JP2011186765A

JP2011186765A - 形態素解析装置及び形態素解析方法

Info

Publication number: JP2011186765A
Application number: JP2010051112A
Authority: JP
Inventors: Masato Yajima; 真人矢島; Noriko Yamanaka; 紀子山中
Original assignee: Toshiba Corp
Current assignee: Toshiba Corp
Priority date: 2010-03-08
Filing date: 2010-03-08
Publication date: 2011-09-22
Anticipated expiration: 2030-03-08
Also published as: JP5258819B2

Abstract

【課題】日本語テキストの形態素解析を精度良く行なうことが可能な、形態素解析装置及び形態素解析方法を提供する。
【解決手段】形態素解析部は、入力された日本語テキストの形態素解析を行ない複数の解析候補を作成する。格納部は、一の読みと、一の読みに対して複数の表記を持つ同音同義の形態素単位の単語の組とを対応付け、組の中で、代表となる表記の代表表記を設定した同音同義語テーブルを格納する。判定部は、形態素解析により、複数の解析候補の同一部分の文字列に、形態素候補が複数存在する場合には、同音同義語テーブルを検索し、形態素候補ごとに、文字列に含まれる単語の表記が代表表記であるか否かの判定を行なう。選択部は、判定の結果に基づいて、複数の候補の中から一の候補を選択する。
【選択図】図１

Description

本発明は、日本語の形態素解析装置及び形態素解析方法に関する。

日本語により入力されたテキストを形態素解析してテキストの読みを決定し、その結果を音声により出力する音声出力装置がある。このような、音声出力装置では、形態素解析により、複数の読みの候補を持つ単語が現れる場合がある。例えば、「市場」には、「いちば」もしくは「しじょう」という２つの読みの候補が現れる。

複数の読みの候補から一の候補を区別する方法として、特許文献１記載の形態素解析装置では、複数の読みの候補を持つ単語が含まれる文中に、各々の候補に対する共起単語が存在するか否かを判定する。共起単語とは、一の文書内で、ある単語と共に出現する可能性が高い単語をいう。例えば、「市場（いちば）」に対する共起単語として「魚」や「野菜」があり、「市場（しじょう）」に対する共起単語として「株」や「為替」等がある。該装置は、共起単語が存在する方の読みの候補を一の候補に決定し、音声として出力する。

特開平６−１１９１４４号公報

上述した形態素解析装置では、共起単語から一の候補を決定することができない場合がある。例えば、「過去に行った(いった)セミナー」と「過去に行った(おこなった)セミナー」という２つのテキストにおいて、「セミナー」という単語は、「行った(いった)」に対する共起単語でもあり、「行った(おこなった)」に対する共起単語でもある。

そのため、共起単語から一の候補を決定することができないテキストについては、形態素解析を精度良く行なうことができない。

本発明は、日本語テキストの形態素解析を精度良く行なうことが可能な、形態素解析装置及び形態素解析方法を提供することを目的とする。

上記課題を解決するために、本発明の一側面に係る形態素解析装置は、入力された日本語テキストの形態素解析を行ない複数の解析候補を作成する形態素解析部と、一の読みと、前記一の読みに対して複数の表記を持つ同音同義の形態素単位の単語の組とを対応付け、前記組の中で、代表となる表記の代表表記を設定した同音同義語テーブルを格納する格納部と、前記形態素解析により、複数の前記解析候補の同一部分の文字列に、形態素候補が複数存在する場合には、前記同音同義語テーブルを検索し、前記形態素候補ごとに前記文字列に含まれる単語の表記が前記代表表記であるか否かの判定を行なう判定部と、前記判定の結果に基づいて、複数の前記解析候補の中から一の前記解析候補を選択する選択部とを備え、前記形態素解析部は、各々の前記解析候補に優先度を表す評価点を付け、前記判定部は、前記判定の結果、前記単語の表記が前記代表表記か否かに応じて、前記形態素候補の文字列を含む前記解析候補の前記評価点を調整し、前記選択部は、前記評価点の最も高い前記解析候補を選択することを特徴とする。

本発明の他の側面に係る形態素解析方法は、入入力された日本語テキストの形態素解析を行ない複数の解析候補を作成し、一の読みと、前記一の読みに対して複数の表記を持つ同音同義の形態素単位の単語の組とを対応付け、前記組の中で、代表となる表記の代表表記を設定した同音同義語テーブルを格納し、前記形態素解析により、複数の前記解析候補の同一部分の文字列に、形態素候補が複数存在する場合には、前記同音同義語テーブルを検索し、前記形態素候補ごとに前記文字列に含まれる単語の表記が前記代表表記であるか否かの判定を行ない、前記判定の結果に基づいて、複数の前記解析候補の中から一の前記解析候補の選択を行ない、前記形態素解析では、各々の前記解析候補に優先度を表す評価点を付け、前記判定では、前記判定の結果、前記単語の表記が前記代表表記か否かに応じて、前記形態素候補の文字列を含む前記解析候補の前記評価点を調整し、前記選択では、前記評価点の最も高い前記解析候補を選択することを特徴とする。

本発明により、日本語テキストの形態素解析を精度良く行なうことができる。

第１の実施の形態に係る形態素解析装置１を表すブロック図。形態素解析について説明する図。形態素解析装置１の処理を表すフローチャート。形態素解析の結果の例を表す図。一の読みと同音同義語の単語の組とを対応付けたテーブルを表す図。形態素解析の結果の例を表す図。第２の実施の形態に係る形態素解析装置の処理を表すフローチャート。第３の実施の形態に係る形態素解析装置の処理を表すフローチャート。形態素解析の結果の例を表す図。一の読みと同音同義語の単語の組とを対応付けたテーブルを表す図。第４の実施の形態に係る形態素解析装置４を表すブロック図。変更部４００による代表表記を変更する処理を表すフローチャート。一の読みと同音同義語の単語の組とを対応付けたテーブルを表す図。

以下、本発明の実施の形態について図面を参照して説明する。

本願明細書と各図において、既出の図に関して前述したものと同様の要素には同一の符号を付して詳細な説明は適宜省略する。

（第１の実施の形態）
第１の実施の形態に係る形態素解析装置１は、日本語テキストの形態素解析を行なう。

本実施の形態では、ユーザから入力された日本語テキストの形態素解析を行ない、複数の解析候補を編目状で表わした単語ネットワークを作成する。この際、各々の解析候補に優先順位となる評価点を付ける。

形態素解析装置１は、調整後の評価点が最も高い一の解析候補を選択して出力する。形態素解析装置１は、例えばパーソナルコンピュータなどの情報処理装置により実現される。

図１は、形態素解析装置１の構成を表すブロック図である。形態素解析装置１は、入力部１０１と、形態素解析部１０２と、判定部１０３と、格納部１０４と、選択部１０５と、出力部１０６とを備える。

入力部１０１は、日本語テキストを形態素解析部１０２に提供する。入力部１０１として、キーボードやタブレット、光学式文字読み取り装置（ＯＣＲ）、テキストを格納したメディアやＨＤＤ等がある。

形態素解析部１０２は、入力部１０１から提供された日本語テキストを形態素解析して、複数の解析候補を含む単語ネットワークを作成する。形態素解析部１０２は、単語ネットワークを判定部１０３に渡す。その際、形態素解析部１０２は、各々の解析候補に評価点を付ける。

格納部１０４は、一の読みと、該読みに対して複数の表記を持つ同音同義の単語の組とを対応付けた同音同義語テーブルを予め格納している。さらに同音同義語テーブルは、読みごとに、該単語の組の中で、代表となる表記の代表表記を設定している。

判定部１０３は、形態素解析部１０２から受け取った単語ネットワークの解析候補の中に、競合系列組が存在するか否かを判定する。競合系列組が存在する場合は、部分系列にある単語について格納部１０４のテーブルを検索し、該単語の表記が代表表記であるか否かを判定する。代表表記の場合には、該部分系列を含む解析候補の評価点を維持する。代表表記でない場合には、該部分系列を含む解析候補の評価点を下げる。

選択部１０５は、最も評価点の高い一の解析候補を最適解析候補とする。選択部１０５は、最適解析候補を出力部１０６に渡す。

出力部１０６は、最適解析候補を出力する。出力部１０６は、最適解析候補の読みを表示したり、音声合成で読み上げたりする。出力部１０６は、例えばＣＲＴや液晶表示装置、あるいは音声合成器等であってよい。

なお、形態素解析部１０２、判定部１０３、格納部１０４、選択部１０５は、各々固有の処理ルーチン、及び該処理ルーチンを実行するＣＰＵにより実現される。

図２は、形態素解析について説明する図である。形態素解析装置１には、日本語テキストが入力される。例えば、「昨日市場に行った」という日本語テキストが入力される。形態素解析装置１は、日本語テキストの形態素解析を行ない、複数の解析候補を編目状で表わした単語ネットワークを作成する。

例えば、図２に示したように、形態素解析装置１は、「昨日市場に行った」の形態素解析を行ない、「昨日（名詞）−市場（名詞，読み：いちば）−に（助詞）−行っ（ワ行五段動詞連用形，読み：おこなっ）―た（助動詞）」（第１解析候補）と、「昨日（名詞）−市場（名詞，読み：いちば）−に（助詞）−行っ（カ行五段動詞連用形，読み：いっ）―た（助動詞）」（第２解析候補）と、「昨日（名詞）−市場（名詞，読み：しじょう）−に（助詞）−行っ（ワ行五段動詞連用形，読み：おこなっ）―た（助動詞）」（第３解析候補）と、「昨日（名詞）−市場（名詞，読み：しじょう）−に（助詞）−行っ（カ行五段動詞連用形，読み：いっ）―た（助動詞）」（第４解析候補）という４つの解析候補が得られる。

各解析候補は、入力テキストに含まれる形態素を複数並べたものである。そのうちの一の解析候補内にある一または連続する形態素の文字列を部分系列という。

２つの解析候補を比較した場合に、同じ部分系列がある場合には、それらを競合系列と呼ぶ。本例の場合には、市場（名詞，読み：いちば）と、市場（名詞，読み：しじょう）、もしくは行っ（ワ行五段動詞連用形，読み：おこなっ）と行っ（カ行五段動詞連用形，読み：いっ）、が競合系列となっている。

単語ネットワークは、複数の解析候補を表すもので、この場合、これらに含まれる競合系列を除いた共通する部分系列をできるだけ共通表現するようして、網目状に表現したものである。

形態素解析装置１は、各々の解析候補に優先順位となる評価点を付ける。そして、単語ネットワークの中で、競合系列組が存在する場合には、予め、一の読みに対して複数の表記を持つ単語の中から代表となる表記の代表表記（例えば、「いっ（た）」であれば「行っ（た）」、「おこなっ（た）」であれば「行なっ（た）」）を設定した同音同義語テーブルを用いて、解析候補の評価点を代表表記であるか否かに応じて調整する。例えば、代表表記の単語の場合には評価点をそのままとし、代表表記ではない単語の場合には評価点を下げる。同音同義語テーブルには代表表記のフラグをしておく。

図２では、「市場」と「行っ」の２箇所に競合系列組が存在する。すなわち、「市場」には、「市場（名詞，読み：いちば）」と「市場（名詞，読み：しじょう）」という２つの部分系列が存在する。「行っ」には、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」という２つの部分系列が存在する。

図３は、第1の実施の形態の処理を表すフローチャートである。

入力部１０１から、一又は複数の文からなる日本語テキストが入力されると、形態素解析部１０２は、テキストの入力が終了したか否かを判定する（Ｓ２０１）。入力が終了していないと判定した場合は、入力の終了を待つ。入力が終了したと判定した場合、形態素解析部１０２は、該テキストに対して、一文ごとに形態素解析を行ない、形態素単位の単語ごと、品詞と活用と読みとを決定する（Ｓ２０２）。

形態素解析部１０２は、複数の形態素単位の単語を組み合わせた、複数の解析候補を含む単語ネットワークを作成する。例えば、「過去に行ったセミナー」という一文のテキストが入力されたとすると、形態素解析部１０２は、「過去（名詞）」、「に（助詞）」、「行っ（ワ行五段動詞連用形，読み：おこなっ）」、「行っ（カ行五段動詞連用形，読み：いっ）」、「た（助動詞）」、「セミナー（名詞）」のように、テキストを形態素単位の単語に分割する。形態素解析部１０２は、これらの複数の形態素単位の単語を組み合わせた複数の解析候補を含む単語ネットワークを作成する。

図４は、形態素解析の結果を表す図であり、単語ネットワークを表している。この単語ネットワークは、「過去（名詞）‐に（助詞）‐行っ（ワ行五段動詞連用形）‐た（助動詞）‐セミナー（名詞）」という解析候補（第１解析候補）と、「過去（名詞）‐に（助詞）‐行っ（カ行五段動詞連用形）‐た（助動詞）‐セミナー（名詞）」という解析候補（第２解析候補）が解析候補として存在することを表している。

図４における競合系列組は、始点となる文字（「に」）と終点となる文字（「た」）に挟まれた文字列の、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」である。すなわち、部分系列は、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」の各々が部分系列である。

形態素解析部１０２は、各々の解析候補に評価点を付ける。例えば、形態素解析部１０２は、解析候補が得られた順に予め定めた、第１解析候補に評価点として１００点を付け、第２解析候補に評価点として５０点を付ける。評価点は、例えば、解析候補に含まれる形態素単位の単語の数に応じて付けてもよい。例えば、品詞の並び順が日本語として適当か否かによって付けてもよい。形態素解析部１０２は、解析結果である単語ネットワークと解析候補の評価点を判定部１０３に渡す。

判定部１０３は、単語ネットワークに含まれる競合系列の組数Nに応じて、識別番号ｎ（ｎ＝１，２，・・・，N）を付ける。図４の例の場合、競合系列組は、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」の１組（ｎ＝１のみ）である。判定部１０３は、ｎの初期値を１とする（Ｓ２０３）。

判定部１０３は、ｎ組目の競合系列組があるか否かを判定する（Ｓ２０４）。ｎ組目の競合系列組がある場合には、判定部１０３は、１組の競合系列組の中で、各々の部分系列に対し、０から順番に識別番号ｉ（ｉ＝０，１，２，・・・）を付ける。図４の例では、判定部１０３は「行っ（ワ行五段動詞連用形，読み：おこなっ）」に「ｉ＝０」を付け、「行っ（カ行五段動詞連用形，読み：いっ）」に「ｉ＝１」を付ける。判定部１０３は、ｉの初期値を０とする（Ｓ２０５）。判定部１０３は、ｉ番目の部分系列が存在するか否かを判定する（Ｓ２０６）。

ｉ番目の部分系列が存在すると判定した場合、判定部１０３は該部分系列の中に含まれる形態素単位の単語に識別番号ｋ（ｋ＝０，１，２，・・・）を付ける。図４の例では、「ｉ＝０」の部分系列に含まれる形態素単位の単語は「行っ（ワ行五段動詞連用形，読み：おこなっ）」のみであるので、判定部１０３は「行っ（ワ行五段動詞連用形）」に「ｋ＝０」を付ける。判定部１０３は、ｋの初期値を０とする（Ｓ２０７）。判定部１０３は、ｋ番目の単語が存在するか否かを判定する（Ｓ２０８）。

図５は、格納部１０４に格納されている同音同義語テーブルを表す図である。同音同義語テーブルでは、一の読みと、該読みに対して複数の表記を持つ同音同義の単語の組とを対応付けられている。該単語は形態素単位である。例えば、グループ番号「１」の組には、「ほう」という読みに対して、「ほう」と「方」という複数の表記を持つ同音同義の単語の組が登録されている。グループ番号「２」の組には、「おこなっ」という読みに対して、「おこなっ」と「行なっ」と「行っ」という複数の表記を持つ同音同義の単語の組が登録されている。そして、同音同義語テーブルには、読みごとに、該単語の組の中で、優先する表記の代表表記が設定される。例えば、グループ番号「１」では平仮名表記の「ほう」が代表表記として登録されている。グループ番号「２」では「行なっ」が代表表記として登録されている。なお、代表表記は、複数設定されていてもよい。また、代表表記が設定されていなくてもよい。

ｋ番目の単語が存在すると判定した場合、判定部１０３は、格納部１０４を検索し、該単語を判定対象の単語として、判定対象の単語が同音同義語テーブルに存在するか否かを判定する（Ｓ２０９）。

すなわち、判定部１０３は、判定対象の単語について、表記と品詞と読みの情報を用いて、格納部１０４の同音同義語テーブル内に、判定対象の単語と一致する単語があるか否かを判定する。同音同義語テーブル内に、判定対象の単語と一致する単語がない場合、判定部１０３はｋに１を足し（Ｓ２１２）、ステップＳ２０８に遷移する。

同音同義語テーブル内に、判定対象の単語と一致する単語がある場合、判定部１０３は、判定対象の単語が代表表記であるか否かを判定する（Ｓ２１０）。

例えば、判定部１０３は、「ｋ＝０」である「行っ（ワ行五段動詞連用形，読み：おこなっ）」について、格納部１０４の同音同義語テーブルに、表記と品詞と読みが同じ単語（「行っ（ワ行五段動詞連用形，読み：おこなっ）」）があるか否かを検索する。この場合、同音同義語テーブルに、「行っ（ワ行五段動詞連用形，読み：おこなっ）」が存在するが、代表表記に設定されてはいない。

判定対象の単語が代表表記でない場合、判定部１０３は、判定対象の単語が含まれる解析候補の評価点を下げる（Ｓ２１１）。例えば、行っ（ワ行五段動詞連用形，読み：おこなっ）」は代表表記ではないため、判定部１０３は、行っ（ワ行五段動詞連用形，読み：おこなっ）」の評価点を下げる。評価点の下げ方は、予め設定されていてもよく、任意に変更できてもよい。例えば、代表表記でない場合は６０点を引くと設定されていれば、判定部１０３は、図４における第１解析候補の評価点を１００点から４０点に下げる。判定部１０３は、ｋに１を足し（Ｓ２１２）、ステップＳ２０８に遷移する。

判定対象の単語が代表表記である場合、判定部１０３は何も行わず、ステップＳ２１２に遷移する。

ステップＳ２０８において、ｋ番目の単語が存在しないと判定した場合、判定部１０３は、ｉに１を足し（Ｓ２１３）、ステップＳ２０６に遷移する。すなわち、判定部１０３は次の部分系列の判定に移る。

図４の例では、「ｉ＝０」の部分系列に含まれる形態素単位の単語は、「ｋ＝０」の「行っ（ワ行五段動詞連用形，読み：おこなっ）」のみなので、「ｋ＝１」の単語は存在しない。すなわち、「ｋ＝１」のときステップＳ２０８の判定はＮＯとなる。判定部１０３は、ステップＳ２１４において「ｉ＝１」とし、「行っ（カ行五段動詞連用形，読み：いっ）」について同様に、ステップＳ２０６から処理を繰り返す。

図４の例では、「行っ（カ行五段動詞連用形，読み：いっ）」（ｉ＝１）が存在するため、ステップＳ２０６における判定はＹＥＳとなり、「行っ（カ行五段動詞連用形，読み：いっ）」について、ステップＳ２０７から同様の処理が行われる。図５において、格納部１０４の同音同義語テーブルでは、「行っ（カ行五段動詞連用形，読み：いっ）」は代表表記であるため、ステップＳ２１０での判定はＹＥＳとなり、ステップＳ２１１における評価点の減点は行なわれない。すなわち、図４における第２解析候補の評価点は５０点のままとなる。

ステップＳ２０６において、判定結果がＮＯとなった場合、判定部１０３は、ｎに１を足し（Ｓ２１４）、ステップＳ２０５に遷移する。図４の例では、ｉは０と１のみなので、ステップＳ２１３により「ｉ＝２」となった段階で、ステップＳ２０６における判定はＮＯとなる。判定部はステップＳ２１４において「ｎ＝２」とし、ステップＳ２０４に遷移する。

ステップＳ２０４において、ｎ組目の競合系列組がない場合、判定部１０３は、評価点を変えた後の単語ネットワークを選択部１０５に渡す。選択部１０５は、単語ネットワークのうち、評価点が最も解析候補を一の解析候補（最適解析候補）として選択し、出力部１０６に渡す（Ｓ２１５）。出力部１０６は、最適解析候補を出力する（Ｓ２１６）
図４における例では、判定部１０３により、第１解析候補の評価点は１００点から４０点となり、第２解析候補の評価点は５０点のままとなる。よって選択部１０５は、評価点の高い第２解析候補を最適解析候補に選択し、出力部１０６に出力する。出力部１０６は、最適解析候補とした第２解析候補「過去に行ったセミナー（かこにいったせみなー）」を音声として出力したり、表示したりする。

以上述べたとおり、本実施の形態により、日本語テキストの形態素解析を精度良く行なうことができる。

なお、本実施の形態では、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」という品詞と読みとが異なるものについて、形態素解析装置１が行う処理について説明したが、この例に限られない。

図６は、形態素解析の結果の他の例を表す図である。図６に示したように、「住民（名詞）‐の（助詞）‐方（名詞，読み：ほう）‐に（助詞）」（第１解析候補）と「住民（名詞）‐の（助詞）‐方（名詞，読み：かた）‐に（助詞）」（第２解析候補）いうような、品詞は同じで、読みが異なるものであっても、形態素解析装置１は同様の処理を行うことができる。この場合、図５の同音同義語テーブルでは、判定部１０３は、「方（名詞，読み：かた）」は代表表記であるが、「方（名詞，読み：ほう）」は代表表記でない。よって判定部１０３は、第１解析候補の評価点を下げる。

（第２の実施の形態）
第２の実施の形態に係る形態素解析装置（不図示）は、第１の実施の形態に係る形態素解析装置１と比較して、判定部１０３の行う処理が異なる。

本実施の形態に係る形態素解析装置（不図示）は、判定部１０３が、一の競合系列組内の、全ての解析候補の評価点を下げた場合は、全ての解析候補の評価点を該組の判定前の評価点にまで戻す処理を行う。

図７は、第２の実施の形態に係る形態素解析装置（不図示）の処理を表すフローチャートである。本実施形態において、判定部１０３が行なう処理には、図３に示した第１の実施の形態のフローチャートに、ステップＳ６０１とステップＳ６０２とステップＳ６０３が加わる。以下説明する。なお、他のステップＳ２０１〜Ｓ２１６については、第１の実施の形態の場合と同様である。

ステップＳ２０９において、同音同義語テーブル内に、判定対象の単語と一致する単語がない場合、ステップＳ２１１において、解析候補の評価点を下げる処理は行なわれない。ステップＳ６０１では、判定部１０３は、評価点を下げなかった回数をカウントして記憶する（Ｓ６０１）。そしてステップＳ２１２へと遷移する。

ステップＳ６０２では、判定部１０３は、評価点を下げなかった回数が０であるか否かを判定する（Ｓ６０２）。評価点を下げなかった回数が１以上である場合、判定部１０３は何もせず、ステップＳ２１４に遷移する。

評価点を下げなかった回数が０である場合、判定部１０３は、全ての解析候補の評価点を（ｎ−１）組目の競合系列の組の判定終了時の評価点にまで戻す（Ｓ６０３）。例えば、競合系列組が１つの場合（ｎ＝１のみ）、判定部１０３は、全ての解析候補の評価点を形態素解析部１０２から受け取った解析結果の評価点にまで戻す処理を行なう。

これにより、判定部１０３の判定よりも、形態素解析部１０２の解析結果の評価点を優先させることができる。

（第３の実施の形態）
第３の実施の形態に係る形態素解析装置（不図示）は、第１の実施の形態及び第２の実施の形態に係る形態素解析装置と比較して、判定部１０３の行う処理が異なる。本実施の形態に係る形態素解析装置（不図示）は、判定対象の単語が代表表記でない場合は、該単語が含まれる部分系列を削除対象とし、削除対象としなかった部分系列を残す。

図８は、第３の実施の形態に係る形態素解析装置（不図示）の処理を表すフローチャートである。本実施形態において、判定部１０３が行なう処理には、第２の実施の形態のフローチャート（図７）の、ステップＳ２１１がステップＳ７０１に代わる。ステップＳ６０１がステップＳ７０２に代わる。ステップＳ６０２がステップＳ７０３に代わる。ステップＳ６０３がステップＳ７０４に代わる。そして、ステップＳ７０５が加わる。以下説明する。なお、他のステップＳ２０１〜Ｓ２１６については、第１の実施の形態及び第２の実施の形態の場合と同様である。

ステップＳ２１０において判定対象の単語が代表表記でないと判定された場合、ステップ７０１で判定部１０３は、該単語が属する部分系列を削除対象とする（Ｓ７０１）。ステップＳ７０２で、判定部１０３は、削除対象としなかった部分系列の個数を記憶する（Ｓ７０２）。ステップＳ７０３では、判定部１０３は、削除対象としなかった部分系列の個数が０であるか否かを判定する（Ｓ７０３）。削除対象としなかった部分系列の個数が０である場合、判定部１０３は、削除対象を取り消す（Ｓ７０４）。削除対象としなかった部分系列の個数が１以上である場合、判定部１０３は、削除対象とした部分系列を削除する（Ｓ７０５）。

例を挙げて説明する。図９は、第３の実施の形態に係る形態素解析の例を表す。入力部１０１には、「原稿用紙の行って、」と入力されたとする（Ｓ２０１）。形態素解析部１０２は、該テキストの形態素解析を行ない、「原稿用紙（名詞）‐の（助詞）‐行っ（ワ行五段動詞連用形，読み：おこなっ）‐て（助詞）‐、（読点）」（第１解析候補）と、「原稿用紙（名詞）‐の（助詞）‐行っ（カ行五段動詞連用形，読み：いっ）‐て（助詞）‐、（読点）」（第２解析候補）と、「原稿用紙（名詞）‐の（助詞）‐行（名詞，読み：ぎょう）‐って（助詞）‐、（読点）」（第３解析候補）という３つの解析候補からなる単語ネットワークを各々の解析候補に評価点を付した上で判定部１０３に渡す（Ｓ２０２）。

この例の場合、競合系列組は、「行っ（ワ行五段動詞連用形，読み：おこなっ）て（助詞）」（ｉ＝０）と「行っ（カ行五段動詞連用形，読み：いっ）て（助詞）」（ｉ＝１）と「行（名詞，読み：ぎょう）って（助詞）」（ｉ＝２）の一組（ｎ＝１）である。判定部１０３は、ステップＳ２０３からステップＳ２１０まで、第１の実施の形態及び第２の実施の形態の場合と同様の処理を行なう。図１０は、第３の実施の形態に係る形態素解析装置（不図示）の格納部１０４に格納される同音同義語テーブルである。

格納部１０４には、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」のみの同音同義語テーブルが存在するとする。この場合、ステップＳ２０９において、ＹＥＳとなるのは、「行っ（ワ行五段動詞連用形，読み：おこなっ）」（ｎ＝１，ｉ＝０，ｋ＝０）と、「行っ（カ行五段動詞連用形，読み：いっ）」（ｎ＝１，ｉ＝１，ｋ＝０）である。それ以外の、「て（助詞）」（ｎ＝１，ｉ＝０，ｋ＝１）と「て（助詞）」（ｎ＝１，ｉ＝１，ｋ＝１）と「行（名詞，読み：ぎょう）」（ｎ＝１，ｉ＝２，ｋ＝０）と「って（助詞）」の４つの単語については、ステップＳ２０９においてＮＯとなる。

判定部１０３は、「行っ（ワ行五段動詞連用形，読み：おこなっ）」（ｎ＝１，ｉ＝０，ｋ＝０）と、「行っ（カ行五段動詞連用形，読み：いっ）」（ｎ＝１，ｉ＝１，ｋ＝０）について、同音同義語テーブルを検索し、各々の単語が代表表記であるか否かを判定する（Ｓ２１０）。図１０において、「行っ（ワ行五段動詞連用形，読み：おこなっ）」と「行っ（カ行五段動詞連用形，読み：いっ）」はいずれも代表表記ではない。その場合、判定部１０３は、「行っ（ワ行五段動詞連用形，読み：おこなっ）」（ｎ＝１，ｉ＝０，ｋ＝０）が属する「行っ（ワ行五段動詞連用形，読み：おこなっ）て（助詞）」の部分系列と、「行っ（カ行五段動詞連用形，読み：いっ）」（ｎ＝１，ｉ＝１，ｋ＝０）が属する「行っ（カ行五段動詞連用形，読み：いっ）て（助詞）」の部分系列を削除対象とする。

ステップＳ７０２では、削除対象としなかった部分系列の個数をカウントする。すなわち、「行（名詞，読み：ぎょう）って（助詞）」（ｉ＝２）の部分系列については、各々の単語（「行（名詞，読み：ぎょう）」と「って（助詞）」）によって部分系列を削除対象としないので、この競合系列組（ｎ＝１）の処理が終了するときにおいて、削除対象としなかった部分系列の個数は４回となる。

よってステップＳ７０３における判定は、ＮＯとなる。そして、ステップＳ７０５において、判定部１０３は、削除対象とした「行っ（ワ行五段動詞連用形，読み：おこなっ）て（助詞）」（ｉ＝０）の部分系列と「行っ（カ行五段動詞連用形，読み：いっ）て」（ｉ＝１）の部分系列を削除する。よって、この競合系列組内に残るのは「行（名詞，読み：ぎょう）って（助詞）」のみとなる。そして、ステップＳ２１５において、選択部１０５は、「原稿用紙（名詞）‐の（助詞）‐行（名詞，読み：ぎょう）‐って（助詞）‐、（読点）」（第３解析候補）を最適解析候補とする。

これにより、形態素解析部１０２から受け取った解析結果の中に、明らかに最適解析候補に含まれない部分系列を、判定部１０３による判定の段階で取り除くことができる。

（第４の実施の形態）
第４の実施の形態に係る形態素解析装置４は、選択部１０５が選択した最適解析候補に基づいて、格納部１０４に格納される同音同義語テーブルの代表表記を変更する機能を備える。図１１は、形態素解析装置４の構成を表すブロック図である。形態素解析装置４は、第１の実施の形態に係る形態素解析装置１と比較して、変更部４００を備える点が異なる。また、格納部１０４に格納される同音同義語テーブルに各々の単語の出現回数を示す項目が追加されている点が異なる。

選択部１０５は、最適解析候補を出力部１０６と、変更部４００に渡す。変更部４００は、選択部１０５が選択した最適解析候補に含まれる形態素単位の単語の出現回数に基づいて、格納部１０４に格納される同音同義語テーブルの代表表記を変更する。

図１２は、変更部４００の処理を表すフローチャートである。変更部４００は、最適解析候補に含まれる形態素単位の単語に識別番号ｊ（ｊ＝０，１，２，・・・）を付ける。識別番号ｊは最適解析候補の初めの単語から順に付けてもよい。変更部４００は、ｊを初期化する（Ｓ１１０１）。変更部４００は、ｊ番目の単語があるか否かを判定する（Ｓ１１０２）。ｊ番目の単語（判定対象の単語）があると判定した場合、変更部４００は、格納部１０４を検索し、同音同義語テーブル内に、判定対象の単語と、表記と品詞と読みについて一致する単語があるか否かを判定する（Ｓ１１０３）。

図１３は、本実施の形態における格納部１０４に格納される同音同義語テーブルを表す図である。同音同義語テーブルには、変更部４００が現在までに判定対象とした単語の出現回数をカウントした「出現回数」の項目が設けられる。

ステップＳ１１０３において、判定対象の単語と一致する単語があると判定した場合、変更部４００は、判定対象の単語と一致する単語の出現回数に１を足す（Ｓ１１０４）。変更部４００は、ｊに１を足し（Ｓ１１０５）、ステップ１１０２に遷移する。

ステップＳ１１０２において、ｊ番目の単語がないと判定した場合、変更部４００は、各々の単語の出現回数に基づいて、同音同義語テーブルの代表表記の設定を変更し（Ｓ１１０６）、処理を終了する。例えば、最も出現回数の多い単語の表記を代表表記に設定する。

最適解析候補が「講演（名詞）‐を（助詞）‐行っ（ワ行五段動詞連用形，読み：おこなっ）‐た（助動詞）」である場合を例にして説明する。また、同音同義語テーブルには、図１３に示したように、「おこなった」に関する同音同義の単語の組のみ存在するとする。

そして、「おこなっ」の出現回数が「２」、「行なっ」の出現回数が「５」、「行っ」の出現回数が「４」であるとする（図１３中、上のテーブル）。

変更部４００は、「講演（名詞）」にｊ＝０、「を（助詞）」にｊ＝１、「行っ（ワ行五段動詞連用形，読み：おこなっ）」にｊ＝２、「た（助動詞）」にｊ＝３を付ける。ステップＳ１１０１で、変更部４００は、ｊ＝０に初期化する。ステップ１１０２における判定は、ｊ＝３までＹＥＳとなる。ステップＳ１１０３における判定では、「行っ（ワ行五段動詞連用形，読み：おこなっ）」（ｊ＝２）のみＹＥＳとなり、他の単語についてはＮＯとなる。ステップＳ１１０４において、変更部４００は、行っ（ワ行五段動詞連用形，読み：おこなっ）」と一致する「行っ」の出現回数に１を足し、「５」とする。

ステップＳ１１０５においてｊ＝４となったとき、ステップ１１０２における判定はＮＯとなり、ステップ１１０６に遷移する。ステップ１１０６で、変更部４００は、出現回数変更後の同音同義語テーブル（図１３中、下のテーブル）において、出現回数の最も高い、「行なっ」と「行っ」を代表表記に再設定する。

なお、図１３のように、出現回数が最も高い代表表記が複数ある場合、例えば、変更部４００が直前に変更した方の優先表記を優先させて、優先表記を１つにしてもよい。また、文字数の少ない表記を優先表記として、優先表記を１つとしてもよい。

これにより、ユーザに合わせた利便性の高い形態素解析装置を提供することができる。

１，４形態素解析装置
１０１入力部
１０２形態素解析部
１０３判定部
１０４格納部
１０５選択部
１０６出力部
４００変更部

Claims

入力された日本語テキストの形態素解析を行ない複数の解析候補を作成する形態素解析部と、
一の読みと、前記一の読みに対して複数の表記を持つ同音同義の形態素単位の単語の組とを対応付け、前記組の中で、代表となる表記の代表表記を設定した同音同義語テーブルを格納する格納部と、
前記形態素解析により、複数の前記解析候補の同一部分の文字列に、形態素候補が複数存在する場合には、前記同音同義語テーブルを検索し、前記形態素候補ごとに前記文字列に含まれる単語の表記が前記代表表記であるか否かの判定を行なう判定部と、
前記判定の結果に基づいて、複数の前記解析候補の中から一の前記解析候補を選択する選択部と
を備え、
前記形態素解析部は、
各々の前記解析候補に優先度を表す評価点を付け、
前記判定部は、
前記判定の結果、前記単語の表記が前記代表表記か否かに応じて、前記形態素候補の文字列を含む前記解析候補の前記評価点を調整し、
前記選択部は、
前記評価点の最も高い前記解析候補を選択すること
を特徴とする形態素解析装置。
前記判定の結果、全ての前記文字列の前記評価点を下げた場合、前記判定部は、全ての前記文字列の評価点を前記判定前に戻すこと
を特徴とする、請求項１記載の形態素解析装置。
前記判定部は、前記判定により前記評価点を下げた前記解析候補を削除する
ことを特徴とする、請求項１記載の形態素解析装置。
前記選択部が選択した一の前記解析候補を用いて、
前記同音同義語テーブルにおける前記代表表記の設定を変更する変更部を
さらに備えることを特徴とする、請求項１乃至３記載の形態素解析装置。
入力された日本語テキストの形態素解析を行ない複数の解析候補を作成し、
一の読みと、前記一の読みに対して複数の表記を持つ同音同義の形態素単位の単語の組とを対応付け、前記組の中で、代表となる表記の代表表記を設定した同音同義語テーブルを格納し、
前記形態素解析により、複数の前記解析候補の同一部分の文字列に、形態素候補が複数存在する場合には、前記同音同義語テーブルを検索し、前記形態素候補ごとに前記文字列に含まれる単語の表記が前記代表表記であるか否かの判定を行ない、
前記判定の結果に基づいて、複数の前記解析候補の中から一の前記解析候補の選択を行ない、
前記形態素解析では、
各々の前記解析候補に優先度を表す評価点を付け、
前記判定では、
前記判定の結果、前記単語の表記が前記代表表記か否かに応じて、前記形態素候補の文字列を含む前記解析候補の前記評価点を調整し、
前記選択では、
前記評価点の最も高い前記解析候補を選択すること
を特徴とする形態素解析方法。