｅｎａ．ｍ．（あなたは次の火
曜日の午前１０時にＪｏｈｎＥｐｓｔｅｉｎ先生と面
会する）」と書いてある。当然、メッセージ本文２１４
は語彙アナライザに提供され、語彙アナライザは、メッ
セージ本文を文および個々の単語（またはトークン）に
分割する。次いで形態アナライザが、各単語（またはト
ークン）のルックアップを行い、分析のために望まれる
品詞（会話部分）およびその他の可能な情報を識別す
る。したがって、以下の品詞によって単語が識別される
ことがわかる。

【００２７】ｙｏｕ＝代名詞ｈａｖｅ＝動詞ａ＝冠詞ｍｅｅｔｉｎｇ＝名詞ｗｉｔｈ＝前置詞Ｄｒ．ＪｏｈｎＥｐｓｔｅｉｎ＝固有名詞ｎｅｘｔ＝形容詞Ｔｕｅｓｄａｙ＝名詞ａｔ＝前置詞ｔｅｎａ．ｍ．＝名詞

【００２８】構文アナライザは、文および品詞を、例示
的な一実施形態では図３に示すような構文解析ツリーに
分析する。構文解析ツリー中の末端ノード（または葉ノ
ード）は、文中の単語を表し、末端以外のノードは、文
の各部分を識別する句またはその他の上位レベルの構文
単位を表す。図３に示す構文解析ツリー中では、指標
「Ｓ」は文ノードを表し、指標「ＮＰ」は名詞句を表
し、「ＶＰ」は動詞句を表し、「ＰＰ」は前置詞句を表
す。「ｎｅｘｔＴｕｅｓｄａｙ」および「ａｔｔｅｎ
ａ．ｍ．」の上にある三角形は、単に、これらの句を
さらにノードに分析できるが簡単にするために省略され
ていることを示す。この構文解析ツリーは、この文が、
名詞句およびそれに続く動詞句、およびそれに続く他の
２つの構文構成要素（ここでは具体的に分析されていな
い）で形成されていることを示す。

【００２９】テキスト圧縮コンポーネント２０８は、例
示的に図３に示す文を、人間に解読できるように言語的
にインテリジェントな方式で圧縮する。このような圧縮
を行う際、いくつかの問題が生じる。例えば、テキスト
中のあるタイプの単語をすべて削除することが直感的な
こともある。例えば、テキスト中のすべての冠詞を削除
することが直感的なこともる。しかしこれは、英語では
うまくいく場合もあるが、他の言語ではうまくいかな
い。実際、これはすべてのロマンス諸語でさえ機能しな
い。例えば、「Ｉｍａｄｅｈｉｍｅａｔｉｔ
（私は彼がそれを食べるようにした）」と翻訳されるフ
ランス語の句Ｊｅｌｅｌｕｉａｉｆａｉｔｍａ
ｎｇｅｒを考えてみる。接語代名詞「ｌｅ」は、ちょう
ど男性不定冠詞「ｌｅ」（「ｔｈｅ」と翻訳される）の
ように見えることに留意されたい。したがって、すべて
の「冠詞」または単語「ｔｈｅ」、および異なる言語に
おけるそれらの等価物が除去された場合、それにより、
異なる言語のいくつかの句の意味が劇的に変化すること
になる。

【００３０】同様に、テキスト中のすべてのスペースを
除去することが直感的に妥当と思われることもある。し
かし、メッセージ中に電子メールエイリアスまたはユニ
フォームリソースロケータ（ＵＲＬ）が設けられている
場合、スペースを除去すると、電子メールエイリアスま
たはＵＲＬがテキスト中のどこにあるか判別するのが非
常に困難になる。今日、記号に影響されやすいこのよう
な多くのテキストフラグメントが、メッセージ中で使用
されている。フラグメント中の記号が変更される場合、
フラグメント全体の意味は回復できないほどに失われ
る。例えば、句「Ｖｉｓｉｔｈｔｔｐ：／／ｍｉｃｒ
ｏｓｏｆｔ．ｃｏｍｆｏｒｉｎｆｏｒｍａｔｉｏ
ｎ」を考えてみる。これが「ｖｉｓｉｔｈｔｔｐ：／／
ｍｉｃｒｏｓｏｆｔ．ｃｏｍｆｏｒｉｎｆｏ」に短縮さ
れると、テキストフラグメント中のどこでＵＲＬが終わ
るのかを決定するのが非常に困難である。

【００３１】したがって本発明は、このようなインテリ
ジェントでない一様な手法をとらない。本発明の圧縮
は、そうではなく、アナライザ２０６によって行われる
言語分析に基づいている。

【００３２】図４は、メッセージハンドラ２００の動作
をもう少し詳細に示したフローチャートである。最初
に、メッセージハンドラ２００はメッセージ２１２を受
け取る。これをブロック２１８で示す。パーサ２０４
が、メッセージ２１２中のメッセージ本文を突き止め、
メッセージ本文２１４をアナライザ２０６に渡す。これ
をブロック２２０で示す。アナライザ２２６は、メッセ
ージ２１４を文に分割する。これをブロック２２２で示
す。次いで、アナライザ２０６の語彙アナライザコンポ
ーネントが、テキスト本文の語彙分析を行い、文を単
語、数字、および句読記号などのトークンに分割する。
トークンはまた、「ａｌｏｎｇｗｉｔｈ」や「ｂｙ
ｍｅａｎｓｏｆ」のような複数単語の表現など、２つ
以上の単語からなるものとすることもできる。これをブ
ロック２２４で示す。次いで、言語アナライザ２０６中
の形態アナライザが形態分析を行い、したがって、各ト
ークンに対応する品詞およびその他の関連情報を突き止
める。これをブロック２２６で示す。次いで、構文アナ
ライザが構文分析を行い、例示的な一実施形態では構文
解析ツリーを提供する。これをブロック２２８で示す。

【００３３】次いで、テキスト圧縮コンポーネント２０
８が、アナライザ２０６から提供された分析の中の各ノ
ードを再帰的に調べ、可能性ある圧縮オプションが利用
可能かどうかを判定する。これをブロック２３０で示
す。分析の中のノードを調べ終わり、様々な圧縮オプシ
ョンを識別すると、例えばＸＭＬ出力２１６として圧縮
オプションを出力する。これをブロック２３２で示す。
次いで、コンプレッサ２０２が、単純に各単語（または
トークン）ごとにオプションのうちの１つを選択し、メ
ッセージを圧縮形でターゲットデバイス２０５に提供す
る。

【００３４】図５および図６に、分析されたメッセージ
本文２１４の各部分に対して可能性ある圧縮オプション
を生成する際のテキスト圧縮オプション２０８の動作を
より詳細に示す。図５および図６は、アナライザ２０６
からの分析出力の中の末端ノード（または葉ノード）に
対する可能性ある圧縮オプションを生成する際のテキス
ト圧縮コンポーネント２０８の動作を具体的に示してい
る。言い換えれば、図５および図６には、メッセージ本
文の句またはより大きなフラグメントを表す場合のある
末端以外のノードとは対照的に、可能性ある圧縮のため
のテキストメッセージ中の各ワード（またはトークン）
の処理が示してある。

【００３５】最初に、長い形の各トークンを受け取る。
長い形は、テキスト本文に書かれたトークンの形である
ことを想起されたい。これを図５のブロック２３４で示
す。この長い形を、圧縮出力２１６として提供されたデ
ータ構造中に出力される属性として保存する。これをブ
ロック２３６で示す。

【００３６】次に、ＳｈｏｒｔＴｙｐｅ属性を決定して
保存する。ＳｈｏｒｔＴｙｐｅ属性は、長い形のトーク
ンに適用される圧縮規則の具体的なタイプを示す属性で
あることを想起されたい。これをブロック２３８で示
す。以下に、本発明の一実施形態による様々なＳｈｏｒ
ｔＴｙｐｅ属性をより広く論じる。

【００３７】次いで、ＳｈｏｒｔＴｙｐｅ属性によって
識別される圧縮規則を用いて分析中のノード全体を削除
すべきかどうかを決定する。例えば、いくつかのノード
は、あらゆる状況で削除することになる。英語の冠詞
（ＳｈｏｒｔＴｙｐｅ属性「Ａｒｔｉｃｌｅｓ」を有す
る）は、常に省略することができる。このような冠詞に
は、例えばａ、ｔｈｅ、ｔｈｏｓｅ、およびｔｈｅｓｅ
が含まれる。挨拶は、ＳｈｏｒｔＴｙｐｅ属性「Ｇｒｅ
ｅｔｉｎｇ」を有し、これらもまたブロック２４０で特
別処理する。挨拶（ＤｅａｒＢｏｂ、Ｈｉ、ＨｉＢ
ｏｂなど）は、すべて削除することができる。ノードを
あらゆる状況で削除すべきかどうか決定することを、ブ
ロック２４０で示す。そうである場合は、ブロック２３
８に示すように、ＳｈｏｒｔＴｙｐｅ属性を「Ａｒｔｉ
ｃｌｅｓ」（または適切な属性なら何でも）に設定し、
ＳｈｏｒｔＦｏｒｍ、ＣａｓｅＮｏｒｍａｌｉｚｅｄＦ
ｏｒｍ、およびＣｏｍｐｒｅｓｓｅｄＦｏｒｍの属性を
すべてヌルの値に設定する。これをブロック２４２に示
す。

【００３８】ブロック２４０で、ノードを完全に削除す
べきではないと決定した場合は、その他の特別処理をこ
のノードに対して行うべきかどうかを決定する。これを
ブロック２４４で示す。このような特別処理は、様々な
形で行われる可能性がある。次に、これらの形のいくつ
かについて論じる。

【００３９】形容詞のグループ（ＳｈｏｒｔＴｙｐｅ
「Ａｄｊｅｃｔｉｖｅ」を有する）は、特別処理され
る。これらには、ｗｈｉｃｈ、ｗｈｏ、ｗｈａｔなど、
「ｗｈ」で始まる単語が含まれる。これらの形容詞につ
いて、以下により詳細に論じる。

【００４０】英語の冠詞については、ブロック２４０に
関して先に論じた。英語の冠詞は、あらゆる状況で省略
することができる。しかし、他の言語の冠詞は特別処理
が必要な場合がある。例えば、ドイツ語の定冠詞は、あ
らゆる状況で省略することができる。しかし、不定冠詞
は、あいまいなので保留される（同じ形が「ａ」または
「ｏｎｅ」の意味になり得るため）。スペイン語および
フランス語の定冠詞は削除されるが、同じ綴りの接語代
名詞は削除されない。スペイン語およびフランス語の不
定冠詞は、あいまいなので保留される（同じ形が「ａ」
または「ｏｎｅ」の意味になり得るため）。

【００４１】副詞は、ＳｈｏｒｔＴｙｐｅ属性「Ａｄｖ
ｅｒｂｓ」を有し、「ｗｈ」単語として分類されるもの
（ｗｈｙ、ｈｏｗ、ｗｈｅｎなど）は、どんな仕方でも
圧縮されない。これらについては後で論じる。その他の
副詞は、文字削減（母音削除、子音削除、またはその双
方）がなされるが、これもまた後でより詳細に論じる。

【００４２】社名は、ＳｈｏｒｔＴｙｐｅ「Ｃｏｍｐａ
ｎｙ」を有し、これらもまた特別処理される。社名タイ
プは削除される。例えば、「ＭｉｃｒｏｓｏｆｔＣｏ
ｒｐｏｒａｔｉｏｎ」は、単に「Ｍｉｃｒｏｓｏｆｔ」
に変換することができる。短縮された形は、後で論じる
ように文字削減および大文字／小文字標準化を受ける。

【００４３】接続詞は、ＳｈｏｒｔＴｙｐｅ属性「Ｃｏ
ｎｊ」を有し、これらもまた特別処理される。例えば、
英語の接続詞「ａｎｄ」、フランス語の「ｅｔ」、およ
びドイツ語の「ｕｎｄ」には、アンパサンド符号が取っ
て代わる。スペイン語の「ｙ／ｅ」は、すでに１語なの
で短縮されない。その他の接続詞はすべてそのままであ
り、後の処理ステップを受ける。

【００４４】いくつかの様々なタイプの名詞もまた、特
別処理される。絶対的な日付および時間は、Ｓｈｏｒｔ
Ｔｙｐｅ「Ｄａｔｅｓ」で指定され、以下のようにして
処理される。あらゆる言語において、単独で月がある場
合、長い月名は短い形（ｓｈｏｒｔｆｏｒｍ）に変換
される。最後にピリオドの付いた短い月名では、ピリオ
ドは除去される。得られる短い形には、母音圧縮や大文
字／小文字標準化などは行われない。例えば、「ｌｅｔ
ｓｍｅｅｔｉｎＮｏｖｅｍｂｅｒ（１１月に会い
ましょう）」という句では、Ｎｏｖｅｍｂｅｒは「Ｎｏ
ｖ」に短縮される。同様に、「ｌｅｔｓｍｅｅｔｉ
ｎＮｏｖ．」という句では、Ｎｏｖｅｍｂｅｒの省略
形が「Ｎｏｖ」に変換される（すなわち後に付くピリオ
ドが取り去られる）。

【００４５】あらゆる言語において、日の指定がない月
（および年）は、短い月名だけとする。例えば、「２０
０１」が現在の年である場合に、語「Ｎｏｖｅｍｂｅｒ
２００１」は単に「Ｎｏｖ」に短縮される。

【００４６】日付が、月と現在の年でない年とである場
合は、数字の月および分離符号および数字の年に変換さ
れる。例えば、「Ｎｏｖ２００２」は、「１１／２０
０２」（英語およびフランス語の場合）、または「１
１．２００２」（他のヨーロッパ言語の場合）に変換さ
れる。

【００４７】同様に、アメリカ英語では、単一の絶対的
な日付は、月／日／年の数字フォーマットに標準化され
る。他の言語の日付は、それらのフォーマットに標準化
される（例えば日本語では常に、年−月−日のフォーマ
ットが使用される）。英語およびフランス語ではフォワ
ードスラッシュマークが分離符号として使用されるが、
スペイン語およびドイツ語ではピリオドが分離符号とし
て使用される。

【００４８】年は、「今日」の年と等しい場合、または
年に２０００を足した数が「今日」の年と等しい場合は
省略される。例えば、２３Ｊｕｌｙ，２００１は７／
２３に変換される。さらに、Ｍｏｎｄａｙ２３Ｊｕ
ｌｙも７／２３に変換される。

【００４９】同様に、ｍｉｄｎｉｇｈｔ（真夜中）もま
た特別処理を受ける。ｍｉｄｎｉｇｈｔもまた、Ｓｈｏ
ｒｔＴｙｐｅ「Ｄａｔｅｓ」で指定され、この短い形は
「１２ａｍ」である。よくある連語「１２ｍｉｄｎｉ
ｇｈｔ」もまた、短い形「１２ａｍ」を有するが、これ
は出力「１２１２ａｍ」を回避するための特別な場合
である。

【００５０】英語の日付範囲もまた、特別処理を受け
る。例えば、語「Ｄｅｃｅｍｂｅｒ５ｔｈ−９ｔｈ」
は、「１２／５−９」に変換される。また、日付範囲
「Ｄｅｃｅｍｂｅｒ５ｔｈ−９ｔｈ，２００２」は
「１２／５−９／２００２」に変換される。

【００５１】オフセット日付もまた特別処理され、これ
らにはＳｈｏｒｔＴｙｐｅ「ＯｆｆｓｅｔＤａｔｅ」が
与えられる。「ｎｅｘｔＷｅｄｎｅｓｄａｙ」などの
語がテキスト中で識別された場合は、そのメッセージが
送信された（または書かれた）日付が取得され、オフセ
ット日付「ｎｅｘｔＷｅｄｎｅｓｄａｙ」が変形され
る。したがって、メッセージが１２月１日の金曜日に送
信された場合、「ｎｅｘｔＷｅｄｎｅｓｄａｙ」が言
及するのは１２月６日ということになる。したがって、
語「ｎｅｘｔＷｅｄｎｅｓｄａｙ」は「１２／６」に
変換される。

【００５２】曜日には、ＳｈｏｒｔＴｙｐｅ「Ｄａｙ
ｓ」が与えられる。あらゆる言語で、絶対的な日付に確
実に変換できない独立した曜日は、それらの曜日の短い
形に変形される。最後にピリオドの付いた短い曜日名
は、ピリオドが取り去られる。得られる短い形には、母
音圧縮や大文字／小文字標準化などは行われない。例え
ば、「ｌｅｔｓｍｅｅｔｏｎＭｏｎｄａｙ（月曜
日に会いましょう）」という句では、語「Ｍｏｎｄａ
ｙ」は「Ｍｏｎ」に変換される。

【００５３】電子メールエイリアスおよびＵＲＬもま
た、特別処理を受ける。電子メールエイリアスおよびＵ
ＲＬは、大文字／小文字標準化も母音除去もされずにそ
のまま維持される。電子メールには、ＳｈｏｒｔＴｙｐ
ｅ「Ｅｍａｉｌ」が与えられ、ＵＲＬにはＳｈｏｒｔＴ
ｙｐｅ「ＵＲＬ」が与えられる。

【００５４】電話番号には、ＳｈｏｒｔＴｙｐｅ「Ｐｈ
ｏｎｅ」が与えられ、これらの中から句読点が除去され
る。例えば、語「ｃａｌｌｍｅａｔ（４２５）７０
３−７３７１（（４２５）７０３−７３７１にかけて私
に電話をください）」の中の電話番号は、単に「４２５
７０３７３７１」に変換される。

【００５５】州および国には、ＳｈｏｒｔＴｙｐｅ「Ｇ
ｅｏ」が与えられ、これらには従来の省略形が取って代
わる。例えば、「Ｗａｓｈｉｎｇｔｏｎ」には「ＷＡ」
が取って代わり、「Ａｌａｂａｍａ」には「ＡＬ」が取
って代わり、その他同様となる。

【００５６】言語でないものには、ＳｈｏｒｔＴｙｐｅ
「ＮｏｔＬａｎｇｕａｇｅ」が与えられ、言語圧縮は行
われない。このようなものの例には、以下のものが挙げ
られる。

【００５７】ｘ＝ｘ＋ｙ；Ｉｆ（ｘ＝１）｛＜ＳｏｍｅＸＭＬ＞Ｃｏｎｔｅｎｔ＜／ＳｏｍｅＸＭＬ＞＜Ｆｏｏ／＞．

【００５８】綴り字の数字もまた特別処理を受け、これ
らにはＳｈｏｒｔＴｙｐｅ「Ｎｕｍｂｅｒ」が与えられ
る。綴り字の数字には、アラビア数字が取って代わる。
例えば、英語の句「ｏｎｅｔｈｏｕｓａｎｄｆｏｕ
ｒｈｕｎｄｒｅｄｔｗｅｎｔｙ−ｆｉｖｅ」には、
「１４２５」が取って代わる。例示的に、千の位の間に
分離符号は使用されていない。

【００５９】貨幣の単位名もまた特別処理を受け、これ
らにはＳｈｏｒｔＴｙｐｅ「Ｄｏｌｌａｒｓ」が与えら
れる。千は語「Ｋ」で置換される。１００万は語「Ｍ」
で置換され、１０億は「Ｂ」で置換される。例えば、＄
１０００００は＄１００Ｋに、＄１２３００００００は
＄１２３Ｍに、＄２０００００００００は＄２Ｂに変換
される。また、これらの短い形は、後で述べる大文字／
小文字標準化を受けない。

【００６０】同様に、例示的な一実施形態では少数も示
される。例えば、＄２２５０００００００は＄２．２５
Ｂに変換される。また、通貨指示詞が後に続く数量は、
数と共に、その通貨に対する一般的な記号に標準化され
る。例えば、「ｏｎｅｈｕｎｄｒｅｄｄｏｌｌａｒ
ｓ」は「＄１００」に変換される。語「５７ｐｏｕｎｄ
ｓ」は「＃５７」に変換される。「５００Ｆｒａｎｃ
ｓ」は「５００Ｆｒ」に変換され、その他同様となる。

【００６１】固有名詞は特別処理を受け、これらにはＳ
ｈｏｒｔＴｙｐｅ「ＰｒｐｒＮ」が与えられる。ドイツ
語以外の言語では、複数の部分からなる固有名詞は、可
能なら単に第１の姓に凝縮される。例えば、「Ｄｒ．Ｍ
ａｒｙＳｍｉｔｈ」は「Ｓｍｉｔｈ」に変換される。

【００６２】スペイン語の、句からなる姓の場合は、第
１の部分に凝縮されることに留意されたい（例えば「Ｃ
ａｒｄｏｓｏｄｅＣａｍｐｏｓ」は「Ｃａｒｄｏｓ
ｏ」に短縮される）。例示的な一実施形態では、固有名
詞にも母音除去は行われない。

【００６３】同様に、固有名詞は、より一般的な名前が
あるかどうか辞書ルックアップを受ける。例えば、固有
名詞「Ｐａｔｒｉｃｋ」には「Ｐａｔ」が取って代わる
ことができる。名前「Ｗｉｌｌｉａｍ」には「Ｗｉｌ
ｌ」が取って代わることができ、その他同様である。さ
らに、名前および最後の頭文字がある場合は、単に名前
だけに短縮される。

【００６４】ドイツ語では、テキストフラグメント中の
多くの単語が大文字になるので、この言語では固有名詞
はより厄介である。したがってドイツ語では、固有名詞
は、限定詞が前にある場合は圧縮されない。

【００６５】所有格もまた特別処理され、これらにはＳ
ｈｏｒｔＴｙｐｅ「Ｐｏｓｓｅｓｓｉｖｅ」が与えられ
る。英語では、「′ｓ」および「ｓ′」の接語が付いた
所有格は、アポストロフィなしで書き直すことができ
る。例えば、語「Ｊｏｈｎ′ｓｈｏｕｓｅ」は「Ｊｏｈ
ｎｓｈｏｕｓｅ」と書くことができる。同様に、「ｄ
ｏｇ′ｓｔａｉｌｓ」は「ｄｏｇｓｔａｉｌｓ」と
書くことができる。

【００６６】いくつかの前置詞もまた特別処理を受け、
これらにはＳｈｏｒｔＴｙｐｅ「Ｐｒｅｐｓ」が与えら
れる。例えば英語では、いくつかの前置詞がルックアッ
プテーブルを通して要約される。例えば、「ｔｈｒｏｕ
ｇｈ」は「ｔｈｒｕ」に要約することができる。単語
「ａｔ」は「＠」に要約することができる。ある状況で
は、語「ｔｏ」および「ｆｏｒ」もまた、「２」および
「４」に要約することができる。これらは、略さずに綴
られた数詞または数字であって、可能性ある数字置換形
を有する数詞または数字に隣接していない場合に限り、
このような形で要約される。例えば、「Ｉｗａｎｔ
ｔｏｌｅａｖｅ（私は出発したい）」という句では、
語「ｔｏ」に数字「２」が取って代わる。しかし、「Ｉ
ｈａｖｅｂｅｅｎｔｏｔｗｏｇｏｏｄｍｏｖ
ｉｅｓｌａｔｅｌｙ（私は最近よい映画を２本観に行
った）」という句では、語「ｔｏ」は数字「２」に変化
しない。そうすると、話者がよい映画を２２本観たとい
う誤解が生じる可能性があるからである。

【００６７】いくつかの代名詞もまた特別処理を受け、
これらにはＳｈｏｒｔＴｙｐｅ「Ｐｒｏｎｏｕｎｓ」が
与えられる。英語では、代名詞「ｙｏｕ」には「Ｕ」が
取って代わる。他のすべての代名詞は同じままであり、
母音除去されない。スペイン語では、代名詞「Ｕｓｔｅ
ｄ」には「Ｕｄ」が取って代わり、「Ｕｓｔｅｄｅｓ」
には「Ｕｄｓ」が取って代わる。ドイツ語では、「ｅｉ
ｎ」（および屈折）を含む代名詞は、数字「１」を使用
して要約される。

【００６８】句読点は特別処理され、これにはＳｈｏｒ
ｔＴｙｐｅ「Ｐｕｎｃｔｕａｔｉｏｎ」が与えられる。
文の分離符号でもなく、電子メールエイリアスまたはＵ
ＲＬの中に現れたのでもない句読点は、削除される。不
可欠な句読点には、ＳｈｏｒｔＴｙｐｅ「Ｅｓｓｅｎｔ
ｉａｌＰｕｎｃｔ」が与えられる。あらゆる言語で、以
下の文字は削除されない。すなわち、

【００６９】

【外１】

【００７０】である。日本語では、文の分離符号として
のみ使用される特別な小円記号もまた削除されない。セ
ミコロンおよびピリオドは、文の最後の句読点でない場
合に限って削除される。他のすべての文字は、Ｎｏｎｅ
ｓｓｅｎｔｉａｌＰｕｎｃｔｕａｔｉｏｎ（後述する）
とマークされる。

【００７１】ただし一実施形態では、最後の句読点の連
なりは、最初の文字に短縮される。したがって、「Ａｒ
ｅｔｈｅｓｅｔｈｉｎｇｓｒｅｍｏｖｅｄ？！？
（除去されたものがあるか？！？）」のような句では、
最後の句読点は単に「？」に短縮される。

【００７２】またあらゆる言語で、他の圧縮規則に従っ
てディジットになる場合のあるものの間に現れる句読点
は維持される。例えば、「Ｉｂｏｕｇｈｔ３ｉｎ
１９７６ａｎｄｉｎ１９７７，１００（私は１
９７６年に３個買い、１９７７年に１００個買った）」
という句では、１９７７の後のコンマは維持される（ま
たは任意選択でスペースが維持される）。これは、１９
７７１００に圧縮されるのを避け、そうではなく「１９
７７，１００」または「１９７７１００」に圧縮され
るようにするためである。

【００７３】同様に、英語では、ｉｎｃｈｅｓ（イン
チ）およびｆｏｏｔ／ｆｅｅｔ（フィート）の測定値の
句は、適切なら″または′に変換される。

【００７４】その他の重要でない句読点マークは特別処
理を受け、これらにはＳｈｏｒｔＴｙｐｅ「Ｎｏｎｅｓ
ｓｅｎｔｉａｌＰｕｎｃｔ」が与えられる。類事実（電
子メールアドレス、ＵＲＬ、数字範囲など）の中の句読
点は、そのまま残る。このような類事実の中にあるので
はない句読点は、ＥｓｓｅｎｔｉａｌＰｕｎｃｔと、接
続詞として現れた句読点（例えば節を分離するためのセ
ミコロン）とを除いては、削除することができる。

【００７５】いくつかの動詞もまた特別処理を受け、こ
れらにはＳｈｏｒｔＴｙｐｅ「Ｖｅｒｂｓ」が与えられ
る。このような動詞は、辞書ルックアップの対象であ
る。例えば、単語「ａｒｅ」には文字「Ｒ」が取って代
わり、単語「ｂｅ」には「Ｂ」が取って代わることがで
きる。そうでない場合は、動詞は単に、後で述べる文字
削減および大文字／小文字標準化を受ける。

【００７６】他にあと２つの形の特別処理も行われる。
一方は、ＳｈｏｒｔＴｙｐｅ「ＷｏｒｄＳｕｂｓｔｉｔ
ｕｔｉｏｎ」が与えられ、単語置換を含むものであり、
他方は、先に論じた「ｗｈ」単語の処理である。これら
のタイプの特別処理については、後で説明の中でより詳
細に考察する。

【００７７】次に、再び図５および図６に関して考察を
進める。図５のブロック２４４で、これらの特別処理ケ
ースをどれも行わない場合は、分析中の単語に関連する
ＳｈｏｒｔＦｏｒｍ属性を、単にＬｏｎｇＦｏｒｍ属性
（テキスト中に書かれた単語の形）に設定する。これを
ブロック２４６で示す。

【００７８】しかし、ブロック２４４で特別処理を行う
と判定した場合は、次に、特別処理が単語置換かどうか
を判定する。単語置換は、しばしば辞書ルックアップに
基づいて単純に行う。単語置換は、例えば別の単語また
は句にあたる頭字語を得るために行うことができる。例
えば英語では、「ａｓｓｏｏｎａｓｐｏｓｓｉｂ
ｌｅ」という句は「ＡＳＡＰ」で置換することができ
る。

【００７９】特別処理が単語置換である場合は、必要な
単語置換をテキスト中の単語に対して行って、Ｓｈｏｒ
ｔＦｏｒｍ属性を得る。これをブロック２５０で示す。
単語置換が成功した場合は、ＣａｓｅＮｏｒｍａｌｉｚ
ｅｄＦｏｒｍ（ＣＮＦ）属性とＣｏｍｐｒｅｓｓｅｄＦ
ｏｒｍ（Ｃｏｍｐ）属性の双方を、このときにＳｈｏｒ
ｔＦｏｒｍ属性にみられるのと同じ形に設定する。これ
により、文字削減や大文字／小文字標準化などの後続処
理からその単語が除かれる。これをブロック２５２で示
す。したがって、単語置換プロセスを用いて、他の厄介
な状況も回避することができる。例えばドイツ語では、
代名詞「ｓｉｃｈ」は、よくある卑猥な言葉の省略形を
もたらす後続の母音削除を回避するために、（単語置換
により）「ｓｉｃｈ」のままにしておく必要がある可能
性がある。特別処理が単語置換であるかどうか判定する
ことを、ブロック２４８に示す。

【００８０】ブロック２４８で、行う特定のタイプの特
別処理が単語置換ではないと判定した場合は、ブロック
２５４で、行う特別処理が前述の「ｗｈ」単語に関連す
る処理かどうか判定する。そうである場合は、「ｗｈ」
単語は短縮されないことを想起されたい。この場合、残
りのすべての属性（ＳｈｏｒｔＦｏｒｍ、ＣａｓｅＮｏ
ｒｍａｌｉｚｅｄＦｏｒｍ、およびＣｏｍｐｒｅｓｓｅ
ｄＦｏｒｍ）は、ＬｏｎｇＦｏｒｍに設定する。これを
ブロック２５６で示す。

【００８１】ブロック２５４で、行われる特別処理が
「ｗｈ」単語に関連する処理ではないと判定された場合
は、前述の特別処理操作のうちの他の１つでなければな
らない。この場合、その特定の特別処理ステップを行っ
てＳｈｏｒｔＦｏｒｍ属性を獲得し、それを保存する。
これをブロック２５８で示す。

【００８２】特別処理を行い、ＳｈｏｒｔＦｏｒｍ属性
を得た後で、ＳｈｏｒｔＦｏｒｍ属性をスペース除去に
かける。最初に、スペース除去を行うべきかどうかを決
定する。これをブロック２６０で示す。行うべきである
場合は、短い形を以下のプロシージャ中に述べるような
スペース除去アルゴリズムにかける。

【００８３】各トークンを以下のとおり分類する <EssentialPunct>:これらは叙述を必要とせず、すべてのトークンを叙述する働きをすると仮定する <CaseDelineable>:大文字／小文字を標準化できる場合の、すべての通常の単語／句などを含む <Number>:数字（これらには「２」に変換された「ｔｗｏ」のようなトークンが含まれることに留意されたい） <SpaceDelineable>:ＵＲＬや電子メールアドレスのように、周りにスペースがなければならないトークンアルゴリズムの一実施形態 //前にスペースのない短い形で始める Result = RemoveLeadingSpaces (<short form>) //トークンがNULLでない場合にのみこれを行う if (Result) { FrontSpaceNeeded = FALSE; //現在のトークンのタイプをオンにする switch <curtype> { case <EssentialPunct>: //すべて行うべきである。叙述は必要でない break; case <CaseDelineable>: //前のタイプがspace delineableであった場合はスペースを配置する if (prevtype == <SpaceDelineable>) FrontSpaceNeeded = TRUE; break; case <Number>: //前のタイプがnumberまたはspace delineableであった場合はスペースを配置する if (prevtype == <SpaceDelineable> || prevtype == <Number> || Previ ousTokenがディジットで終わる) FrontSpaceNeeded = True; break; case <SpaceDelineable>: //前のトークンがessential punctuationでない限りスペースを配置する if (prevtype! = <EssentialPunct> && !lsFirstTokenInSentence) Front SpaceNeeded = TRUE; break; } //前のタイプを現在のタイプに設定する prevtype = curtype; if (FrontSpaceNeeded) Result = AddLeadingSpace (<Result>) }

【００８４】この擬似コードは、ＵＲＬや電子メールア
ドレスなどの前にあるスペースは除去されず、これらの
後に続くスペースも除去されないことを示している。し
かし、叙述がなされる可能性のあるその他の場合では、
スペースはＳｈｏｒｔＦｏｒｍ属性から除去されること
になる。これをブロック２６２で示す。

【００８５】次に、大文字／小文字標準化を行うかどう
かを判定する。これをブロック２６４で示す。例えば、
ＵＲＬおよび電子メール、ならびに大文字／小文字の影
響を受けやすいその他のものの中では、大文字／小文字
標準化は望ましくない場合があることを理解されたい。
このような場合は、ブロック２６６で示すように、Ｃａ
ｓｅＮｏｒｍａｌｉｚｅｄＦｏｒｍ属性をＳｈｏｒｔＦ
ｏｒｍ属性に設定する。しかし、大文字／小文字標準化
が行われる場合は、ＳｈｏｒｔＦｏｒｍ属性の各単語の
第１文字（トークンは複数の単語からなる可能性がある
ことを想起されたい）を大文字にし、これをＣａｓｅＮ
ｏｒｍａｌｉｚｅｄＦｏｒｍ属性として保存する。これ
をブロック２６８で示す。

【００８６】次に、さらに圧縮を行うかどうかを判定す
る。これをブロック２７０で示す。例えば、上述したい
くつかの特別処理の場合では、母音除去は行わない（英
語の代名詞、「ｗｈ」単語、固有名詞や、Ｍｏｎ、Ｔｕ
ｅｓなどの日付のＳｈｏｒｔＦｏｒｍなど）。同様に、
頭文字、電子メールアドレス、ＵＲＬなどからも、母音
または子音は除去しない。

【００８７】これ以上の圧縮を行わない場合は、ブロッ
ク２７２で示すように、ＣｏｍｐｒｅｓｓｅｄＦｏｒｍ
属性をＣａｓｅＮｏｒｍａｌｉｚｅｄＦｏｒｍに設定す
る。しかし、さらに圧縮を行う場合は、ＣａｓｅＮｏｒ
ｍａｌｉｚｅｄＦｏｒｍに文字削減を施す（母音および
子音の除去など）。

【００８８】この考察では、用語「語中母音」とは、単
語の最初にあるのでも最後にあるのでもない単一母音ま
たは一連の母音を意味する。英語では、すべての語中母
音は除去される。

【００８９】ドイツ語において文字を除去する場合は、
まず子音群の簡略化規則が適用される。例えば、子音群
「ｓｃｈ」は、指小接尾辞−ｓｃｈｅｎの中以外では
「ｓｈ」に簡略化される。子音群「ｃｋ」もまた、
「ｋ」に簡略化される。

【００９０】次に、語尾に随伴する−ｅｉｎは、同じ発
音の−１で置換される。ドイツ語には、−ｅｉｎで終わ
るが数字の１と同じ発音ではない単語がいくつかある。
このような単語のいくつかの例を以下に挙げる。

【００９１】Ｃｏｄｅｉｎ、Ｃｏｆｆｅｉｎ、Ｃａｓｅ
ｉｎ、Ｆｌｕｏｒｅｓｚｅｉｎ、Ｈｕｓｓｅｉｎ、Ｋａ
ｆｆｅｉｎ、Ｋａｓｅｉｎ、Ｋｌｅｂｅｒｐｒｏｔｅｉ
ｎ、Ｋｏｄｅｉｎ、Ｌｕｔｅｉｎ、Ｍｏｖｅｉｎ、Ｎｕ
ｋｌｅｉｎ、Ｎｕｃｌｅｉｎ、Ｏｌｅｉｎ、Ｐｈｅｎｏ
ｌｐｈｔａｌｅｉｎ、Ｐｈｔａｌｅｉｎ、Ｐｒｏｔｅｉ
ｎ、Ｐｙｇｍａｅｉｎ、Ｔａｌｅｉｎ、Ｔｅｉｎ、Ｔｈ
ｅｉｎ、Ｚｅｉｎ、Ｚｙｇｓｔｅｉｎまた、後続の単語が数字、日付、時間など（ディジット
で始まる場合のある何らかのもの）である場合も、「ｅ
ｉｎ」置換は行われないことに留意されたい。

【００９２】ドイツ語で、語中母音を１つしか含まない
単語の中では、母音は削除されない。２つ以上の語中母
音を含む単語の場合は、２番目の語中母音ごとに削除さ
れる。子音と語尾「ｎｇ」との間の文字「ｕ」は削除さ
れる。まだ残っている「ｉｅ」がある場合は、「ｉ」に
変換される。最後に、文字「ｅ」は、子音に続き、かつ
語尾「ｌ、ｍ、ｎ、またはｒ」の前にある場合は、削除
される。母音は、文字ｓに続き、かつ群ｃｈの前にある
場合は、削除されないことに留意されたい。削除される
と、ｓｃｈという連続になり、ドイツ語の読み手はこれ
を１つの子音の始めと解釈する傾向が非常に強いからで
ある。この考察では、母音には通常、ａｅｉｏｕが含ま
れ、いくつかの言語ではｙも含まれ、またアクセント、
ウムラウト、およびその他の発音区別符号が付いたすべ
ての形が含まれる。英語、ドイツ語、フランス語、およ
びスペイン語に対する十分なリストを以下に挙げる。

【００９３】

【外２】

【００９４】英語、ドイツ語、フランス語、およびスペ
イン語では、子音には以下のものが含まれる。

【００９５】

【外３】

【００９６】他の言語の場合は、追加の子音記号を追加
することができる。

【００９７】ブロック２７４で示すように文字削減（母
音除去や子音除去など）が行われると、Ｃｏｍｐｒｅｓ
ｓｅｄＦｏｒｍ属性が得られ、保存される。これをブロ
ック２７６で示す。最後に、可能性ある圧縮オプション
として５つの属性すべてを出力することができる。これ
をブロック２７８で示す。

【００９８】構文解析ツリーの走査中に、末端以外のノ
ードレベルでも圧縮を行うことができることにも留意さ
れたい。一実施形態では、構文分析に基づいて句全体を
削除する。例えば、「ＷｈｉｌｅＩｗａｓｓｔｕ
ｃｋｏｎｔｈｅｆｒｅｅｗａｙ，Ｉｒｅｍｅｍ
ｂｅｒｅｄｔｏａｓｋｙｏｕｔｏｓｅｎｄｍ
ｅｔｈｅｃｏｎｔａｃｔｉｎｆｏｒｍａｔｉｏｎ
ｆｏｒＤｒ．ＭａｒｙＳｍｉｔｈ．（フリーウェ
イで立ち往生している間に、ＭａｒｙＳｍｉｔｈ先生
に関するコンタクト情報を送ってくれるようにあなたに
頼むことを思い出した。）という文を考えてみる。この
例では、文頭の従属節全体を削除することができる。言
い換えれば、構文分析によってこれが従属節であること
が示され、従属接続詞「ｗｈｉｌｅ」によってこれが時
を表す副詞節であることが示される。したがって、この
フレーズ全体を単純に削除して、「Ｉｒｅｍｅｍｂｅ
ｒｅｄｔｏａｓｋｙｏｕｔｏｓｅｎｄｍｅ
ｔｈｅｃｏｎｔａｃｔｉｎｆｏｒｍａｔｉｏｎ
ｆｏｒＤｒ．ＭａｒｙＳｍｉｔｈ．」という文を得
ることができる。１９９８年１２月２４日に出願された
ＳＹＳＴＥＭＦＯＲＩＭＰＲＯＶＩＮＧＴＨＥ
ＰＥＲＦＯＲＭＡＮＣＥＯＦＩＮＦＯＲＭＡＴＩＯ
ＮＩＤＥＮＴＩＦＹＩＮＧＣＬＡＵＳＥＳＨＡＶ
ＩＮＧＰＲＥＤＥＴＥＲＭＩＮＥＤＣＨＡＲＡＣＴ
ＥＲＩＳＴＩＣＳという名称の特許出願第＿０９／２２
０８３６号に、従属節の識別、およびそれらの節が比較
的重要な題材を含んでいるかどうかの識別に関する追加
情報が提供されている。

【００９９】末端以外のノードレベルでの圧縮に関する
別の例は、発話行為動詞に関するものである。発話行為
動詞は、言語学で「補語をとる述語」と呼ばれるサブク
ラスである。英語では、以下の文にあいまいさが示され
る。

【０１００】「Ｊｏｈｎｓａｉｄｔｈａｔｈｅ
ｗａｓａｒｒｉｖｉｎｇｎｅｘｔＷｅｄｎｅｓｄ
ａｙ．」ある読み方では、単語「ｈｅ」は「Ｊｏｈｎ」
と同一指示的である。別の読み方では、「ｈｅ」は他の
誰かである可能性がある。以下のように、出力を入力よ
りいくらかでもあいまいにすることなく、この文のいく
つかの要素を削除することができる。

【０１０１】母型節の発話行為動詞の主語（この場合は
「ｓａｉｄ」の主語である「Ｊｏｈｎ」）が従属節の代
名詞主語（ｈｅ）と同一指示的であるかもしれない場合
に、形態ルックアップからわかるようにこれらが双方と
も男性であることに注意することによって、または同一
指示性を決定するためのより複雑な意味論分析を用いる
ことによって、同一指示的であることが決定できる場合
は、従属節中の代名詞は削除することができる。従属接
続詞「ｔｈａｔ」もまた削除でき、以下のようになるこ
とに留意されたい。

【０１０２】「Ｊｏｈｎｓａｉｄｗａｓａｒｒｉ
ｖｉｎｇｎｅｘｔＷｅｄｎｅｓｄａｙ」従属節の主
語は、それが代名詞であって、かつ主節の主語と同一指
示的であるときだけ削除するように注意しなければなら
ないことに留意されたい。例えば、以下の場合は削除す
べきではない。

【０１０３】Ｊｏｈｎｓａｉｄｔｈａｔｓｈｅ
ｗａｓａｒｒｉｖｉｎｇ．．．ＪｏｈｎｓａｉｄｔｈａｔＢｉｌｌｗａｓａ
ｒｒｉｖｉｎｇ．．．Ｊｏｈｎｓａｉｎｔｈａｔｔｈｅｙｗｅｒｅ
ａｒｒｉｖｉｎｇ．．．

【０１０４】この時点で、図３に示した文を例にして話
を続けるのが有用であろう。先に述べたように、分析に
おける各ノードを再帰的に調べて、圧縮が達成できるか
どうかを判定する。したがって、最初に文ノード（Ｓ）
を調べる。この時点では圧縮を行うことはできず、した
がって処理はより深い分析に進み、名詞句ノード３００
を調べる。このレベルでは圧縮を行うことはできず、し
たがって、処理はより深く代名詞ノード３０２に進む。
代名詞は「ｙｏｕ」であることがわかる。したがって、
特別処理の規定により、これを「Ｕ」に変換することが
できる。この結果、以下の属性が得られる。

【０１０５】ＳｈｏｒｔＴｙｐｅ＝ＰｒｏｎｏｕｎｓＬｏｎｇＦｏｒｍ＝ＹｏｕＳｈｏｒｔＦｏｒｍ＝ＵＣＮＦ＝ＵＣｏｍｐ．＝Ｕ

【０１０６】次の処理は、動詞句ノード３０４に関して
継続する。このレベルでは圧縮を行うことはできないこ
とがわかり、したがって動詞ノード３０６を調べる。語
「ｈａｖｅ」を、単純に図５および図６に示すフローチ
ャート中を通し、大文字／小文字標準化および母音除去
を施して、語「Ｈｖｅ」が得られる。これにより、以下
の属性が得られる（下線は前にあるスペースを表す）。

【０１０７】ＳｈｏｒｔＴｙｐｅ＝ＶｅｒｂｓＤｅｆａｕｌｔＬｏｎｇＦｏｒｍ＝＿ｈａｖｅＳｈｏｒｔＦｏｒｍ＝＿ｈａｖｅＣＮＦ＝ＨａｖｅＣｏｍｐ．＝Ｈｖｅ

【０１０８】この場合も、ノード３０８を調べ、このレ
ベルでは圧縮を行うことはできないことがわかる。した
がって、検査はノード３１０に進み、図５のブロック２
４０で冠詞「ａ」を削除する。これにより以下のように
なる。

【０１０９】ＳｈｏｒｔＴｙｐｅ＝ＡｒｔｉｃｌｅｓＬｏｎｇＦｏｒｍ＝＿ａＳｈｏｒｔＦｏｒｍ＝ＮｕｌｌＣＮＦ＝ＮｕｌｌＣｏｍｐ．＝Ｎｕｌｌ

【０１１０】次いで、ノード３１２を調べて単語置換を
施し、これにより以下の５つの属性が得られる。

【０１１１】ＳｈｏｒｔＴｙｐｅ＝ＷｏｒｄＳｕｂｓｔ
ｉｔｕｔｉｏｎＬｏｎｇＦｏｒｍ＝＿ｍｅｅｔｉｎｇＳｈｏｒｔＦｏｒｍ＝ＭｔｇＣＮＦ＝ＭｔｇＣｏｍｐ．＝Ｍｔｇ

【０１１２】次いで、前置詞句ノード３１４を調べる
が、このレベルでは圧縮を行うことはできないと判定さ
れる。したがって、前置詞ノード３１６を調べる。処理
は図５および図６のフローチャート中を移動し、大文字
／小文字標準化および母音除去を行って、以下の５つの
属性が得られる。

【０１１３】ＳｈｏｒｔＴｙｐｅ＝ＰｒｅｐｓＤｅｆａｕｌｔＬｏｎｇＦｏｒｍ＝＿ｗｉｔｈＳｈｏｒｔＦｏｒｍ＝＿ｗｉｔｈＣＮＦ＝ＷｉｔｈＣｏｍｐ．＝Ｗｔｈ

【０１１４】次いで、固有名詞ノード３１８を調べる。
このノードでは、ＰｒｐｒＮのＳｈｏｒｔＴｙｐｅを用
いて３つの単語「Ｄｒ．ＪｏｈｎＥｐｓｔｅｉｎ」を
圧縮できることがわかる。これにより、以下の５つの属
性が得られる。

【０１１５】ＳｈｏｒｔＴｙｐｅ＝ＰｒｐｒＮＬｏｎｇＦｏｒｍ＝＿Ｄｒ．＿Ｊｏｈｎ＿Ｅｐｓｔｅｉ
ｎＳｈｏｒｔＦｏｒｍ＝＿ＥｐｓｔｅｉｎＣＮＦ＝ＥｐｓｔｅｉｎＣｏｍｐ．＝Ｅｐｓｔｅｉｎ

【０１１６】次に、ノード３２０を調べるが、この句が
オフセット日付を表していることがわかる。図５および
図６に示すフローチャートを通してこれを分析し、以下
の５つの属性が得られる。

【０１１７】ＳｈｏｒｔＴｙｐｅ＝ＯｆｆｓｅｔＤａｔｅＬｏｎｇＦｏｒｍ＝＿ｎｅｘｔ＿ＴｕｅｓｄａｙＳｈｏｒｔＦｏｒｍ＝＿１２／３ＣＮＦ＝１２／３Ｃｏｍｐ．＝１２／３

【０１１８】次に、ノード３２２を調べるが、このノー
ドでは圧縮を行うことはできないと判定される。したが
って、前置詞ノード３２４を調べる。図５および図６に
示す処理を通して、語「ａｔ」が「＠」に対する単語置
換の対象であることに気付く。これにより、以下の５つ
の属性が得られる。

【０１１９】ＳｈｏｒｔＴｙｐｅ＝ＷｏｒｄＳｕｂｓｔ
ｉｔｕｔｉｏｎＬｏｎｇＦｏｒｍ＝＿ａｔＳｈｏｒｔＦｏｒｍ＝＠ＣＮＦ＝＠Ｃｏｍｐ．＝＠

【０１２０】最後にノード３２６を調べるが、見つかる
圧縮は、綴り字の語「ｔｅｎ」に数字「１０」が取って
代わることだけであり、これにより５つの属性が得られ
る。

【０１２１】ＳｈｏｒｔＴｙｐｅ＝ＮｕｍｂｅｒｓＬｏｎｇＦｏｒｍ＝＿ｔｅｎ＿ａｍＳｈｏｒｔＦｏｒｍ＝＿１０ａｍＣＮＦ＝１０ａｍＣｏｍｐ．＝１０ａｍ

【０１２２】次いでコンプレッサ２０２が、これらのデ
ータ構造中に示した様々な圧縮オプションの中から自由
に選りすぐって、最終的な出力であるテキスト圧縮バー
ジョンを提供する。これは、ターゲットデバイス２０５
上の表示画面のサイズが著しく限られている場合は非常
に大胆に行うことができ、例えば表示空間のより大きい
パームトップコンピュータの場合は、より低い大胆さで
行うことができる。したがって、最も大胆な圧縮は以下
のようになる。

【０１２３】ＵＨＶｅＭｔｇＷｔｈＥｐｓｔｅｉｎ１２
／３＠１０ａｍ

【０１２４】非常に大胆な圧縮でも、これは大いに読む
ことが可能かつ解読可能なテキストメッセージであり、
それでもなお、図３に述べた原形に勝って多くの空間を
節約する。

【０１２５】したがって、本発明を使用して大きな圧縮
をもたらすことができ、それでもなお、圧縮は、人間が
容易に解読できるような言語的に非常にインテリジェン
トな方式で行われることがわかる。本発明はまた、個々
の単語および句ごとに異なる複数の圧縮オプションを提
供し、これらは多くの場合、大胆さの様々な度合いを反
映する。このことは、最終的にターゲットデバイス中で
最良の圧縮シーケンスを選択しなければならないダウン
ストリームコンポーネントにとって非常に有用である。

【０１２６】本発明を特定の実施形態に関して述べた
が、本発明の趣旨および範囲を逸脱することなく形式お
よび詳細に変更を加えることができることを当業者なら
理解するであろう。

【図面の簡単な説明】

【図１】本発明を使用することのできる一実施形態のブ
ロック図である。

【図２】本発明の一実施形態により言語分析を行うため
のメッセージハンドラのブロック図である。

【図３】例示的な文に関する構文解析ツリーの一部の図
である。

【図４】図２に示したシステムの全体的な動作のフロー
チャートである。

【図５】構文分析の中の末端ノード（または単語および
句読点）に対する圧縮オプションを生成する際の、図２
に示したシステムの動作を示すより詳細なフローチャー
トである。

【図６】構文分析の中の末端ノード（または単語および
句読点）に対する圧縮オプションを生成する際の、図２
に示したシステムの動作を示すより詳細なフローチャー
トである。

【符号の説明】

１１０コンピュータ１２０プロセッシングユニット１２１システムバス１３０システムメモリ１３１ＲＯＭ１３２ＲＡＭ１３３ＢＩＯＳ１３４オペレーティングシステム１３５アプリケーションプログラム１３６その他のプログラムモジュール１３７プログラムデータ１４０取外し不可能かつ不揮発性メモリインタフェー
ス１４１ハードディスクドライブ１４４オペレーティングシステム１４５アプリケーションプログラム１４６その他のプログラムモジュール１４７プログラムデータ１５０取外し可能かつ不揮発性メモリインタフェース１５１磁気ディスクドライブ１５２磁気ディスク１５５光学ディスクドライブ１５６光学ディスク１６０ユーザ入力インタフェース１６１ポインティングデバイス１６２キーボード１６３マイクロホン１７０ネットワークインタフェース１７１ローカルエリアネットワーク１７２モデム１７３ワイドエリアネットワーク１８０リモートコンピュータ１８５リモートアプリケーションプログラム１９０ビデオインタフェース１９１モニタ１９５出力周辺インタフェース１９６プリンタ１９７スピーカ２００メッセージハンドラ２０２コンプレッサ２０４メッセージパーサ２０５ターゲットデバイス２０６言語アナライザ２０８テキスト圧縮コンポーネント２１０リンク２１２メッセージ２１４メッセージ本文２１６圧縮済みＸＭＬ出力３００、３０２、３０４、３０６、３０８、３１０、３
１２、３１４、３１６、３１８、３２０、３２２、３２
４、３２６ノード

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁷ 識別記号ＦＩテーマコート゛(参考）Ｈ０４Ｂ 7/26 Ｈ０４Ｍ 1/725 ５Ｋ１０１Ｈ０４Ｍ 1/725 11/00 ３０２ 11/00 ３０２Ｈ０４Ｂ 7/26 Ｍ (72)発明者シャラドマシュアアメリカ合衆国 98052 ワシントン州レッドモンドノースイースト 76 コート 14924 Ｆターム(参考） 5B009 ME21 QA02 RB01 VB02 5B075 KK23 ND03 ND18 NR16 UU24 5B091 AA13 CA02 CA05 CC02 5K027 AA11 BB01 FF01 FF22 5K067 AA21 BB04 BB21 DD51 EE02 EE10 EE16 FF02 FF23 HH22 5K101 KK02 LL12 NN18 NN21 UU19

Claims

【特許請求の範囲】

【請求項１】テキスト本文を処理して圧縮オプション
を生成する方法であって、テキスト本文に対して言語分析を行って、テキスト本文
の言語構成要素を示す言語出力を取得し、前記言語出力に基づいて、テキスト本文を圧縮するため
の複数の圧縮オプションを生成することを含むことを特
徴とする方法。
【請求項２】前記複数の圧縮オプションを生成する処
理では、テキスト本文の一部に様々な圧縮規則セットを
当てはめて、複数の圧縮オプションを取得することを特
徴とする請求項１に記載の方法。
【請求項３】前記テキスト本文に様々な圧縮規則セッ
トを当てはめる処理では、圧縮オプションがテキスト本
文の同じ部分の様々な圧縮程度を反映するように、テキ
スト本文の一部に所定の順序で異なる圧縮規則セットを
当てはめることを特徴とする請求項２に記載の方法。
【請求項４】前記複数の圧縮オプションを生成する処
理では、テキスト本文の一部に当てはめられる圧縮規則
セットのうちの少なくとも１つを示す圧縮識別子属性を
生成することを特徴とする請求項４に記載の方法。
【請求項５】前記複数の圧縮オプションを生成する処
理では、圧縮規則セット適用後のテキスト本文の一部の
圧縮形を示すＳｈｏｒｔＦｏｒｍ属性を生成することを
特徴とする請求項４に記載の方法。
【請求項６】前記複数の圧縮オプションを生成する処
理では、ＳｈｏｒｔＦｏｒｍ属性に基づいて、Ｓｈｏｒ
ｔＦｏｒｍ属性のＣａｓｅＮｏｒｍａｌｉｚｅｄＦｏｒ
ｍを示す大文字／小文字標準化済み属性を生成すること
を特徴とする請求項５に記載の方法。
【請求項７】前記複数の圧縮オプションを生成する処
理では、大文字／小文字標準化済み属性をさらに圧縮し
た形を示す圧縮属性を生成することを特徴とする請求項
６に記載の方法。
【請求項８】前記圧縮属性を生成する処理では、大文
字／小文字標準化済み属性に文字除去規則を適用して、
ＣａｓｅＮｏｒｍａｌｉｚｅｄＦｏｒｍ中の文字の所定
位置に基づいて文字を除去することを特徴とする請求項
７に記載の方法。
【請求項９】前記複数の圧縮オプションを生成する処
理では、テキスト本文の一部のほとんど圧縮されない形
を反映するＬｏｎｇＦｏｒｍ属性を生成することを特徴
とする請求項８に記載の方法。
【請求項１０】前記ＳｈｏｒｔＦｏｒｍ属性が、辞書
ルックアップに基づく単語置換形を含み、複数の圧縮オ
プションを生成する処理では、大文字／小文字標準化済
み属性および圧縮属性をＳｈｏｒｔＦｏｒｍ属性に設定
することを特徴とする請求項９に記載の方法。
【請求項１１】前記言語分析を行う処理では、テキス
ト本文の一部に対して構文分析を行い、前記Ｓｈｏｒｔ
Ｆｏｒｍ属性を生成する処理では、構文分析に基づいて
圧縮規則セットを適用することを特徴とする請求項５に
記載の方法。
【請求項１２】前記言語分析では、さらに、構文分析
を行う前に、テキスト本文に対して語彙分析を行い、お
よびテキスト本文に対して形態分析を行うことを特徴と
する請求項１１に記載の方法。
【請求項１３】前記ＳｈｏｒｔＦｏｒｍ属性を生成す
る処理では、日付を数字の形に標準化することを特徴と
する請求項５に記載の方法。
【請求項１４】前記ＳｈｏｒｔＦｏｒｍ属性を生成す
る処理では、テキスト本文が書かれた日付に基づいてオ
フセット日付を数字の形に標準化することを特徴とする
請求項５に記載の方法。
【請求項１５】前記ＳｈｏｒｔＦｏｒｍ属性を生成す
る処理では、記号の影響を受けやすいテキストフラグメ
ントを未圧縮の形で維持することを特徴とする請求項５
に記載の方法。
【請求項１６】前記記号の影響を受けやすいテキスト
フラグメントを維持する処理では、完全にそのままにし
ておかない限り正確に理解できないテキストフラグメン
トを未圧縮の形で維持することを特徴とする請求項１５
に記載の方法。
【請求項１７】前記テキストフラグメントを維持する
処理では、ユニフォームリソースロケータおよび電子メ
ールアドレスを未圧縮の形で維持することを特徴とする
請求項１６に記載の方法。
【請求項１８】前記構文分析は、テキスト本文の複数
単語からなる部分を表す末端以外のノードと、テキスト
本文中の単語を示す末端ノードとを有するツリーを含
み、末端以外のノードと末端ノードが双方とも、圧縮規
則が適用されるかどうか検査されることを特徴とする請
求項１１に記載の方法。
【請求項１９】テキスト本文の一部の分析から形成さ
れ、テキスト本文の一部についての複数の圧縮形を示す
データ構造であって、テキスト本文の一部についての複数の圧縮形を表す複数
のデータフィールドを備えることを特徴とするデータ構
造。
【請求項２０】メッセージを受け取り、メッセージ中
のテキスト本文の一部の様々な形を示す圧縮オプション
を生成するメッセージハンドラであって、テキスト本文を分析し、言語分析を提供するように言語
的に構成された言語アナライザと、言語分析に基づいてテキスト本文の一部についての複数
の圧縮形を生成するように構成された圧縮形ジェネレー
タとを備えることを特徴とするメッセージハンドラ。