JP2015169947A - モデル学習装置、形態素解析装置、及び方法 - Google Patents
モデル学習装置、形態素解析装置、及び方法 Download PDFInfo
- Publication number
- JP2015169947A JP2015169947A JP2014041951A JP2014041951A JP2015169947A JP 2015169947 A JP2015169947 A JP 2015169947A JP 2014041951 A JP2014041951 A JP 2014041951A JP 2014041951 A JP2014041951 A JP 2014041951A JP 2015169947 A JP2015169947 A JP 2015169947A
- Authority
- JP
- Japan
- Prior art keywords
- phrase
- regular
- word
- character string
- lattice
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000004458 analytical method Methods 0.000 title claims abstract description 267
- 230000000877 morphologic effect Effects 0.000 title claims abstract description 115
- 238000000034 method Methods 0.000 title claims description 39
- 238000006243 chemical reaction Methods 0.000 claims abstract description 122
- 238000004364 calculation method Methods 0.000 claims abstract description 72
- 238000000605 extraction Methods 0.000 claims abstract description 60
- 239000000284 extract Substances 0.000 claims abstract description 11
- 239000002344 surface layer Substances 0.000 claims description 20
- 230000014509 gene expression Effects 0.000 claims description 15
- 238000000926 separation method Methods 0.000 claims description 3
- 231100000284 endotoxic Toxicity 0.000 abstract 6
- 230000002346 endotoxic effect Effects 0.000 abstract 6
- 238000012545 processing Methods 0.000 description 37
- 230000006870 function Effects 0.000 description 19
- 238000010586 diagram Methods 0.000 description 14
- 230000015556 catabolic process Effects 0.000 description 6
- 230000000694 effects Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 3
- 230000018109 developmental process Effects 0.000 description 3
- 230000000052 comparative effect Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 239000003637 basic solution Substances 0.000 description 1
- 238000012217 deletion Methods 0.000 description 1
- 230000037430 deletion Effects 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
Landscapes
- Machine Translation (AREA)
Abstract
【解決手段】解析候補生成部1530で解析候補文を各々生成し、ラティス生成部1532でノード及びエッジからなるグラフ構造であるラティスを生成する。算出部1533で正規フレーズへ変換した変換の尤もらしさを示すスコアを算出し、ノード抽出部1534でノードを抽出及び削除して、ラティスを再構成する。素性抽出部1536でノード抽出部1534で抽出したノードを結んだ各経路について、重みの学習に用いる複数の素性を抽出し、モデル推定部1538により、素性抽出部1536で抽出した各経路についての複数の素性を用いて、MERTによる識別学習により、複数の素性を重み付け加算した値が最小となる経路が表す形態素解析結果と、入力された正規文の形態素解析結果との差分が最小になるように、複数の素性に対する重みの各々を学習する。
【選択図】図32
Description
20、220、320、420、520、620、720、820、1020、1120、1220、1320、1520、1620 演算部
30 初期設定部
31 フレーズアライメント部
32 変換確率算出部
34 反復判定部
36、232 正規崩れフレーズモデル記憶部
42 統計量算出部
43、743、1043、1234 データ生成部
44 モデル学習部
46、236、346、436 フレーズフィルタモデル記憶部
50、250 出力部
100、300、500、700、1000、1200、1500 モデル学習装置
200、400、600、800、1100、1300、1600 形態素解析装置
230、830、1130、1530 解析候補生成部
233 辞書データベース記憶部
235、435、1336、1533 算出部
238、438 解析対象抽出部
239、639、1139、1334、1532、1638 ラティス生成部
240、840、1641 選択部
342 統計量算出部
736、832 正規崩れフレーズルール記憶部
934 文字種変換辞書データベース記憶部
1230 形態素情報付与部
1338、1534 ノード抽出部
1536、1640 素性抽出部
1538 モデル推定部
1542、1642 解析用識別モデル記憶部
Claims (8)
- 入力された、正規化された表現である正規語に対して揺らいだ表記である崩れ語を含む崩れ文と、前記崩れ文に含まれる前記崩れ語を、前記正規語に置き換えた正規文に対する形態素解析結果とを受け付ける入力部と、
崩れ語を文字列の区切り位置で区切った部分文字列である崩れフレーズを、正規語を文字列の区切り位置で区切った部分文字列である正規フレーズに変換するための予め求められた正規崩れフレーズモデルに基づいて、前記入力された前記崩れ文について、前記崩れフレーズに一致する部分文字列を、対応する前記正規フレーズに置き換えた文字列を解析候補として生成する解析候補生成部と、
前記入力された前記崩れ文及び前記解析候補生成部によって生成された前記解析候補の文字列の各々に対して辞書引きを行い、品詞が付与された各部分文字列に対応するノード及び連結される部分文字列に対応するノードを結んだエッジからなるグラフ構造であるラティスを生成するラティス生成部と、
前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路について、前記経路が表す品詞列に対する品詞連接コストを示す第1素性、前記経路が表す単語列に対する単語コストを示す第2素性、及び前記経路が表す単語列に対する単語表層n−gramに基づくコストを示す第3素性を含む複数の素性を抽出する素性抽出部と、
前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路のうち、前記素性抽出部によって抽出された前記複数の素性を重み付け加算した値が最小となる経路が表す形態素解析結果と、前記入力された正規文の形態素解析結果との差分が最小になるように、前記複数の素性の各々に対する重みを学習する学習部と、
を含む、モデル学習装置。 - 前記ラティス生成部は、前記入力された前記崩れ文及び前記解析候補生成部によって生成された前記解析候補の文字列の各々に対して辞書引きを行うと共に、前記解析候補生成部によって生成された前記解析候補の文字列の各々に対し、同一の読みであって、かつ、文字種が異なる複数の部分文字列の組み合わせを複数組格納した文字種変換辞書に基づいて、前記解析候補の文字列に含まれる前記正規フレーズについて、前記文字種変換辞書に格納されている組み合わせの部分文字列と一致する前記正規フレーズを、前記組み合わせの他の部分文字列に展開し、前記展開した部分文字列に対して辞書引きを行い、前記ラティスを生成し、
前記素性抽出部は、前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路について、前記経路が表す文字列が、前記崩れフレーズを置き換えた前記正規フレーズを含む場合に、前記崩れフレーズを前記正規フレーズに変換することについての文字列変換コストを示す第4素性を更に抽出し、前記経路が表す文字列が、前記文字種変換辞書に基づいて展開された部分文字列を含む場合に、文字種変換コストを示す第5素性を更に抽出する請求項1記載のモデル学習装置。 - 入力された複数のコーパスに基づいて、n個の文字からなる文字n−gram及びn個の単語からなる単語表層n−gramの少なくとも一方の各々について、統計量を算出する統計量算出部と、
入力された正規化された表現である正規語と前記正規語に対して揺らいだ表記である崩れ語との複数のペア、及び前記崩れ語を文字列の区切り位置で区切った部分文字列である崩れフレーズを、前記正規語を文字列の区切り位置で区切った部分文字列である正規フレーズに変換するための予め求められた正規崩れフレーズモデルに基づいて、前記入力された複数のペアの各々について、前記ペアの前記崩れ語に含まれる前記崩れフレーズを前記正規フレーズに変換し、前記変換された正規フレーズに対して辞書引きを行い、形態素情報を付与する形態素情報付与部と、
前記変換された正規フレーズと前記ペアの前記正規語との比較結果に基づいて、前記正規フレーズに付与された形態素情報と、前記崩れフレーズに対応する文字n−gram及び単語表層n−gramの少なくとも一方について算出された統計量と、前記正規フレーズに対応する文字n−gram及び単語表層n−gramの少なくとも一方について算出された統計量とを含む、正例データ及び負例データの何れか一方である学習データを生成するデータ生成部と、
前記データ生成部によって前記複数のペアの各々について生成された学習データに基づいて、前記崩れフレーズを前記正規フレーズへ変換することの尤もらしさを判断するためのフレーズフィルタモデルを学習する学習部と、
を含む、モデル学習装置。 - 崩れ語を文字列の区切り位置で区切った部分文字列である崩れフレーズを、正規語を文字列の区切り位置で区切った部分文字列である正規フレーズに変換するための予め求められた正規崩れフレーズモデルに基づいて、入力された文字列について、前記崩れフレーズに一致する部分文字列を、対応する前記正規フレーズに置き換えた文字列を解析候補として生成する解析候補生成部と、
前記入力された文字列及び前記解析候補生成部によって生成された前記解析候補の文字列の各々に対して辞書引きを行い、品詞が付与された各部分文字列に対応するノード及び連結される部分文字列に対応するノードを結んだエッジからなるグラフ構造であるラティスを生成するラティス生成部と、
前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路について、前記経路が表す品詞列に対する品詞連接コストを示す第1素性、前記経路が表す単語列に対する単語コストを示す第2素性、及び前記経路が表す単語列に対する単語表層n−gramに基づくコストを示す第3素性を含む複数の素性を抽出する素性抽出部と、
予め求められた前記複数の素性の各々に対する重みに基づいて、動的計画法に従って、前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路のうち、前記素性抽出部によって抽出された前記複数の素性を重み付け加算した値が最小となる経路を選択し、選択した経路が表す形態素解析結果を出力する選択部と、
を含む、形態素解析装置。 - 前記ラティス生成部によって生成されたラティスにおける前記ノードのうち、前記正規フレーズに対応するノードの各々について、前記崩れフレーズを前記正規フレーズへ変換することの尤もらしさを判断するための予め求められたフレーズフィルタモデルと、前記ノードに付与された品詞を含む形態素情報とに基づいて、前記ノードに対応する前記正規フレーズへ変換することの尤もらしさを算出する算出部と、
前記ラティス生成部によって生成されたラティスのうち、前記正規フレーズに対応するノードから、前記算出部によって算出された前記ノードに対応する前記正規フレーズへ変換することの尤もらしさと、予め定められた閾値とに基づいて、尤もらしい前記ノードを抽出するノード抽出部とを更に含み、
前記素性抽出部は、前記ラティス生成部によって生成されたラティスのうちの、前記ノード抽出部によって抽出された前記ノードを含む各経路について、前記複数の素性を抽出し、
前記選択部は、予め求められた前記複数の素性の各々に対する重みに基づいて、動的計画法に従って、前記ラティス生成部によって生成されたラティスのうちの、前記ノード抽出部によって抽出された前記ノードを含む各経路のうち、前記素性抽出部によって抽出された前記複数の素性を重み付け加算した値が最小となる経路を選択し、選択した経路が表す形態素解析結果を出力する請求項4記載の形態素解析装置。 - 入力部が、入力された正規化された表現である正規語に対して揺らいだ表記である崩れ語を含む崩れ文と、前記崩れ文に含まれる前記崩れ語を、前記正規語に置き換えた正規文に対する形態素解析結果とを受け付けるステップと、
解析候補生成部が、崩れ語を文字列の区切り位置で区切った部分文字列である崩れフレーズを、正規語を文字列の区切り位置で区切った部分文字列である正規フレーズに変換するための予め求められた正規崩れフレーズモデルに基づいて、前記入力された前記崩れ文について、前記崩れフレーズに一致する部分文字列を、対応する前記正規フレーズに置き換えた文字列を解析候補として生成するステップと、
ラティス生成部が、前記入力された前記崩れ文及び前記解析候補生成部によって生成された前記解析候補の文字列の各々に対して辞書引きを行い、品詞が付与された各部分文字列に対応するノード及び連結される部分文字列に対応するノードを結んだエッジからなるグラフ構造であるラティスを生成するステップと、
素性抽出部が、前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路について、前記経路が表す品詞列に対する品詞連接コストを示す第1素性、前記経路が表す単語列に対する単語コストを示す第2素性、及び前記経路が表す単語列に対する単語表層n−gramに基づくコストを示す第3素性を含む複数の素性を抽出するステップと、
学習部が、前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路のうち、前記素性抽出部によって抽出された前記複数の素性を重み付け加算した値が最小となる経路が表す形態素解析結果と、前記入力された正規文の形態素解析結果との差分が最小になるように、前記複数の素性の各々に対する重みを学習するステップと、
を含むモデル学習方法。 - 統計量算出部が、入力された複数のコーパスに基づいて、n個の文字からなる文字n−gram及びn個の単語からなる単語表層n−gramの少なくとも一方の各々について、統計量を算出するステップと、
形態素情報付与部が、入力された正規化された表現である正規語と前記正規語に対して揺らいだ表記である崩れ語との複数のペア、及び前記崩れ語を文字列の区切り位置で区切った部分文字列である崩れフレーズを、前記正規語を文字列の区切り位置で区切った部分文字列である正規フレーズに変換するための予め求められた正規崩れフレーズモデルに基づいて、前記入力された複数のペアの各々について、前記ペアの前記崩れ語に含まれる前記崩れフレーズから前記正規フレーズに変換し、前記変換された正規フレーズに対して辞書引きを行い、形態素情報を付与するステップと、
データ生成部が、前記変換された正規フレーズと前記ペアの前記正規語との比較結果に基づいて、前記正規フレーズに付与された形態素情報と、前記崩れフレーズに対応する文字nグラム及び単語表層n−gramの少なくとも一方について算出された統計量と、前記正規フレーズに対応する文字n−gram及び単語表層n−gramの少なくとも一方について算出された統計量とを含む、正例データ及び負例データの何れか一方である学習データを生成するステップと、
学習部が、前記データ生成部によって前記複数のペアの各々について生成された学習データに基づいて、前記崩れフレーズを前記正規フレーズへ変換することの尤もらしさを判断するためのフレーズフィルタモデルを学習するステップと、
を含む、モデル学習方法。 - 解析候補生成部が、崩れ語を文字列の区切り位置で区切った部分文字列である崩れフレーズを、正規語を文字列の区切り位置で区切った部分文字列である正規フレーズに変換するための予め求められた正規崩れフレーズモデルに基づいて、入力された文字列について、前記崩れフレーズに一致する部分文字列を、対応する前記正規フレーズに置き換えた文字列を解析候補として生成するステップと、
ラティス生成部が、前記入力された文字列及び前記解析候補生成部によって生成された前記解析候補の文字列の各々に対して辞書引きを行い、品詞が付与された各部分文字列に対応するノード及び連結される部分文字列に対応するノードを結んだエッジからなるグラフ構造であるラティスを生成するステップと、
素性抽出部が、前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路について、前記経路が表す品詞列に対する品詞連接コストを示す第1素性、前記経路が表す単語列に対する単語コストを示す第2素性、及び前記経路が表す単語列に対する単語表層n−gramに基づくコストを示す第3素性を含む複数の素性を抽出するステップと、
選択部が、予め求められた前記複数の素性の各々に対する重みに基づいて、動的計画法に従って、前記ラティス生成部によって生成されたラティスにおける前記ノードを結んだ各経路のうち、前記素性抽出部によって抽出された前記複数の素性を重み付け加算した値が最小となる経路を選択し、選択した経路が表す形態素解析結果を出力するステップと、
を含む、形態素解析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014041951A JP6145059B2 (ja) | 2014-03-04 | 2014-03-04 | モデル学習装置、形態素解析装置、及び方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2014041951A JP6145059B2 (ja) | 2014-03-04 | 2014-03-04 | モデル学習装置、形態素解析装置、及び方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2015169947A true JP2015169947A (ja) | 2015-09-28 |
JP6145059B2 JP6145059B2 (ja) | 2017-06-07 |
Family
ID=54202680
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2014041951A Expired - Fee Related JP6145059B2 (ja) | 2014-03-04 | 2014-03-04 | モデル学習装置、形態素解析装置、及び方法 |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP6145059B2 (ja) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017182707A (ja) * | 2016-03-31 | 2017-10-05 | 日本電信電話株式会社 | 形態素解析装置、モデル学習装置、及びプログラム |
JP2018077677A (ja) * | 2016-11-09 | 2018-05-17 | 日本電信電話株式会社 | 文字列変換装置、モデル学習装置、方法、及びプログラム |
CN112101030A (zh) * | 2020-08-24 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 建立术语映射模型、实现标准词映射的方法、装置及设备 |
WO2021112384A1 (ko) * | 2019-12-05 | 2021-06-10 | 울산대학교 산학협력단 | 자연어 표상 방법 및 이를 수행하기 위해 매체에 저장된 컴퓨터 프로그램 |
JP2021111051A (ja) * | 2020-01-08 | 2021-08-02 | 株式会社東芝 | 記号列変換装置および記号列変換方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031228A (ja) * | 2004-07-14 | 2006-02-02 | Oki Electric Ind Co Ltd | 形態素解析装置、方法及びプログラム |
JP2007087070A (ja) * | 2005-09-21 | 2007-04-05 | Oki Electric Ind Co Ltd | 形態素解析装置、形態素解析方法及び形態素解析プログラム |
JP2012118723A (ja) * | 2010-11-30 | 2012-06-21 | Fujitsu Ltd | 形態素解析装置、音声合成装置、形態素解析方法、形態素解析プログラム及び対応辞書の作成方法 |
-
2014
- 2014-03-04 JP JP2014041951A patent/JP6145059B2/ja not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2006031228A (ja) * | 2004-07-14 | 2006-02-02 | Oki Electric Ind Co Ltd | 形態素解析装置、方法及びプログラム |
JP2007087070A (ja) * | 2005-09-21 | 2007-04-05 | Oki Electric Ind Co Ltd | 形態素解析装置、形態素解析方法及び形態素解析プログラム |
JP2012118723A (ja) * | 2010-11-30 | 2012-06-21 | Fujitsu Ltd | 形態素解析装置、音声合成装置、形態素解析方法、形態素解析プログラム及び対応辞書の作成方法 |
Non-Patent Citations (3)
Title |
---|
村田 真樹 外1名: "言い換えの統一的モデル −尺度に基づく変形の利用−", 自然言語処理, vol. 第11巻第5号, JPN6016046921, 10 October 2004 (2004-10-10), JP, pages 113 - 133 * |
松本 裕治: "コーパスからの言語知識獲得", 1997年度人工知能学会全国大会(第11回)論文集, JPN6016046931, 24 June 1997 (1997-06-24), JP, pages 64 - 67 * |
秋田 祐哉 外1名: "統計的機械翻訳の枠組みに基づく言語モデルの話し言葉スタイルへの変換", 情報処理学会研究報告, vol. 第2005巻第127号, JPN6016046928, 22 December 2005 (2005-12-22), JP, pages 109 - 114 * |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2017182707A (ja) * | 2016-03-31 | 2017-10-05 | 日本電信電話株式会社 | 形態素解析装置、モデル学習装置、及びプログラム |
JP2018077677A (ja) * | 2016-11-09 | 2018-05-17 | 日本電信電話株式会社 | 文字列変換装置、モデル学習装置、方法、及びプログラム |
WO2021112384A1 (ko) * | 2019-12-05 | 2021-06-10 | 울산대학교 산학협력단 | 자연어 표상 방법 및 이를 수행하기 위해 매체에 저장된 컴퓨터 프로그램 |
KR20210070685A (ko) * | 2019-12-05 | 2021-06-15 | 울산대학교 산학협력단 | 자연어 표상 방법 및 이를 수행하기 위해 매체에 저장된 컴퓨터 프로그램 |
KR102313721B1 (ko) | 2019-12-05 | 2021-10-15 | 울산대학교 산학협력단 | 자연어 표상 방법 및 이를 수행하기 위해 매체에 저장된 컴퓨터 프로그램 |
JP2021111051A (ja) * | 2020-01-08 | 2021-08-02 | 株式会社東芝 | 記号列変換装置および記号列変換方法 |
JP7332486B2 (ja) | 2020-01-08 | 2023-08-23 | 株式会社東芝 | 記号列変換装置および記号列変換方法 |
CN112101030A (zh) * | 2020-08-24 | 2020-12-18 | 沈阳东软智能医疗科技研究院有限公司 | 建立术语映射模型、实现标准词映射的方法、装置及设备 |
CN112101030B (zh) * | 2020-08-24 | 2024-01-26 | 沈阳东软智能医疗科技研究院有限公司 | 建立术语映射模型、实现标准词映射的方法、装置及设备 |
Also Published As
Publication number | Publication date |
---|---|
JP6145059B2 (ja) | 2017-06-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7983903B2 (en) | Mining bilingual dictionaries from monolingual web pages | |
US10303761B2 (en) | Method, non-transitory computer-readable recording medium storing a program, apparatus, and system for creating similar sentence from original sentences to be translated | |
CN111859921A (zh) | 文本纠错方法、装置、计算机设备和存储介质 | |
CN105988990A (zh) | 用于汉语中的零指代消解的装置和方法以及模型训练方法 | |
JP6145059B2 (ja) | モデル学習装置、形態素解析装置、及び方法 | |
JP5809381B1 (ja) | 自然言語処理システム、自然言語処理方法、および自然言語処理プログラム | |
JP6778655B2 (ja) | 単語連接識別モデル学習装置、単語連接検出装置、方法、及びプログラム | |
KR20230009564A (ko) | 앙상블 스코어를 이용한 학습 데이터 교정 방법 및 그 장치 | |
Uthayamoorthy et al. | Ddspell-a data driven spell checker and suggestion generator for the tamil language | |
JP5441937B2 (ja) | 言語モデル学習装置、言語モデル学習方法、言語解析装置、及びプログラム | |
CN109815497B (zh) | 基于句法依存的人物属性抽取方法 | |
JP2016224483A (ja) | モデル学習装置、方法、及びプログラム | |
US11842152B2 (en) | Sentence structure vectorization device, sentence structure vectorization method, and storage medium storing sentence structure vectorization program | |
WO2019163642A1 (ja) | 要約評価装置、方法、プログラム、及び記憶媒体 | |
JP7040155B2 (ja) | 情報処理装置、情報処理方法及びプログラム | |
KR102517971B1 (ko) | 자동회귀 언어 모형을 이용한 문맥의존 철자오류 교정 장치 및 방법 | |
JP6558856B2 (ja) | 形態素解析装置、モデル学習装置、及びプログラム | |
JP6584361B2 (ja) | キーワード抽出装置、キーワード抽出方法及びキーワード抽出プログラム | |
Debnath et al. | A Hybrid Approach to Design Automatic Spelling Corrector and Converter for Transliterated Bangla Words | |
JP6145027B2 (ja) | モデル学習装置、形態素解析装置、及びプログラム | |
JP2016189154A (ja) | 翻訳方法、装置、及びプログラム | |
JP6220761B2 (ja) | モデル学習装置、文字列変換装置、方法、及びプログラム | |
JP2014215970A (ja) | 誤り検出装置、方法、及びプログラム | |
JP6303508B2 (ja) | 文書分析装置、文書分析システム、文書分析方法およびプログラム | |
JP6221339B2 (ja) | 翻訳装置及び翻訳方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20160215 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161110 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161206 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170203 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170509 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170512 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6145059 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
LAPS | Cancellation because of no payment of annual fees |