JP2005339347A - 日中機械翻訳装置、日中機械翻訳方法および日中機械翻訳プログラム - Google Patents

Abstract

【課題】ユーザに対する機械翻訳の品質に対する印象を良好にすること。
【解決手段】入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、日本語文から形態素ごとに分割された日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書ファイル１１１と、入力された日本語文から分割された日本語単語が日中対訳辞書ファイル１１１に登録されていない未登録語であるか否かを判断する未登録語判断部１０４と、日本語単語が未登録語であると判断された場合に、未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された非ひらがな文字列のみに対して訳語を生成する未登録語訳生成部１０５とを備えた。
【選択図】 図１

Description

本発明は、自然言語で入力された日本語文を、中国語に翻訳して出力する日中機械翻訳装置、日中機械翻訳方法および日中機械翻訳プログラムに関する。

自然言語で記述された日本語文を入力して、入力された日本語文を中国語文に翻訳して出力する日中機械翻訳装置では、日本語文を構成する形態素としての日本語単語ごとに、当該日本語単語に対する訳語である中国語単語を登録した日中対訳辞書を使用することが一般的に行われている。

このような日中対訳辞書は、中国語の漢字が多数存在することや辞書のデータ量の制限等の理由により、登録可能な訳語数に制限が設けられている場合がある。このような訳語数に制限のある日中対訳辞書を使用して日本語文の日中機械翻訳を実行すると、入力された日本語文の中の日本語単語に対して一部の訳語が登録されていない未登録語が存在する場合があり、このような未登録語をいかに扱って出力するかが日中機械翻訳処理の重要な課題となっている。

このような未登録語の処理を行っている日中機械翻訳装置として、未登録語が漢字、特に人名や地名等の固有名詞である場合に、日本語の漢字の表記と中国語の漢字の表記とを対応づけた日中漢字対応情報を利用して訳語を自動的に生成するという技術が提案されている(例えば、特許文献１参照)。この特許文献１に開示された技術では、未登録語に含まれているひらがな文字に対しては、ひらがな文字のまま出力するという技術が採用されている。

特開平４−２５６１７１号公報

しかしながら、通常、中国語文中にはひらがな文字は出現しないことから、特許文献１の技術のように、ひらがな文字をそのまま出力すると、翻訳処理の破綻が見た目に明らかであり、ユーザに悪印象を与えるという問題がある。すなわち、ユーザにとっては、中国語文中にこのようなひらがな文字そのままの出力は、翻訳不可能あるいは誤訳を認識させることになり、その結果機械翻訳処理の品質が低いとの誤解を与えてしまう可能性がある。

本発明は、上記に鑑みてなされたものであって、日中対訳辞書に登録されていない未登録語中に含まれるひらがな文字を中国語訳中に出力しないことにより、ユーザに対する機械翻訳の品質に対する印象を良好にすることができる日中機械翻訳装置、日中機械翻訳方法および日中機械翻訳プログラムを提供することを目的とする。

上述した課題を解決し、目的を達成するために、本発明は、入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、日本語文から形態素ごとに分割された日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書を記憶する記憶手段と、入力された日本語文から分割された前記日本語単語が前記日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手段と、前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記非ひらがな文字列のみに対して訳語を生成する未登録語訳生成手段と、を備えたことを特徴とする日中機械翻訳装置である。

また、本発明は、入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、日本語文から形態素ごとに分割された日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書を記憶する記憶手段と、入力された日本語文から分割された前記日本語単語が前記日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手段と、前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、前記ひらがな文字列の文字数または音節数が予め定められた閾値以下である場合に、前記ひらがな文字列に対して訳語を生成しない未登録語訳生成手段と、を備えたことを特徴とする日中機械翻訳装置である。

また、本発明は、入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書を記憶する記憶手段と、入力された日本語文から分割された前記日本語単語が前記日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手段と、前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記ひらがな文字列が他の日本語単語に接続可能な付属語の一または複数の連続である場合には前記ひらがな文字列に対して訳語を生成しない未登録語訳生成手段と、を備えたことを特徴とする日中機械翻訳装置である。

また、本発明は、上記装置に対応した方法およびプログラムである。

本発明によれば、日中対訳辞書に登録されていない未登録語中に含まれるひらがな文字を中国語訳中に出力しないので、ユーザに対する機械翻訳の品質に対する印象を良好にすることができる。

以下に添付図面を参照して、この発明にかかる日中機械翻訳装置、日中機械翻訳方法および日中機械翻訳プログラムの最良な実施の形態を詳細に説明する。

（実施の形態１）
実施の形態１にかかる日中機械翻訳装置は、入力された日本語文を形態素ごとの日本語単語に分割し、分割された各日本語単語に中国語の訳を付加して表示するという形態の日中機械翻訳装置であり、本実施の形態では、日本語単語が日中対訳辞書ファイル１１１に登録されていない場合に、訳語としてひらがな文字を出力しないものである。

図１は、本発明の実施の形態１にかかる日中機械翻訳装置の機能的構成を示すブロック図である。本実施の形態の日中機械翻訳装置１００は、図１に示すように、入力処理部１０１と、形態素解析部１０２と、変換部１０３と、未登録語判断部１０４と、未登録語訳生成部１０５と、出力処理部１０６と、入力装置１０７と、出力装置１０８と、ハードディスクドライブ（ＨＤＤ）１１０と、ＲＡＭ（Random Access Memory）１２０を主に備えている。

入力処理部１０１は、キーボード等の入力装置１０１からの日本語文の入力を受け付けるものである。形態素解析部１０２は、入力処理部１０１によって入力を受け付けた日本語文に対し、日中対訳辞書ファイル１１１を参照しながら公知の形態素解析を行って、形態素ごとの日本語単語に分割し、この分割された日本語単語を形態素解析テーブル１２１に登録するものである。

ここで、形態素とは、意味を有する最小の言語の単位をいい、一つ以上の音素から構成される。なお、本実施の形態では、形態素解析によって入力された日本語文を単語に分割しているが、他の解析処理によって単語分割するように構成してもよい。

未登録語判断部１０４は、形態素解析テーブル１２１に登録された日本語単語が当該日本語単語に対応する中国語単語が日中対訳辞書ファイル１１１に登録されていない未登録単語であるか否かを判断するものである。

未登録語訳生成部１０５は、形態素解析テーブル１２１に登録された日本語単語が未登録語判断部１０４によって未登録語であると判断された場合に、未登録語に対する訳語を生成するものである。具体的には、未登録語訳生成部１０５は、未登録語である日本語単語をさらに文字種（漢字、ひらがな文字、カタカナ文字、英数字等）ごとの文字または文字列に分割し、ひらがな文字列に対しては訳語を生成せず、漢字に対しては、日中漢字対応データベース１１２を参照して、日本語漢字に対応する中国語漢字を訳語とする処理を行う。また、漢字およびひらがな文字以外の文字（カタカナ文字、英数字等）に対しては、そのままの表記を訳語とする処理を行う。

変換部１０３は、形態素解析１０２によって形態素解析テーブル１２１に登録された日本語単語が、当該日本語単語に対応する中国語単語が日中対訳辞書ファイル１１１に登録されている登録単語である場合に、この対応する中国語単語を訳語とする処理を行うものである。

出力処理部１０６は、変換部１０３および未登録語訳生成部１０５によって生成された訳語をディスプレイ装置やプリンタ装置などの出力装置１０８に出力する処理を行うものである。

ＨＤＤ１１０には、日中対訳辞書ファイル１１１と日中漢字対応データベース１１２が格納されている。ここで、ＨＤＤ１１０は、本発明における記憶手段に相当する。

日中対訳辞書ファイル１１１は、日本語単語ごとに、日本語単語の表記、品詞および日本語単語の訳語である中国語を対応づけて登録した辞書ファイルである。
図２は、日中対訳辞書ファイル１１１の一例を示す説明図である。図２に示すように、日中対訳辞書ファイル１１１には、形態素ごとに日本語単語の表記、品詞、訳語が対応づけられて登録されている。図２において、訳語が「−」である場合には、出力装置１０８への出力において訳語が表示されない。

日中漢字対応データベース１１２は、日本語の漢字に対応する簡体字や繁体字の中国語漢字を登録したデータベースであり、未登録語の訳語を生成する際に、未登録語訳生成部１０５によって参照される。
図３は、日中漢字対応データベース１１２の一例を示す説明図である。図３に示すように、日中漢字対応データベース１１２には、日本語漢字と、当該日本語漢字に対応する簡体字や繁体字の中国語漢字が登録されている。

ＲＡＭ（Random Access Memory）１２０には、形態素解析部１０２によって形態素解析テーブル１２１が生成され、また、未登録語訳生成部１０５によって、訳語バッファ１２２、未登録語文字列配列１２３が生成される。なお、本実施の形態では、形態素解析テーブル１２１、訳語バッファ１２２、未登録語文字列配列１２３をＲＡＭ１２０上に生成しているが、ＨＤＤ１１０上に生成するように構成してもよい。

形態素解析テーブル１２１は、形態素解析部１０２によって生成され、形態素ごとに分割された日本語単語の表記、品詞、訳語が登録されたデータファイルである。

訳語バッファ１２２と未登録語文字列配列１２３は、未登録語訳生成部１０５によって生成され、未登録語の訳語生成時に一時的に漢字やひらがな文字を格納するバッファである。

次に、以上のように構成された本実施の形態にかかる日中機械翻訳装置による日中機械翻訳の全体処理について説明する。
図４は、日中機械翻訳の全体処理の手順を示すフローチャートである。

まず、入力装置１０７から日本語文が入力されると、入力された日本語文を入力処理部１０１で入力し受け付ける（ステップＳ４０１）。そして、形態素解析部１０２によって日中対訳辞書ファイル１１１を参照して、入力された日本語文を形態素を単位とした日本語単語に分割する（ステップＳ４０２）。この際、日中対訳辞書ファイル１１１から日本語単語の表記に対応する品詞および訳語を取得する。なお、日本語文の日本語単語への分割の処理は、形態素解析以外の技術を使用するように構成することもできる。

次いで、形態素解析部１０２によって、形態素解析テーブル１２１をＲＡＭ１２０上に生成し、形態素ごとの日本語単語を、日本語単語の表記ごとに、取得した品詞および訳語とともに形態素解析テーブル１２１に登録する（ステップＳ４０３）。ここで、日本語単語が日中対訳辞書ファイル１１１に登録されていない未登録語の場合には、品詞を「未知語」で、訳語を空欄で形態素解析テーブルに登録する。

ここで、日本語文として「彼はいつも社長に諂う」という文章が入力された場合を例にあげ、形態素解析テーブル１２１の例を説明する。
図５は、上記日本語文が入力された場合に、ステップＳ４０３までの処理が終了した時点での形態素解析テーブル１２１の一例を示す説明図である。図５に示すように、形態素解析テーブル１２１には、日本語単語の番号と表記と日中対訳辞書ファイル１１１から取得した品詞および訳語が登録されるが、「諂う」のように日中対訳辞書ファイル１１１に登録されていない未登録語の日本語単語の場合には、品詞が「未知語」、訳語が空欄で登録されている。

次に、変換部１０３によって、形態素解析テーブル１２１から日本語単語を取得する（ステップＳ４０４）。ここで、日本語単語の取得は、形態素解析テーブル１２１の先頭から行われる。そして、未登録語判断部１０４によって、ステップＳ４０４で形態素解析テーブル１２１から取得した日本語単語の品詞が「未知語」であるか否かを判断する（ステップＳ４０５）。これによって、取得した日本語単語が日中対訳辞書ファイル１１１に未登録の未登録語であるか否かを判断する。そして、日本語単語の品詞が「未知語」でない場合には（ステップＳ４０５：Ｎｏ）、この日本語単語は未登録語でないと判断し、変換部１０３によって、形態素解析テーブル１２１の日本語単語に対応する訳語を取得する（ステップＳ４０７）。

一方、ステップＳ４０５において、日本語単語の品詞が「未知語」である場合には（ステップＳ４０５：Ｙｅｓ）、この日本語単語は未登録語であると判断し、未登録語訳生成部１０５による未登録語訳生成処理を実行する（ステップＳ４０６）。このステップＳ４０６の未登録語訳生成処理の詳細については後述する。

そして、ステップＳ４０４からＳ４０６、Ｓ４０７までの処理を、形態素解析テーブル１２１に登録されている全ての日本語単語に対して繰り返し行う（ステップＳ４０８）。これにより、すべての日本語単語の訳語が生成されるので、出力処理部１０６によって、日本語文に訳語を付して出力装置１０８に出力する（ステップＳ４０９）。

次に、上記のステップＳ４０６で実行される未登録語訳生成部１０５による未登録語訳生成処理について説明する。
図６は、未登録語訳生成部１０５による未登録語訳生成処理の手順を示すフローチャートである。

まず、未登録語訳生成部１０５は、日中対訳辞書ファイル１１１に未登録語の日本語単語を、漢字、ひらがな文字、カタカナ文字、英数字の文字種ごとの文字列に分割して、分割した文字列を日本語単語中の出現順にＲＡＭ１２０に確保された未登録語文字列配列１２３に異なる配列要素として格納する（ステップＳ６０１）。

図７は、未登録語文字列配列１２３の例を示す説明図である。上記の日本語文「彼はいつも社長に諂う」において、「諂う」が日中対訳辞書ファイル１１１の未登録語であるため、図７の例１に示すように、未登録語文字列配列１２３には、漢字の「諂」とひらがな文字の「う」が異なる配列要素として格納される。また、未登録語が「諂っている」の場合には、図７の例２に示すように、未登録語文字列配列１２３には、漢字「諂」とひらがな文字列「っている」が異なる配列要素として格納されることになる。

ステップＳ６０１にて未登録語文字列配列１２３に文字種毎の文字列に分割した未登録語を格納したら、次に、未登録語文字列配列１２３から配列要素に格納されている文字列を取得し（ステップＳ６０２）、取得した文字列が漢字か否かを調べる（ステップＳ６０３）。そして、取得した文字列が漢字である場合には（ステップＳ６０３：Ｙｅｓ）、日中漢字対応データベース１１２から取得した漢字に対応する中国語漢字を取得し（ステップＳ６０５）、取得した中国語漢字をＲＡＭ１２０に確保された訳語バッファ１２２に追加する（ステップＳ６０６）。

一方、ステップＳ６０３において、未登録語文字列配列１２３の配列要素から取得した文字列が漢字でない場合には（ステップＳ６０３：Ｎｏ）、当該文字列がひらがな文字であるか否かを調べる（ステップＳ６０４）。そして、取得した文字列がひらがな文字でない場合には（ステップＳ６０４：Ｎｏ）、取得したひらがな文字以外の文字列を訳語バッファ１２２に追加する（ステップＳ６０６）。

一方、ステップＳ６０４において、取得した文字列がひらがな文字である場合には（ステップＳ６０４：Ｙｅｓ）、取得したひらがな文字列は訳語バッファ１２２に追加しない。すなわち、未登録語の中のひらがな文字は訳語として扱われないことになる。

そして、ステップＳ６０２からＳ６０６までの処理を、未登録語文字列配列１２３のすべての配列要素に格納されている文字列に対して繰り返し実行し（ステップＳ６０７）、最後に、訳語バッファ１２２の内容を形態素解析テーブル１２１に設定する（ステップＳ６０８）。この形態素解析テーブル１２１の日本語文の訳語として出力処理部１０６に渡されることになるので、未登録語の中の漢字のみが未登録語の訳語となり、ひらがな文字については訳語として出力されないことになる。

図８は、日本語文「彼はいつも社長に諂う」が入力された場合における未登録語訳生成処理が終了した時点の訳語バッファ１２２の内容の一例を示す説明図である。図８に示すように、かかる日本語文において未登録語「諂う」のうち、漢字「諂」に対応する中国語漢字のみが訳語バッファ１２２に追加され、ひらがな文字「う」は訳語バッファ１２２に追加されていない。

また、図９は、日本語文「彼はいつも社長に諂う」が入力された場合における未登録語訳生成処理が終了した時点の形態素解析テーブル１２１の内容の一例を示す説明図である。図９に示すように、未登録語「諂う」の訳語には、図８で示した訳語バッファ１２２の内容、すなわち、日本語漢字「諂」に対応する中国語漢字のみが設定され、ひらがな文字「う」は設定されていない。このため、出力装置１０８に出力される中国語の訳語には、入力された日本語文に日中対訳辞書ファイル１１１への未登録語が存在している場合でも、ひらがな文字は出力されないことになる。

図１０−１は、本実施の形態にかかる日中機械翻訳装置１００において、日本語文「彼はいつも社長に諂う」が入力された場合の出力装置１０８への出力例を示す説明図である。また、図１０−２は、従来の日中機械翻訳装置１００において、日本語文「彼はいつも社長に諂う」が入力された場合の出力装置１０８への出力例を示す説明図である。

図１０−２の従来の出力例では、未登録語「諂う」の訳語として、日本語漢字「諂」に対応する中国語漢字と、中国語として出現するはずのないひらがな文字「う」が出力されてしまうが、図１０−１に示す本実施の形態の出力例では、このようなひらがな文字が出力されていないことがわかる。

このように実施の形態１にかかる日中機械翻訳装置１００では、入力された日本語文を形態素ごとの日本語単語に分割し、分割された各日本語単語に中国語の訳を付加して表示する際に、日本語単語が日中対訳辞書ファイル１１１に登録されていない未登録語の場合に、訳語としてひらがな文字を出力しないため、ユーザに対する機械翻訳の品質に対する印象を良好にすることができる。

（実施の形態２）
実施の形態１にかかる日中機械翻訳装置１００は、入力された日本語文を形態素ごとの日本語単語に分割し、分割された各日本語単語に日中対訳辞書ファイル１１１に登録されていない未登録語を含む場合に、一切のひらがな文字を出力しないものであったが、ひらがな文字でも固有名詞等を表現する場合がある。このため、この実施の形態２にかかる日中機械翻訳装置１００では、未登録語の中のひらがな文字列の文字数または音節数が予め定められた整数値ｎ以下の場合には、そのひらがな文字列は動詞の送りがな等と見做し、訳語としてひらがな文字を出力しないようにしている。

本実施の形態にかかる日中機械翻訳装置１００の機能的構成については、実施の形態１と同様であるため、説明を省略する。本実施の形態では、未登録語訳生成部１０５が、未登録語の中のひらがな文字列の文字数または音節数が予め定められた整数値ｎ以下の場合に、訳語バッファ１２２にひらがな文字列を追加せず、ひらがな文字列の文字数または音節数がｎより大きい場合に、訳語バッファ１２２にひらがな文字列を追加する点が、ひらがな文字列を訳語バッファ１２２に追加しない実施の形態１の未登録語訳生成部１０５と異なっている。

本実施の形態にかかる日中機械翻訳装置１００による日中機械翻訳の全体処理については実施の形態１と同様に行われる。
図１１は、実施の形態２にかかる日中機械翻訳装置１００の未登録語訳生成部１０５による未登録語訳生成処理の手順を示すフローチャートである。なお、本実施の形態では、ｎとして文字数を用いる例を示すが、ｎを音節数としてもよい。

未登録語を文字種ごとの文字列に分割して未登録語文字列配列１２３に格納してから、未登録語文字列配列１２３から取得した文字列がひらがな文字であるか否かを調べるまでの処理（ステップＳ１１０１〜Ｓ１１０４）は、実施の形態１における未登録語訳生成処理のステップＳ６０１からＳ６０４までの処理と同様に行われる。

次に、取得した文字列がひらがな文字でない場合には（ステップＳ１１０４：Ｎｏ）、取得したひらがな文字以外の文字列を訳語バッファ１２２に追加する（ステップＳ１１０７）。

一方、ステップＳ１１０４において、取得した文字列がひらがな文字である場合には（ステップＳ１１０４：Ｙｅｓ）、さらに取得したひらがな文字列の文字数がｎ以下か否かを調べる（ステップＳ１１０６）。ここで、ｎとしては、例えば未登録語の動詞の送りがなの最大文字数の統計を予めとっておき、かかる最大値をｎとして使用することが考えられるが、ｎの値についてはこれに限られるものではない。具体的には、ｎの値は、２または３とすることが可能である。
また、ユーザが任意の値を設定することが出来るようにしてもよい。

そして、ステップＳ１１０６において、ひらがな文字列の文字数がｎ以下である場合には（ステップＳ１１０６：Ｙｅｓ）、ひらがな文字列を訳語バッファ１２２に追加せず、一方、ひらがな文字列の文字数がｎより大きい場合には（ステップＳ１１０６：Ｎｏ）、ひらがな文字列を訳語バッファ１２２に追加する（ステップＳ１１０７）。これにより、文字数がｎ以上のひらがな文字列は、動詞の送りがな等であると判断され、訳語として出力されないが、文字数がｎより大きいひらがな文字列は、固有名詞等であると判断されて訳語として出力されることになる。

訳語バッファ１２２に追加した後は、実施の形態１と同様に、ステップＳ１１０２からＳ１１０７までの処理を、未登録語文字列配列のすべての配列要素に格納されている文字列に対して繰り返し実行し（ステップＳ１１０８）、最後に、訳語バッファ１２２の内容を形態素解析テーブル１２１に設定する（ステップＳ１１０９）。この形態素解析テーブル１２１の日本語文の訳語として出力処理部１０６に渡されることになるので、未登録語の中の漢字と文字数がｎより大きいひらがな文字列が未登録語の訳語となり、文字数ｎ以下のひらがな文字列については訳語として出力されないことになる。

このように実施の形態２にかかる日中機械翻訳装置１００では、未登録語の中のひらがな文字列の文字数または音節数が予め定められた整数値ｎ以下の場合に、訳語としてひらがな文字列を出力しないため、固有名詞等がひらがな文字で表現されている場合に、ひらがな文字を一律に省略することなく、固有名詞等をそのまま出力することが可能となり、ユーザに対する機械翻訳の品質に対する印象をより良好にすることができる。

（実施の形態３）
実施の形態２にかかる日中機械翻訳装置１００では、未登録語の中のひらがな文字列の文字数または音節数が予め定められた整数値ｎ以下の場合に、訳語としてひらがな文字列を出力しないものであったが、ひらがな文字列の文字数または音節数が整数値ｎより大きい場合でも、複数の付属語が連続した場合など、固有名詞等に該当しない場合が考えられる。ここで、付属語とは、単独では文節になりえない語をいい、例えば、助動詞「打たれる」の中の「たれる」や、「人が」の中の助詞「が」等が付属語に該当する。

このため、この実施の形態３にかかる日中機械翻訳装置は、予め他の日本語単語に接続可能なひらがな文字またはひらがな文字列を付属語として登録した付属語辞書と付属語の接続先を示す付属語接続テーブルとを用い、ひらがな文字列に対しては、後続する日本語単語に接続可能な付属語であるか否かを判断して、未登録語のすべての付属語が互いに接続可能である場合に、そのひらがな文字列が固有名詞等ではないと判断（見做した判断）して、訳語を出力しないものである。

図１２は、本発明の実施の形態３にかかる日中機械翻訳装置の機能的構成を示すブロック図である。本実施の形態の日中機械翻訳装置１２００は、図１２に示すように、入力処理部１０１と、形態素解析部１０２と、変換部１０３と、未登録語判断部１０４と、未登録語訳生成部１２０５と、出力処理部１０６と、入力装置１０７と、出力装置１０８と、ＨＤＤ１１０と、ＲＡＭ１２０を主に備えている。

入力処理部１０１、形態素解析部１０２、変換部１０３、未登録語判断部１０４、未登録語訳生成部１２０５、出力処理部１０６、入力装置１０７および出力装置１０８は、実施の形態１にかかる日中機械翻訳装置１００と同様の機能を有するため、説明を省略する。

未登録語訳生成部１０５は、形態素解析テーブル１２１に登録された日本語単語が未登録語判断部１０４によって未登録語であると判断された場合に、未登録語に対する訳語を生成するものである。本実施の形態では、未登録語訳生成部１２０５は、未登録語である日本語単語をさらに文字種（漢字、ひらがな文字、カタカナ文字、英数字等）ごとの文字または文字列に分割し、ひらがな文字列から付属語である文字列を抽出し、抽出された付属語の文字列の中で、いずれかの付属語が後続する付属語と互いに接続不可能である場合にひらがな文字列そのままを訳語とする処理を行う。また、未登録語訳生成部１２０５は、実施の形態１と同様に、漢字に対しては、日中漢字対応データベース１１２を参照して、日本語漢字に対応する中国語漢字を訳語とする処理を行う。また、漢字およびひらがな文字以外の文字（カタカナ文字、英数字等）に対しては、そのままの表記を訳語とする処理を行う。

図１３は、未登録語訳生成部１２０５の機能的構成を示すブロック図である。未登録語訳生成部１２０５は、図１３に示すように、付属語抽出部１３０１と、付属語列解析可否判定部１３０２と、訳語生成部１３０３とを備えている。

付属語抽出部１３０１は、後述する付属語辞書ファイル１２１１を参照して、未登録語中のひらがな文字列から付属語の文字列を抽出するものである。付属語列解析可否判定部１３０２は、付属語接続テーブル１２１２を参照して、付属語抽出部１３０１によって抽出された付属語の文字列の各付属語が後続する付属語と接続可能か否か、すなわち抽出された付属語の文字列が付属語列として解析可能であるか否かを判断するものである。ここで、本実施の形態における付属語列とは、付属語の文字列の中の各付属語が互いに接続可能である場合の付属語のひらがな文字列をいう。

訳語生成部１３０３は、付属語列解析可否判定部１３０２によって、未登録語中の付属語の文字列の中の全ての付属語が後続する付属語に接続可能であり付属語列として解析可能であると判断された場合に、訳語を生成しない処理を行い、付属語の文字列の中のいずれかの付属語が後続する付属語に接続不可能であり付属語列として解析不可能である場合にひらがな文字列そのままを訳語とする処理を行う。

図１２に戻り、ＨＤＤ１１０には、日中漢字対応データベース１１１と日中対訳辞書ファイル１１２と付属語辞書ファイル１２１１と付属語接続テーブル１２１２とが格納されている。ここで、ＨＤＤ１１０は、本発明における記憶手段に相当する。また、日中漢字対応データベース１１１および日中対訳辞書ファイル１１２の構造は、実施の形態１と同様であるため説明を省略する。

付属語辞書ファイル１２１１は、付属語であるひらがな文字あるいはひらがな文字列とその品詞を予め登録した辞書ファイルである。
図１４は、付属語辞書ファイル１２１１のデータ構造の一例を示す説明図である。付属語辞書ファイル１２１１は、図１４に示すように、付属語を識別するための付属語番号と、付属語の表記と、付属語の品詞が対応付けられて登録されている。品詞からわかるように、付属語は、助詞や助動詞若しくは動詞の活用語尾が主なものである。

付属語接続テーブル１２１２は、付属語が接続可能な付属語を示すデータである。
図１５は、付属語接続テーブル１２１２のデータ構造の一例を示す説明図である。図１５に示すように、付属語接続テーブル１２１２は、付属語番号と接続リストとが対応付けられている。接続リストは、付属語番号に対応する付属語が後続する文字として接続可能な付属語の付属語番号を列挙したものである。

図１５において、例えば、付属語番号「２」の付属語(図１４の例では「も」)の後ろには、番号「２９」の付属語または番号「３３」の付属語または番号「４５」の付属語が接続可能であることを示している。
例えば、未登録語が「諂うのは」である場合、かかる文字列に含まれるひらがな文字列「うのは」は付属語列として解析可能である。すなわち、ひらがな文字列「うのは」は、図１４の付属語辞書ファイル１２１１を参照すると、付属語「う」(付属語番号「６」)、付属語「の」(付属語番号「０」)、付属語「は」(付属語番号「１」)に分割することができる。次に、付属語接続テーブル１２１２を参照すると、付属語番号「６」の付属語「う」の後ろに付属語番号「０」の付属語「の」が接続可能であり、付属語番号「０」の付属語「の」の後ろに付属語番号「１」の付属語「は」が接続可能であることがわかる。これによって、ひらがな文字列「うのは」の中の各付属語「う」、「の」、「は」は、この順で接続可能であり、ひらがな文字列「うのは」付属語列として解析可能である。このため、ひらがな文字列「うのは」に対する訳語は生成されないことになる。

図１２に戻り、ＲＡＭ１２０には、形態素解析部１０２によって形態素解析テーブル１２１が生成され、また、未登録語訳生成部１２０５によって、訳語バッファ１２２、未登録語文字列配列１２３が生成される。また、ＲＡＭ１２０には、付属語抽出部１３０１によって、付属語テーブル１２２１と付属語索引テーブル１２２２が生成される。なお、本実施の形態では、形態素解析テーブル１２１、訳語バッファ１２２、未登録語文字列配列１２３、付属語テーブル１２２１と付属語索引テーブル１２２２をＲＡＭ１２０上に生成しているが、ＨＤＤ１１０上に生成するように構成してもよい。

ここで、形態素解析テーブル１２１、訳語バッファ１２２、未登録語文字列配列１２３については、実施の形態１と同様であるため説明を省略する。

付属語テーブル１２２１は、未登録語中のひらがな文字列に含まれる付属語を登録したデータであり、付属語索引テーブル１２２２は未登録語中のひらがな文字列に含まれる付属語の索引データである。なお、付属語テーブル１２２１および付属語索引テーブル１２２２の詳細については後述する。

次に、以上のように構成された本実施の形態にかかる日中機械翻訳装置１２００による日中機械翻訳の処理について説明する。本実施の形態にかかる日中機械翻訳装置１００による日中機械翻訳の全体処理については実施の形態１と同様に行われる。

図１６は、実施の形態３にかかる日中機械翻訳装置１２００の未登録語訳生成部１２０５による未登録語訳生成処理の手順を示すフローチャートである。

未登録語を文字種ごとに分割して未登録語文字列配列１２３に格納してから、未登録語文字列配列１２３から取得した文字列がひらがな文字であるか否かを調べるまでの処理（ステップＳ１６０１〜Ｓ１６０４）は、実施の形態１における未登録語訳生成処理のステップＳ６０１からＳ６０４までの処理と同様に行われる。

ステップＳ１６０４において、取得した文字列がひらがな文字でない場合には（ステップＳ１６０４：Ｎｏ）、取得したひらがな文字以外の文字列を訳語バッファ１２２に追加する（ステップＳ１６０９）。

一方、ステップＳ１６０４において、取得した文字列がひらがな文字である場合には（ステップＳ１６０４：Ｙｅｓ）、付属語抽出部１３０１によって付属語抽出処理を行う（ステップＳ１６０６）。そして、付属語列解析可否判定部１３０２によって、抽出された付属語の文字列の中の各付属語が互いに接続可能であるか否か、すなわち付属語列として解析可能であるか否かを判断する付属語列解析可否判定処理を行う（ステップＳ１６０７）。かかる判定処理は、具体的には判定関数ＦＵＮＣ（−１，０）を発行することにより行われ、付属語列として解析可能か否かが判定関数ＦＵＮＣ（−１，０）の復帰値に示されるようになっている。すなわち、判定関数ＦＵＮＣ（−１，０）の復帰値が１の場合には付属語列として解析可能であることを示し、復帰値が０である場合は付属語列として解析不可能であることを示す。付属語抽出処理および付属語列解析可否判定処理の詳細については後述する。

ステップＳ１６０７における付属語列解析可否判定処理によって、ひらがな文字列が付属語列として解析可能であるか否か（判定関数ＦＵＮＣ（−１，０）の復帰値が１か否か）を判断し（ステップＳ１６０８）、解析可能である場合には（ステップＳ１６０８：Ｙｅｓ）、未登録語のひらがな文字列は付属語列であるため、このひらがな文字に対する訳語は生成されない。

一方、ステップＳ１６０８において、ひらがな文字列が付属語列として解析不可能であると判断された場合には（ステップＳ１６０８：Ｎｏ）、そのひらがな文字列を訳語バッファ１２２に追加する（ステップＳ１６０９）。

訳語バッファ１２２に追加した後は、実施の形態１と同様に、ステップＳ１６０２からＳ１６０９までの処理を、未登録語文字列配列のすべての配列要素に格納されている文字列に対して繰り返し実行し（ステップＳ１６１０）、最後に、訳語バッファ１２２の内容を形態素解析テーブル１２１に設定する（ステップＳ１６１１）。この形態素解析テーブル１２１の内容は、入力された日本語文の訳語として出力処理部１０６に渡されることになるので、未登録語のひらがな文字列が付属語列として解析可能である場合には、かかるひらがな文字は、動詞の送りがなや助詞等であると判断されて、訳語として出力されない。しかし、未登録語のひらがな文字列が付属語列として解析不可能である場合には、固有名詞等であると判断されて訳語として出力されることになる。

次に、ステップＳ１６０６における付属語抽出部１３０１による付属語抽出処理について説明する。
図１７は、付属語抽出部１３０１による付属語抽出処理の手順を示すフローチャートである。

まず、付属語抽出部１３０１は、ポインタＰ１に０をセットし、文字列長Ｌに未登録語のひらがな文字列の文字列長を代入する（ステップＳ１７０１）。ここで、Ｐ１は、取り出す部分文字列の始点を指すポインタであり、Ｐ１の値が０であることは、文字列の先頭から始まる部分文字列を取り出すことを示している。

次に、Ｐ２を、取り出す部分文字列の終点（部分文字列に後続する文字の始点）を指すポインタとし、ポインタＰ２に最初にＰ１＋１をセットする（ステップＳ１７０２）。このとき、部分文字列に後続する文字が存在しない場合には、仮想的に存在しているものとしてポインタＰ２の値を変更する。

そして、ポインタＰ１を始点、ポインタＰ２を終点とする部分文字列が付属語として付属語辞書ファイル１２１１に登録されているか否かを検索する（ステップＳ１７０３）。そして、検索結果が存在するか否か、すなわち付属語として登録されているか否かを判断し（ステップＳ１７０４）、存在する場合には（ステップＳ１７０４：Ｙｅｓ）、検索結果としての付属語を付属語テーブル１２２１と付属語索引テーブル１２２２に登録する（ステップＳ１７０５）。

一方、ステップＳ１７０４において、検索結果が存在しない場合、すなわち付属語として登録されていない場合には（ステップＳ１７０４：Ｎｏ）、付属語テーブル１２２１と付属語索引テーブル１２２２への登録は行われない。

次に、ポインタＰ２を一文字後ろにずらし（ステップＳ１７０６）、取得する部分文字列の終点であるポインタＰ２がひらがな文字列の文字列長Ｌと同一の値に達するまで、すなわち、ひらがな文字列の終端に達するまで、ステップＳ１７０３からＳ１７０６までの処理を繰り返す（ステップＳ１７０７）。ステップＳ１７０７でポインタＰ２が文字列長Ｌに達したら、次いで、ポインタＰ１を一文字後ろにずらし、取得する部分文字列の始点であるポインタＰ１がひらがな文字列の文字列長Ｌ、すなわち、ひらがな文字列の終端に達するまで、ステップＳ１７０２からＳ１７０８までの処理を繰り返す（ステップＳ１７０９）。ステップＳ１７０９でポインタＰ１が文字列長Ｌに達したら処理を終了する。これによりひらがな文字列に含まれ得るすべての付属語が抽出され、付属語テーブル１２２１、付属語索引テーブル１２２２に登録されることになる。

図１８は、付属語テーブル１２２１のデータ構造の一例を示す説明図である。図１８の例では、図１４に示す付属語辞書ファイル１２１１を前提に未登録語が「諂うのは」である場合における検索された付属語の例を示している。また、図１９は、付属語索引テーブル１２２２のデータ構造の一例を示す説明図である。図１９の例では、図１８に示す付属語テーブル１２２１の索引を示している。

すなわち、上述した付属語抽出処理によって、未登録語中のひらがな文字列「うのは」の任意の部分文字列「う」、「うの」、「うのは」、「の」、「のは」、「は」の中で、付属語辞書ファイル１２１１に登録されている付属語は、「う」、「の」、「は」であるので、これらの付属語番号、始点、終点が付属語テーブル１２２１に登録され、それぞれ固有の番号である付属語テーブル番号が付与される。付属語索引テーブル１２２２は、始点をキーとして付属語テーブル１２２１に登録された付属語を並び替えたものである。図１９の例では、各始点について「付属語テーブル番号リスト」に一つずつ付属語テーブル番号が登録されているが、他の例では、ある始点に複数の付属語テーブル番号が登録されたり、一つも登録がない始点が存在することも考えられる。

次に、ステップＳ１６０７における付属語列解析可否判定処理を行う判定関数ＦＵＮＣの処理について説明する。
図２０は、付属語列解析可否判定処理を行う判定関数ＦＵＮＣの処理手順を示すフローチャートである。

判定関数ＦＵＮＣは、２個の引数をとる。第１引数は、付属語テーブル番号であり、第２引数は始点である。判定関数ＦＵＮＣは、第１引数で与えられた付属語テーブル番号の付属語の後ろに第２引数で与えられた始点で始まる文字列の付属語が接続可能かどうかを判定し、接続可能であれば復帰値として１を返し、接続不可能であれば復帰値として０を返すようになっている。

まず、付属語列解析可否判定部１３０２は、第１引数を変数Ｆにセットし、第２引数を変数Ｓにセットする（ステップＳ２００１）。そして、Ｓを始点とする付属語テーブル番号のリストを付属語索引テーブル１２２２から取得する（ステップＳ２００２）。そして、付属語テーブル番号リストの終わりか否かを判断し（ステップＳ２００３）、終わりでない場合には（ステップＳ２００３：Ｎｏ）、取得したリストから付属語テーブル番号を一つずつ取得し、Ｆｉとする（ステップＳ２００４）。

そして、付属語接続テーブル１２１２を参照して（ステップＳ２００５）、付属語テーブル番号Ｆに対応する付属語番号の付属語に、付属語テーブル番号Ｆｉに対応する付属語番号の付属語が接続可能かどうか判定する（ステップＳ２００６）。ここで、付属語テーブル番号に対応する付属語番号は、付属語テーブル１２２１を参照して取得する。ただし、Ｆが−１（付属語テーブルに存在しない特殊なＩＤを示す）の場合はＦｉが無条件で接続可能とする。

付属語テーブル番号Ｆに対応する付属語番号の付属語に、付属語テーブル番号Ｆｉに対応する付属語番号の付属語が接続可能な場合（ステップＳ２００６：Ｙｅｓ）、付属語テーブル番号Ｆｉの終点Ｅｉがひらがな文字列の末尾に達したか否かを判断する（ステップＳ２００７）。そして、末尾に達した場合には（ステップＳ２００７：Ｙｅｓ）、復帰値に１を設定して（ステップＳ２０１０）、処理を終了する。

一方、ステップＳ２００７において、付属語テーブル番号Ｆｉの終点Ｅｉがひらがな文字列の末尾に達していないと判断した場合は（ステップＳ２００７：Ｎｏ）、Ｆｉを第１引数、Ｅｉを第２引数として判定関数ＦＵＮＣを再帰的に呼び出す（Ｓ２００８）。そして、判定関数ＦＵＮＣの復帰値が１（解析可能）であるか否かを判断し（ステップＳ２００９）、復帰値が１である場合には（ステップＳ２００７：Ｙｅｓ）、復帰値に１を設定して（ステップＳ２０１０）、処理を終了する。

一方、ステップＳ２００９において、再帰的呼び出しのＦＵＮＣの復帰値が１でない場合には（ステップＳ２００９：Ｎｏ）、ステップＳ２００２で付属語索引テーブル１２２２から取得した付属語テーブル番号リストから次の付属語テーブル番号を取出してステップＳ２００３からＳ２００８までの処理を繰り返し実行する。そして、付属語テーブル番号リストの終わりに達したら、すなわち付属語テーブル番号リストが空になったら（Ｓ２００３：Ｙｅｓ）、復帰値に０を設定し（ステップＳ２０１１）、処理を終了する。

付属語テーブル１２２１および付属語索引テーブル１２２２が図１８、図１９に示す例の場合、すなわち、図２０においてＦ＝−１、Ｓ＝０としたときの処理では、まず、始点が０である付属語テーブル番号は０だけである。次に、かかる付属語テーブル番号を取得して、Ｆｉ＝０とする。ここで、Ｆ＝−１であるからＦにＦｉが無条件で接続可能である。Ｆｉの終点Ｅｉ＝１はひらがな文字列の末尾３に達していないので、ＦＵＮＣ（０，１）が再帰的に計算される。すなわち、Ｆ＝０、Ｓ＝１として図２０に示すフローチャートの処理が再度行われる。始点が１である付属語テーブル番号は１だけであるため、これを取得し、Ｆｉ＝１とする。図１８に示すように、Ｆ＝０の付属語番号は６、Ｆｉ＝１の付属語番号は０であるので、付属語テーブル番号Ｆの付属語に付属語テーブル番号Ｆｉの付属語が接続可能であることがわかる。

Ｆｉの終点Ｅｉ＝２もまだひらがな文字列の末尾３には達していないので、再度ＦＵＮＣ（１，２）が再帰的に計算される。すなわち、Ｆ＝１、Ｓ＝２として、図２０に示すフローチャートの処理が再々度行われる。始点が２である付属語テーブル番号は２だけであるので、これを取り出し、Ｆｉ＝２とする。図１８の付属語テーブル１２２１に示すように、付属語テーブル番号Ｆ＝１の付属語番号は０、付属語テーブル番号Ｆｉ＝２の付属語番号は１であるので、図１５に示す付属語接続テーブル１２１２を参照するとＦにＦｉが接続可能であることがわかる。ここで、Ｆｉの終点Ｅｉ＝３がひらがな文字列の末尾に達した場合に、復帰値１を返す。ここでも復帰値１を返し、ＦＵＮＣ（−１，０）のＳ２００９に戻る。さらにここでも復帰値１を返すので図１６のステップＳ１６０７の出力は１となり、ひらがな文字列「うのは」は付属語列として解析可能であることがわかる。従って、上述したとおり。ひらがな文字列「うのは」に対する訳語は生成されないことになる。

このように実施の形態３にかかる日中機械翻訳装置１２００では、予め他の付属語に接続可能なひらがな文字あるいはひらがな文字列を付属語として登録した付属語辞書ファイルと付属語の接続先を示す付属語接続テーブルとを用い、ひらがな文字列に対しては、後続する日本語単語に接続可能な付属語であるか否かを判断して、未登録語のすべての付属語が互いに接続可能である場合に、そのひらがな文字列が固有名詞等ではないと判断して訳語を出力しないので、未登録語のひらがな文字列が固有名詞等であるか否かを判断した上で、ひらがな文字列の訳語を出力するかしないかを自動的に判断することができ、機械翻訳を正確に行えるとともに、ユーザに対する機械翻訳の品質に対する印象をより良好にすることができる。

以上説明した実施の形態１〜３にかかる日中機械翻訳装置は、ＣＰＵなどの制御装置と、ＲＯＭ（Read Only Memory）やＲＡＭなどの記憶装置と、ＨＤＤ、ＣＤドライブ装置などの外部記憶装置と、ディスプレイ装置などの表示装置と、キーボードやマウスなどの入力装置を備えており、通常のコンピュータを利用したハードウェア構成となっている。

実施の形態１〜３にかかる日中機械翻訳装置で実行される日中機械翻訳プログラムは、インストール可能な形式又は実行可能な形式のファイルでＣＤ−ＲＯＭ、フレキシブルディスク（FD）、ＣＤ−Ｒ、ＤＶＤ（Digital Versatile Disk）等のコンピュータで読み取り可能な記録媒体に記録されて提供される。

また、実施の形態１〜３にかかる日中機械翻訳装置で実行される日中機械翻訳プログラムを、インターネット等のネットワークに接続されたコンピュータ上に格納し、ネットワーク経由でダウンロードさせることにより提供するように構成しても良い。また、本実施形態の〜装置で実行される〜プログラムをインターネット等のネットワーク経由で提供または配布するように構成しても良い。

また、実施の形態１〜３の日中機械翻訳プログラムを、ＲＯＭ等に予め組み込んで提供するように構成してもよい。

実施の形態１〜３にかかる日中機械翻訳装置で実行される日中機械翻訳プログラムは、上述した各部（入力処理部１０１と、形態素解析部１０２、変換部１０３、未登録語判断部１０４、未登録語訳生成部１０５，１２０５、出力処理部１０６）を含むモジュール構成となっており、実際のハードウェアとしてはＣＰＵ（プロセッサ）が上記記憶媒体から日中機械翻訳プログラムを読み出して実行することにより上記各部が主記憶装置上にロードされ、入力処理部１０１と、形態素解析部１０２、変換部１０３、未登録語判断部１０４、未登録語訳生成部１０５，１２０５、出力処理部１０６が主記憶装置上に生成されるようになっている。

なお、実施の形態１〜３では、入力された日本語文を形態素解析で分割して、分割された各単語の中国語訳語を付加する簡易な形態の日中機械翻訳装置を例にあげて説明したが、入力された日本語文を翻訳して中国語文を出力する形態の日中機械翻訳装置に本発明を適用することが可能である。
なお、本発明は上記実施の形態そのままに限定されるものではなく、実施段階ではその要旨を逸脱しない範囲で構成要素を変形して具体化できる。また、上記実施の形態に開示されている複数の構成要素の適宜な組み合わせにより、種々の発明を形成できる。例えば、実施の形態に示される全構成要素から幾つかの構成要素を削除してもよい。さらに、異なる実施の形態にわたる構成要素を適宜組み合わせてもよい。また、実施の形態１〜３の複数を適宜組み合わせても良い。

以上のように、本発明にかかる日中機械翻訳装置、日中機械翻訳方法および日中機械翻訳プログラムは、日中対訳辞書に未登録単語を含む日本語文を中国語に翻訳して出力する日中機械翻訳装置、日中機械翻訳方法および日中機械翻訳プログラムに適している。

本発明の実施の形態１にかかる日中機械翻訳装置の機能的構成を示すブロック図である。 日中対訳辞書ファイル１１１の一例を示す説明図である。 日中漢字対応データベース１１２の一例を示す説明図である。 日中機械翻訳の全体処理の手順を示すフローチャートである。 ステップＳ４０３までの処理が終了した時点での形態素解析テーブル１２１の一例を示す説明図である。 未登録語訳生成部１０５による未登録語訳生成処理の手順を示すフローチャートである。 未登録語文字列配列１２３の例を示す説明図である。 未登録語訳生成処理が終了した時点の訳語バッファ１２２の内容の一例を示す説明図である。 未登録語訳生成処理が終了した時点の形態素解析テーブル１２１の内容の一例を示す説明図である。 実施の形態１にかかる日中機械翻訳装置１００の出力例を示す説明図である。 従来の日中機械翻訳装置の出力例を示す説明図である。 実施の形態２にかかる日中機械翻訳装置１００の未登録語訳生成部１０５による未登録語訳生成処理の手順を示すフローチャートである。 実施の形態３にかかる日中機械翻訳装置の機能的構成を示すブロック図である。 未登録語訳生成部１２０５の機能的構成を示すブロック図である。 付属語辞書ファイル１２１１のデータ構造の一例を示す説明図である。 付属語接続テーブル１２１２のデータ構造の一例を示す説明図である。 実施の形態３にかかる日中機械翻訳装置１２００の未登録語訳生成部１２０５による未登録語訳生成処理の手順を示すフローチャートである。 付属語抽出部１３０１による付属語抽出処理の手順を示すフローチャートである。 付属語テーブル１２２１のデータ構造の一例を示す説明図である。 付属語索引テーブル１２２２のデータ構造の一例を示す説明図である。 付属語列解析可否判定処理を行う判定関数ＦＵＮＣの処理手順を示すフローチャートである。

符号の説明

１０１ 入力処理部
１０２ 形態素解析部
１０３ 変換部
１０４ 未登録語判断部
１０５，１２０５ 未登録語訳生成部
１０６ 出力処理部
１０７ 入力装置
１０８ 出力装置
１１０ ＨＤＤ
１１１ 日中対訳辞書ファイル
１１２ 日中漢字対応データベース
１２０ ＲＡＭ
１２１ 形態素解析テーブル
１２２ 訳語バッファ
１２３ 未登録語文字列配列
１２１１ 付属語辞書ファイル
１２１２ 付属語接続テーブル
１２２１ 付属語テーブル
１２２２ 付属語索引テーブル
１３０１ 付属語抽出部
１３０２ 付属語列解析可否判定部
１３０３ 訳語生成部

Claims (14)

1. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、
   日本語文から形態素ごとに分割された日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書を記憶する記憶手段と、
   入力された日本語文から分割された前記日本語単語が前記日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手段と、
   前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記非ひらがな文字列のみに対して訳語を生成する未登録語訳生成手段と、
   を備えたことを特徴とする日中機械翻訳装置。
2. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、
   日本語文から形態素ごとに分割された日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書を記憶する記憶手段と、
   入力された日本語文から分割された前記日本語単語が前記日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手段と、
   前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、前記ひらがな文字列の文字数または音節数が予め定められた閾値以下である場合に、前記ひらがな文字列に対して訳語を生成しない未登録語訳生成手段と、
   を備えたことを特徴とする日中機械翻訳装置。
3. 前記未登録語訳生成手段は、さらに、前記ひらがな文字列の文字数または音節数が前記閾値より大きい場合に、前記ひらがな文字列をそのまま訳語とすることを特徴とする請求項２に記載の日中機械翻訳装置。
4. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳装置であって、
   日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書を記憶する記憶手段と、
   入力された日本語文から分割された前記日本語単語が前記日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手段と、
   前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記ひらがな文字列が他の日本語単語に接続可能な付属語の一または複数の連続である場合には前記ひらがな文字列に対して訳語を生成しない未登録語訳生成手段と、
   を備えたことを特徴とする日中機械翻訳装置。
5. 前記記憶手段は、さらに、一または複数のひらがな文字の連続であるひらがな文字列の中で他の日本語単語に接続可能な付属語を登録した付属語辞書情報と、前記付属語と前記付属語が接続可能な他の前記付属語とを対応付けた付属語接続情報とを記憶し、
   前記未登録語訳生成手段は、前記未登録語判断手段によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記ひらがな文字列の中から前記付属語辞書情報に登録された一または複数の前記付属語を抽出する付属語抽出手段と、
   前記付属語抽出手段によって抽出された前記付属語のそれぞれに対して、後続する付属語に接続可能か否かを判断する付属語列解析可否判断手段と、
   前記付属語列解析可否判断手段によって前記付属語が前記後続する付属語に接続可能と判断された前記ひらがな文字列に対して訳語を生成しない訳語生成手段と、
   を備えたことを特徴とする請求項４に記載の日中機械翻訳装置。
6. 前記訳語生成手段は、前記付属語列解析可否判断手段によって前記付属語が前記後続する付属語に接続不可能と判断された前記ひらがな文字列をそのまま訳語とすることを特徴とする請求項５に記載の日中機械翻訳装置。
7. 前記記憶手段は、さらに前記日本語漢字と前記日本語漢字に対応する表記の中国語漢字とを対応づけて登録した日中対応漢字情報を記憶し、
   前記未登録語訳生成手段は、さらに、前記分割された前記非ひらがな文字列の中の日本語漢字に対して、前記日中対応漢字情報に登録された該日本語漢字に対応する中国語漢字を訳語として生成することを特徴とする請求項１〜６のいずれか一つに記載の日中機械翻訳装置。
8. 前記未登録語訳生成手段は、さらに、前記分割された前記非ひらがな文字列の中の日本語漢字以外の文字をそのまま訳語とすることを特徴とする請求項７に記載の日中機械翻訳装置。
9. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳方法であって、
   入力された日本語文から形態素ごと分割された日本語単語が、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断ステップと、
   前記未登録語判断ステップによって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記非ひらがな文字列のみに対して訳語を生成する未登録語訳生成ステップと、
   を含むことを特徴とする日中機械翻訳方法。
10. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳方法であって、
    入力された日本語文から形態素ごと分割された日本語単語が、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断ステップと、
    前記未登録語判断ステップによって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、前記ひらがな文字列の文字数または音節数が予め定められた閾値以下である場合に、前記ひらがな文字列に対して訳語を生成しない未登録語訳生成ステップと、
    を含むことを特徴とする日中機械翻訳方法。
11. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳方法であって、
    入力された日本語文から形態素ごと分割された日本語単語が、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断ステップと、
    前記未登録語判断ステップによって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記ひらがな文字列が他の日本語単語に接続可能な付属語の一または複数の連続である場合には前記ひらがな文字列に対して訳語を生成しない未登録語訳生成ステップと、
    を含むことを特徴とする日中機械翻訳方法。
12. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳プログラムであって、
    入力された日本語文から形態素ごと分割された日本語単語が、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手順と、
    前記未登録語判断手順によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記非ひらがな文字列のみに対して訳語を生成する未登録語訳生成手順と、
    をコンピュータに実行させる日中機械翻訳プログラム。
13. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳プログラムであって、
    入力された日本語文から形態素ごと分割された日本語単語が、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手順と、
    前記未登録語判断手順によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、前記ひらがな文字列の文字数または音節数が予め定められた閾値以下である場合に、前記ひらがな文字列に対して訳語を生成しない未登録語訳生成手順と、
    をコンピュータに実行させる日中機械翻訳プログラム。
14. 入力された日本語文を中国語に翻訳して出力する日中機械翻訳プログラムであって、
    入力された日本語文から形態素ごと分割された日本語単語が、日本語単語と該日本語単語の訳語である中国語単語とを対応づけて登録した日中対訳辞書に登録されていない未登録語であるか否かを判断する未登録語判断手順と、
    前記未登録語判断手順によって前記日本語単語が前記未登録語であると判断された場合に、前記未登録語を一または複数のひらがな文字の連続であるひらがな文字列と一または複数のひらがな文字以外の文字の連続である非ひらがな文字列に分割し、分割された前記ひらがな文字列が他の日本語単語に接続可能な付属語の一または複数の連続である場合には前記ひらがな文字列に対して訳語を生成しない未登録語訳生成手順と、
    をコンピュータに実行させる日中機械翻訳プログラム。

Images