JP2016516247A - 翻字、翻訳、書記素洞察のキュレーション及び統合による多言語ビジネスの印の向上 - Google Patents

Abstract

文字列を解析して複数の書記素にすることと、上記複数の書記素の抽象概念を表す文字パターンを生成することと、を備える方法が提供される。また、上記方法を実行するシステムと上記方法を実行するプロセッサを制御するための指示を記憶する記憶装置とが提供される。【選択図】図１

Description

（関連出願の相互参照）
本出願は、２０１３年３月１５日出願の米国仮特許出願第６１／７９３，０４４号の優先権の利益を主張し、この出願の内容を参照により本明細書に組み込む。

本開示は、情報が二つ以上の言語間で変換される状況、又は、元情報の第２、第３、多次表現を生成する書記体系（writing systems）に関する。

このセクションで記述された手法は、追求可能な手法であるが、必ずしも以前に考案され又は追求された手法ではない。従って、このセクションで記述された手法は、本願特許請求の範囲に対する先行技術でなくても良く、このセクションに含めることにより先行技術であるとは認められない。

本開示は、ビジネスエンティティ名のような特定の文脈内での異なる綴りの間の変換（例えばロシア語のキリル文字からラテン文字）に特に焦点を当てたデータの自動言語変換の分野に関する。

先行技術は、第１言語における名前の様々な部分を第２言語における名前に十分には変換しない。この文脈において、“様々な部分”は、下の名前、地理的名称、一般的な名詞、形容詞の記述、組み込み接尾辞等のセマンティック要素を指す。例えば、元々キリル文字で書かれたロシア語のビジネス名を、ドイツ語圏の人々が“理解できる”ラテン文字に変換する必要があるかもしれない。先行技術は、一般的に、１対１のマッピング及び／又は直訳を行うことによりこの問題に取り組んだ。この文脈において、“１対１のマッピング”は、ソースデータ内の語（名前）に対してマップされた目標言語における単語の記憶及び検索を指す。この文脈において、“直訳”は、ソース言語から目標言語への語（又は名前全体）の意味の翻訳を指す。従って、先行技術は、“発音可能”な変換を達成したが、例えば、ビジネス名の記述部分をドイツ語話者が理解可能な言語へ変換することはできない。

先行技術の他の問題は、技術が誤った翻訳又は変換を行う場合に翻訳又は変換の品質を自動的に改善する方法を有していないことである。つまり、先行技術は、経験から学び経験を活用することができない。

文字列を解析して複数の書記素にすることと、前記複数の書記素の抽象概念を表す文字パターンを生成することと、を備える方法が提供される。また、上記方法を実行するシステムと上記方法を実行するプロセッサを制御するための指示を記憶する記憶装置とが提供される。

データの自動言語変換用処理の論理構造を示すブロック図である。 図１の処理により使用される参照データストアの論理構造を示すブロック図である。 図１の処理により使用される経験的データストアの論理構造を示すブロック図である。 図１の処理の第１命令機能の論理構造を示すブロック図である。 図１の処理の第２命令機能の論理構造を示すブロック図である。 図１の処理の再帰的完了機能の論理構造を示すブロック図である。 図１の処理の第１命令機能の例示的動作を示すフローチャートである。 図７の一部分の詳細であり、書記素マトリクス処理により実行される例示的動作を示すフローチャートを表す。 図７の一部分の詳細であり、文脈洞察処理により実行される例示的動作を示すフローチャートを表す。 図７の一部分の詳細であり、セマンティック洞察処理により実行される例示的動作を示すフローチャートを表す。 図１の処理の第２命令機能の例示的動作を示すフローチャートである。 図８の一部分の詳細であり、変更編成ルールストアを伴うルールエンジンと編成サービスとの相互作用を表す。 ロシア語のキリル文字の翻訳及び言語間変換による処理の例を表す。 再帰的完了機能の例示的動作を示すフローチャートである。 図９の一部分の詳細であり、経験則処理の象徴及び経験則処理のサブコンポーネントにより参照されるデータストアを表す。 図９の一部分の詳細であり、統合処理及び統合処理のサブコンポーネントにより参照されるデータストアを表す。 ルールエンジン及び編成サービスの象徴を表す。 本明細書で記述された方法を採用するシステムを示すブロック図である。

２以上の図で共通するコンポーネント又は特徴は、各図において同一の参照番号で示される。

本明細書中で使用される用語“言語間”及び米国仮特許出願第６１／７９３，０４４号で使用される用語“辞書的（lexigraphical）”は、いずれも“２以上の言語間又は２以上の言語に関連する”ということを意味する。

図１は、データの自動言語変換用の処理１００の論理構造を示すブロック図である。処理１００は、人又は呼び出しシステムであって良いユーザ１３０から、言語間変換洞察環境（interlingual transformation insight environment）１３５に提供される入力１０５を受け付け、２以上の言語間又は書記体系間で変換された入力１０５の翻訳である出力データ１０６を生成する。処理１００は、入力１０５の第２、第３、多次表現を生成する。従って、ソースと目標綴りとの間の逐語翻字（literal transcription）を超えた洞察をユーザ１３０に提供する。

処理１００は、言語間、即ち言語間又は正字法間（即ち書記体系間、セマンティックと非セマンティック、文脈と非文脈の言語間変換又は翻訳の間）の特定のドメインにおける類似の推定を洞察することをユーザ１３０に提供することを含むが、これに限定されない（Process 100 provides user 130 with insight, including but not limited to, inference of similarity, in a specific domain of inter-linguistic, i.e., between languages, or inter-orthographic, i.e., between writing systems, semantic and non-semantic, contextual and non-contextual interlingual transformation or translation.）。処理１００は、とりわけ入力１０５に対する印の固有の要素又は属性の同一性により、複数同時形態を伴う入力１０５に含まれている情報（即ち１以上の言語又は書記体系で提供される情報）を認識、解析、比較、対比、又は抽出（distill）し、異なる言語、文字又は書記体系（形態）間又は中の入力１０５を書き直す能力をユーザ１３０に提供する。これらの固有の要素は、同語源語としての役割を果たす。そして、同語源語は、異なる形態で始まったデータの意味のある比較を可能にする。

入力１０５は、入力実体データ１１０と入力セマンティック文脈データ１１５とを含む。

入力実体データ１１０は、着信入力自体の対象データである。そして、対象データは、一般的には、特定の言語及び書記体系（正字法）で表現されたビジネス名である。入力実体データ１１０は、処理１００の実行を支援する入力実体データ１１０の内容に対して一切の固有のガイダンスがない点において“体系化されていない”。

入力セマンティック文脈データ１１５は、とりわけ、入力１０５の解析、文脈、履歴、入力１０５が提供される環境、又は入力１０５のメタデータから発見又は推定されて良い文脈データである。入力セマンティック文脈データ１１５は、入力実体データ１１０についてのメタデータ、例えば入力実体データ１１０のソースなので“体系化されている”とみなされる。日付入力実体データ１１０は受け付けられ、システムは、入力実体データ１１０を、処理１００を実行するシステムに送信する。

処理１００は、言語間変換洞察環境１３５における多数のサブドメイン又は機能的サブアグリゲーション、即ち、第１命令機能１４０、第２命令機能１５０、再帰的完了機能１６０に亘って機能性を有する。また、言語間変換洞察環境１３５は、データストア１７０を備える。

データストア１７０は、データ記憶設備であり、参照データストア１７２と経験的データストア１７４とを備える。経験的データストア１７４は、処理１００の実行中に得られた経験に基づいて更新される。参照データストア１７２は、処理１００の実行中に得られた経験よりむしろ目的ルール及び基準に応じて更新される。データストア１７０を参照データストア１７２と経験的データストア１７４に分離することは説明の便宜上のためのものにすぎず、必ずしも関連するストアの物理的分離を反映したものでなくて良い。

第１命令機能１４０は、着信入力データ、即ち入力１０５に基づいて動作する機能の集合であり、３つのサブコンポーネント、即ち書記素マトリクス１４２と文脈洞察１４４とセマンティック洞察１４６とを備える。

第２命令機能１５０は、入力１０５と第１命令機能１４０の出力との組み合わせに基づいて動作する機能と処理の集合である。第２命令機能１５０は、２つのサブコンポーネント、即ち翻訳１５２と言語間変換１５４とを備える。

再帰的完了機能１６０は、処理１００のパフォーマンスの認識及び解析から導出される他の入力と同様に、処理１００の効率性と有効性を改善するために、第１命令機能１４０と第２命令機能１５０からの結果に基づいて動作する機能の集合である。このような解析は、経験的データストア１７４に存在する参照データのキュレーションと統合とを含む。再帰的完了機能１６０は、２つのサブコンポーネント、即ち経験則１６２と統合１６４とを備える。

図２は、参照データストア１７２の論理構造を示すブロック図である。参照データストア１７２は、下記（ａ）〜（ｈ）を含む。
（ａ）特定の単語に対する同義語と代替エントリ又は他の言語のサブコンポーネントの集合とを記憶する同義語ストア２０５。
（ｂ）書き言語の文体についての相対的重み付け又はスコアのような情報と定性データとを記憶する文体ストア２１０。
（ｃ）単語、フレーズ、又は他の言語のサブコンポーネントの標準化を支援するルールとレキシコン（辞典）とを記憶する標準化ストア２１５。
（ｄ）ソース正字法から目標正字法への特定の単語、フレーズ、又は他の言語のサブコンポーネントの翻訳のためのルールと、２つの正字法（即ちソース正字法と目標正字法）間の潜在的翻訳と、を含む翻訳レキシコン２２０。
（ｅ）ソース正字法から目標正字法への特定の単語、フレーズ、又は他の言語のサブコンポーネントの言語間変換のためのルールと、２つの正字法（即ちソース正字法と目標正字法）間の潜在的言語間変換と、を記憶する言語間変換ストア２２５。
（ｆ）データソースタイプについての情報を含むソースタイプストア２３０。
（ｇ）編成ルールを記憶する変更編成ルールストア２３５。
（ｈ）全体システムの最適化のためのルールを記憶する最適化ルールストア２４０。

図３は、経験的データストア１７４の論理構造を示すブロック図である。経験的データストア１７４は、下記（ａ）〜（ｉ）を含む。
（ａ）書記素の説明と解析のためのレキシコンとルールとを記憶する書記素解析装置ストア３０５。
（ｂ）書記素の頻度数を記憶する書記素パターン頻度ストア３１０。
（ｃ）単語、フレーズ、及び他の言語のサブコンポーネントの一意性に関連するルール、頻度テーブル、及びレキシコンを記憶する一意性ストア３１５。
（ｄ）特定のデータソースについての情報を記憶するソースストア３２０。
（ｅ）言語間変換洞察環境１３５のサブコンポーネントの実行において生成された統計を記憶する統計ストア３２５。
（ｆ）言語間変換洞察環境１３５による入力１０５の処理の全出力を記憶するアーカイブ３３０。
（ｇ）とりわけ、手旗信号（semaphores）と言語間変換洞察環境１３５のパフォーマンスから導出されるスコアとを記憶するシグナルストア３３５。
（ｈ）特定の単語、フレーズ、及び他の言語のサブコンポーネントのための代替エントリを記憶する代替ストア３４０。
（ｉ）言語間変換洞察環境１３５のためのキーパフォーマンス指標に関連する統計を記憶するパフォーマンスストア３４５。

図４は、第１命令機能１４０の論理構造のブロック図を示す。前述したように、第１命令機能１４０は、書記素マトリクス１４２と、文脈洞察１４４と、セマンティック洞察１４６と、を備える。

書記素マトリクス１４２は、最も基本的セマンティックレベル、例えば入力１０５のその基本的書記素に対する減少における入力１０５に基づいて動作するコンポーネントサブ処理の集合である。書記素マトリクス１４２は、書記素構文解析ツール＆解析装置４０５と、書記素パターンマッパ４１０と、書記素パターンモデラ４１５と、を備える。

書記素構文解析ツール＆解析装置４０５は、他の処理に供給される認識及びセマンティック要素の属性のために、とりわけ、書記素解析ストア３０５に記憶されたレキシコン、メタデータを使用して入力１０５を説明し解析する。

書記素パターンマッパ４１０は、書記素構文解析ツール＆解析装置４０５の出力を使用し、象徴的方法で入力１０５の内容のセマンティックパターンの曖昧さを失くす（例えば分解する）。書記素パターンマッパ４１０の出力は、入力１０５の内容の構造を明らかにする象徴的パターン（例えば抽象的表現）である。このような曖昧さを失くした例は、“ジムの草刈りスプリングベール（Jim’s Mowing Springvale）”を“ＰＮ−ＣＤ−ＧＬ”に変換することになっている。ここで、“ＰＮ”は固有名詞を示し、“ＣＤ”はコマーシャル表現を示し、“ＧＬ”は地理的位置を示す。

書記素パターンモデラ４１５は、書記素パターンマッパ４１０の出力を受け取り、書記素パターン頻度ストア３１０のデータを使用して、入力１０５の構成書記素に類似するパターンを識別する。類似性のためのテストは、表面的なパターンの類似性以上のものである。

文脈洞察１４４は、文脈レベルでの入力１０５に基づいて動作するサブコンポーネントの集合である。つまり、それらは、入力１０５の出所、タイミング、内容から来る属性及び印を考慮した入力１０５を解析し、それはまさに、上記基本的書記素レベルセマンティック解析である。文脈洞察１４４は、文脈解析装置４２０と、ソース分類装置４２５と、一意性解析装置４３０と、代替生成装置４３５と、を備える。

文脈解析装置４２０は、書記素パターンマッパ４１０と書記素パターンモデラ４１５により生成された属性と同様に、内容の全体的意味に焦点を当てたレベルでの入力１０５の内容の解析により入力１０５を解析する。この解析は、とりわけ、“技術用語”と“専門用語”を見つけるための入力１０５の内容の解析を含み、ジオコーダ（即ち地理的エンティティの識別を解決するサービス）、業界レキシコン（例えば特定の言語における特定国のための業界特有の頭字語リスト）といった機能を参照して良い。文脈解析装置４２０の主な出力は、文脈解析装置４２０により実行された解析に関するメタデータ、つまり、入力１０５の内容の分類及び特徴付けである。

分類及びパターンが改善されるように、文脈解析装置４２０と書記素マトリクス１４２のコンポーネントとの間で処理の複数の反復が有っても良い。

ソース分類装置４２５は、処理１００に対する前回の入力のソース及びソースタイプについての履歴データを参照する入力セマンティック文脈データ１１５内で提供される入力１０５についてのソースメタデータを解析する。なお、履歴データは、ソースストア３２０とソースタイプストア２３０に記憶されている。ソース分類装置４２５の出力は、入力１０５のソースと同一又は類似するソースからの典型的な入力の構造（例えばスタイル、トーン、文法構造についてのデータ）及び質的側面（例えば信憑性、忠実性、可変性、完全性、複雑性）についての記述データである。

一意性解析装置４３０は、参考として一意性ストア３１５を考慮する様々なベースラインに関連する単語又はフレーズ群の一意性と同様に、単語（又は他の言語のサブコンポーネント）レベルでの一意性のための入力１０５を解析する。一意性解析装置４３０の出力は、入力１０５とその構成部分に関連する一意性を記述するスコアである。

代替生成装置４３５は、入力１０５の構成部分のために代替単語（又は他の書記素表現）、フレーズ、及び名前を生成する。それら代替は、経験に基づく文脈（言い換えると、それらは標準頻度テーブル又は言語レベルルールに基づかない。）であり、代替ストア３４０から供給される。

セマンティック洞察１４６は、言語レベルでの入力１０５に基づいて動作するサブコンポーネントの集合である。つまり、それらは、入力の推定された言語的文脈のレベル（例えば、ロシア語のキリル文字、又は、政府機関の名称のためのロシア語のキリル文字といったより具体的な“言語”）で動作する。セマンティック洞察１４６は、標準化処理４４０と、同義語解析装置４４５と、スタイル解析装置４５０と、を備える。

標準化処理４４０は、入力１０５に基づいてクレンジング、構文解析、及び標準化処理を実行し、入力１０５の特有の言語のために代替として同義語を作成する。標準化処理４４０は、標準化ストア２１５におけるデータを利用する。

同義語解析装置４４５は、入力１０５の単語、他の言語のサブコンポーネントを解析し、入力１０５の特有の言語のために代替として同義語を取得する。同義語解析装置４４５は、同義語ストア２０５を利用する。

文体解析装置４５０は、入力１０５の言語の文体（トーン、形式、専門用語、頭字語、略語の観察等を含む。）を解析し、属性化された文体を表現するためにスコア及び指標を計算する。文体解析装置４５０は、文体ストア３４５のデータを利用する。文体解析装置４５０の出力は、入力１０５の文体の性質を記述するスコア及び印である。

図５は、第２命令機能１５０の論理構造のブロック図を示す。上述したように、第２命令機能は、翻訳１５２と、言語間翻訳１５４と、を備える。第２命令機能１５０は、ルールエンジン５２５及び編成サービス５３０を採用する。

ルールエンジン５２５は、変更編成ルールストア２３５に記憶されたルールを使用する。

編成サービス５３０は、変更編成ルールストア２３５に記憶されたワークフローと決定論理を使用するワークフローシステムである。

ルールエンジン５２５と編成サービス５３０は、第２命令機能１５０に亘って、即ち翻訳１５２と言語間変換１５４とに亘って協働して動作し、入力１０５の性質（disposition）とその構成部分を確立するために、第１命令機能１４０のコンポーネント部分の出力を整理する。

ルールエンジン５２５と編成サービス５３０により実行されるワークフローとルールの組は、変更編成ルールストア２３５に記憶されている。これらのワークフローとルールは、第１命令機能１４０の出力を形成する印、スコア、及び他のデータを利用する。

翻訳１５２は、言語間の入力１０５から単語（又は他の言語のサブコンポーネント）を変換するサブ処理から構成される。この点に関して、翻訳１５２は、翻訳済み予約語ルックアップ５０５と翻訳処理５１０とを含む。

翻訳済み予約語ルックアップ５０５は、特殊な候補又は専門用語に基づく同一の翻訳を作成するために入力１０５の一部が翻訳レキシコン２２０を用いて解析される処理である。なお、入力１０５は、第１命令機能１４０により生成されたメタデータと異文（variants）とを含む。

翻訳処理５１０は、言語間（例えばロシア語と英語間）において、第１命令機能１４０により生成されたメタデータと異文とを含む入力１０５の一部を翻訳する。翻訳処理５１０は、翻訳機能を実行するウェブサービス、アプリケーション、及び他のシステムの起動を含んでいても良い。

言語間変換１５４は、言語間の入力１０５から単語（又は他の言語のサブコンポーネント）を翻訳するいくつかのサブ処理から構成される。言語間変換１５４は、インターレキシコン予約語ルックアップ５１５と、変換処理５２０と、を備える。

インターレキシコン予約語ルックアップ５１５は、特殊化された候補翻訳又は専門用語に基づく入力１０５の変換若しくはその一部を作成するために入力１０５の一部が翻字レキシコン２２０を用いて解析される処理である。なお、入力１０５は、第１命令機能１４０により生成されたメタデータと異文とを含む。

変換処理５２０は、スクリプト間（例えばギリシャスクリプトからラテンスクリプト）において入力１０５の一部を翻字する。変換処理５２０は、翻字機能を実行するウェブサービス、アプリケーション、及び他のシステムの起動を含んでいても良い。

図６は、再帰的完了機能１６０の論理構造を示すブロック図である。上述したように、再帰的完了機能１６０は、経験則１６２と統合１６４とを備える。第２命令機能１５０により利用されるルールエンジン５２５及び編成サービス５３０は、再帰的完了機能１６０にも利用され、最適化を達成し処理１００の有効性と効率性を改善するために経験則１６２と統合１６４とに亘って協働して動作する。

上述したように、編成サービス５３０は、再帰的完了機能１６０の内容において最適化ルールストア２４０に含まれているワークフローと決定論理を使用するワークフローシステムである。

経験則１６２は、観測された挙動に従って処理１００のパフォーマンスを最適化するために、アーカイブ１３０に記憶されている出力データ１０６と同様に、言語間変換洞察環境１３５のサブ処理の全ての（アーカイブ３３０に記憶されている）出力を継続的に解析するコンポーネントサブ処理の集合である。処理１００は、経験則１６２を介して、自己完結するものである。つまり、経験則１６２は、最適な又は解決の手掛かりをもたらす結果を作成するために、経験から学習し、処理１００内で実行されるワークフローを変化させる又は組み立て直す。経験則１６２は、統計解析装置６０５と、レキシコンシーケンサ６１０と、シグナルスコアラ６１５と、を備える。

統計解析装置６０５は、統計ストア３２５に記憶されたスコアと他の印を作成するために統計解析を実行する。例えば単語フレーズ又は入力１０５の他の言語のサブコンポーネントの頻度解析、アーカイブ３３０及び経験則データストア１７４に記憶された言語間情報洞察環境１３５の履歴入力の履歴データと処理１０５の出力とに亘る中心傾向の測定を実行する。統計解析装置６０５は、統合１６４による第１命令機能１４０及び第２命令機能１５０のチューニングにおけるリソースとして使用され得る。

レキシコンシーケンサ６１０は、レキシコンの命令を組み立て直すワークフローを作成又は更新するために、とりわけ、言語間変換ストア２２５、同義語ストア２０５、書記素パターン頻度ストア３１０、一意性ストア３１５、代替ストア３４０に記憶されている統計解析装置６０５の出力を使用する。その結果、最適な又は解決の手掛かりをもたらすエントリが、これらのストアを利用する処理（例えば書記素パターン頻度ストア３１０からのデータ検索）により返される。

シグナルスコアラ６１５は、優先属性を処理１００のパフォーマンスから導出された様々な印と測定量に割り当てるルーチンを実行し、これらのスコアをシグナルストア３３５に送信する。

統合１６４は、とりわけ、経験則１６２の出力を使用するコンポーネントサブ処理の集合であり、言語間変換洞察環境１３５のサブコンポーネント内の処理及びルーチンを変更するためにルールエンジン５２５及び編成サービス５３０により実行されるワークフローに対する入力を提供し、処理１００のパフォーマンスの効率性と有効性を高める。これらの変更は、最適化ルールストア２４０にエントリとして記録される。この関連で、統合１６４は、履歴解析装置６２０と最適化装置６２５とを備える。

履歴解析装置６２０は、処理１００実行中の言語間変換洞察環境１３５の（実行時間、リソース使用率、データストア使用率、品質、正確属性、ユーザフィードバックスコアを含むがこれに限定されない）パフォーマンスの印を解析する。パフォーマンスの印は、履歴解析装置６２０によりパフォーマンスストア３４５に記録され、更新又は修正のための処理を選択するために最適化装置６２５により読み取られる。

最適化装置６２５は、とりわけ、履歴解析装置６２０により生成されたパフォーマンスの印を使用し、最適化ルールストア２４０を更新する。そして、ルールエンジン５２５及び編成サービス５３０における最適化ルーチンの実行を開始する。

図７は、ロシア語のキリル文字を例にとり、第１命令機能１４０の動作を示すフローチャートである。

図７Ａは、図７の一部分の詳細であり、ロシア語のキリル文字を例にとり、書記素マトリクス１４２により実行される動作を示すフローチャートを表す。

図７Ｂは、図７の一部分の詳細であり、ロシア語のキリル文字を例にとり、文脈洞察１４４により実行される動作を示すフローチャートを表す。

図７Ｃは、図７の一部分の詳細であり、ロシア語のキリル文字を例にとり、セマンティック洞察１４６により実行される動作を示すフローチャートを表す。

図７を参照すると、第１命令機能１４０は、この例において、ロシア語のキリル文字“Невское Электромонтажное Общество”である入力１０５、即ち２０１４年１月１日におけるソース“パートナー収集システム”からの入力実体データ１１０、入力セマンティック文脈データ１１５を受信する。第１命令機能１４０は、アーカイブ３３０に記憶される一時的出力を作成する。

図７Ａを参照すると、書記素構文解析ツール＆解析装置４０５は、入力１０５を解析し、書記素解析装置ストア３０５を参照し、入力実体データ１１０の構成要素（書記素、単語、フレーズ等）に分類を割り当てる。

この例では、書記素構文解析ツール＆解析装置４０５は、入力実体データ１１０を解析し、それを表１に示すように分類する。

書記素パターンマッパ４１０は、入力実体データ１１０と書記素構文解析ツール＆解析装置４０５により生成された（上記表１のカラム２及び３に示す）メタデータとを受け付け、入力実体データ１１０の文法的セマンティック構造の抽象概念である“書記素パターン”を作成する。

この例では、書記素パターンマッパ４１０は、入力が２つの主要部分、名前（Ｎ）及び接尾辞（Ｓ）と、３つの詳細部分、地理的名称（ＧＮ）、コマーシャル表現（ＣＤ）、及び組み込み接尾辞（ＩＮ）と、から成ることを識別する１Ｎ：ＧＮ−２Ｎ：ＣＤ−３Ｓ：ＩＮのパターンを作成する。

書記素パターンモデラ４１５は、書記素パターンマッパ４１０の出力を受け付け、著しく類似するパターンを見つけるために、書記素パターン頻度ストア３１０において検索を実行する。

表２は、書記素パターンモデラ４１５により導出されるいくつかのパターンの例を提供する。実際には、書記素パターンモデラ４１５内部で他のパターン、例えば図７Ａに示すパターンも導出される。

図７Ｂを参照すると、ソース分類装置４２５は、入力（入力セマンティック文脈データ１１５）のソースメタデータを解析する。この例では、ソース“パートナー収集システム”は、キー“ＰＣＳ”と共に見つけられ、ソース分類装置４２５は、表３に示すようにソースストア３２０からメタデータを導出する。

表２のメタデータのリストは、単なる例示であり、閉集合（closed set）を表すものではない。

文脈解析装置４２０は、入力１０５と書記素マトリクス１４２の出力とを受け付け、ジオコーダとコマーシャルレキシコンとを参照し、入力１０５の内容の構成部分（単語とフレーズ、又は同等のもの）の詳細な分類を作成する。この例では、詳細な分類を表４に示す。

新しいメタデータ（即ち、表４に示す文脈解析）は、他のコンポーネントによる効率的な使用のためにコード又はトークンとして記憶されても良い。

代替生成装置４３５は、入力１０５を受け付け、代替ストア３４０を参照し、表５に示す代替データを生成する。

一意性解析装置４３０は、（第１命令機能１４０の他の部分の出力を含む）入力１０５を受け付け、一意性ストア３１５を参照し、一意性スコア（即ち、入力１０５の一部分の一意性を示すスコア）を生成する。本実施例における一意性スコアを表６に示す。

一意性解析装置４３０は、一意性スコアを生成する場合に、代替生成装置４３５により生成された代替データも考慮する。

図７Ｃを参照すると、標準化処理４４０は、レキシコン固有ルールに使用する（代替生成装置４３により生成された代替を含む）入力１０５の内容を標準化する（このケースにおいて、関連レキシコンは、“キリル文字のロシア語のコマーシャル名”であって良い）。この例では、入力は表７に示すように標準化され得る。

同義語解析装置４４５は、同義語ストア２０５において入力１０５及びその一部を調べ、入力１０５の構成部分及び代替生成装置４３５により生成された代替に対して、例えば表８に示すように同義語を生成する。

文体解析装置４５０は、次元の数に亘り入力１０５の文体を解析し、この解析を表現するためにメタデータを作成する。この例では、文体解析装置４５０は、表９に示す出力を作成する。

表９では、文体メタデータカラムは、例として、言語固有の専門用語の使用、同義語の使用、及び入力１０５の構造の文法形式といった次元に基づいて入力１０５の文体を分類する文体に基づくスコアの入力“Невское Электромонтажное Общество”に対する属性を表す。

図８は、ロシア語のキリル文字の入力を例として用いて、第２命令機能１５０の例示的動作を示すフローチャートである。

図８Ａは、図８の一部分の詳細であり、変更編成ルールストア２３５を伴うルールエンジン５２５と編成サービス５３０との相互作用を表し、図８におけるロシア語のキリル文字の例の処理に対するそれらの関係を示す。

図８Ａを参照すると、入力１０５と第１命令機能１４０の全出力とは、ルールエンジン５２５により使用される。ルールエンジン５２５は、このデータの全てと変更編成ルールストア２３５を参照し、変更編成ルールストア２３５に記憶されたデータ駆動型のルール（“ワークフロー”）を生成する。ワークフローは、入力１０５の処理のための処理１００における一連のステップを決定する。

編成サービス５３０は、ルールエンジン５２５により規定され、変更編成ルールストア２３５に記憶されたワークフローを実行する。

表１０は、本実施例のために、ワークフローステップを記載する。

表１０が示すワークフローステップは、この例で必要とされる指示の僅かなサブセットにすぎない。フルセットは、多数の異なる入力１０５と第１命令機能１４０によりその属性化された部分におけるアクションを含む。

図８Ｂは、図８の一部分の詳細であり、図８におけるロシア語のキリル文字の例のために、翻訳１５２と言語間変換１５４とにより処理された例示的なデータを表す。この点に関し、翻訳１５２は翻訳データ８６０を作成し、言語間変換１５４は変換済みデータ８７０を作成する。

図８を再度参照すると、翻訳済みデータ８６０と変換済みデータ８７０は、出力データ１０６を作成するために結び付けられている。より具体的には、ルールエンジン５２５は、最終的な結果、即ちアーカイブ３３０に記憶される出力データ１０６を組み立てるために翻訳１５２と言語間変換１５４の結果に対してルールを実行する。

表１１は、翻訳済みデータ８６０と変換済みデータ８７０の内容の例を示す。

表１２は、出力データ１０６になる最終的な合成されたバージョンを示す。

従って、“Невское Электромонтажное Общество”は、“ネバ 電気製品 ＬＬＣ”に変換されている。

図９は、再帰的完了機能１６０の例示的な動作を示すフローチャートである。図９は、再帰的完了機能１６０と再帰的完了機能１６０のサブコンポーネントにより参照されるデータストアの象徴的表現を示す。

図９Ａは、図９の一部分の詳細であり、経験則１６２とそのサブコンポーネントである統計的解析装置６０５、シグナルスコアラ６１５、レキシコンシーケンサ６１０、並びにこれらのサブコンポーネントと作用するデータストアを示す。

図９Ｂは、図９の一部分の詳細であり、統合１６４と、統合１６４のサブコンポーネントより参照されるデータストアと、を示す。

図９Ｃは、図９の一部分の詳細であり、最適化ルールストア２４０を伴うルールエンジン５２５と編成サービス５３０との相互作用を示す。

従って、処理１００は、
（ａ）入力１０５、即ち文字列を分析して書記素にすること（図７Ａ、書記素構文解析ツール＆解析装置４０５参照）と、
（ｂ）書記素の抽象概念を表す文字パターンを生成することと、
を備える方法である。

文字パターンは、入力１０５の書記素における書記素に対応する文字群を含む。例えば、図７Ａにおいて、パターン“１Ｎ：ＧＮ−２Ｎ：ＣＤ−３Ｓ：ＩＮ”は、“コマーシャル表現”の指定に対応する文字群“ＣＤ”を含み、書記素解析ストア３０５を参照する書記素パターンマッパ４１０によりマップされている。

また、処理１００は、データソースから書記素についての情報を導出することを含む。例えば、図７Ｂの文脈解析装置４２０を参照されたい。

図７Ａの書記素パターンマッパ４１０を再度参照すると、文字パターンは、第１文字群、例えばＧＮ、及び、第２文字群、例えばＣＤのシーケンスを含む。ＧＮは入力１０５の書記素における第１書記素に対応し、ＣＤは入力１０５の書記素における第２書記素に対応する。図８Ａを参照すると、処理１００は、（ａ）シーケンスに基づいて、複数の処理のうちから１つを選択することと、（ｂ）文字列で処理を実行することと、を更に備える。

処理１００は、文字列の、翻訳、即ち翻訳済みデータ８６０と、言語間変換、即ち変換済みデータ８７０と、の組み合わせを得る。

図１０は、ここに記述された方法を採用するシステム１０００のブロック図である。システム１０００は、インターネット等のデータ通信ネットワーク、即ちネットワーク１０３０に接続するコンピュータ１００５を備える。

コンピュータ１００５は、ユーザインタフェース１０１０と、プロセッサ１０１５と、メモリ１０２０と、を備える。コンピュータ１００５は、ここではスタンドアローン装置として表されているが、これに限定されず、代わりに分散型処理システムにおける（図示しない）他の装置に接続され得る。

ユーザインタフェース１０１０は、ユーザ１３０が情報と命令選択をプロセッサ１０１５と通信することを可能にするためのキーボード、音声認識サブシステム等の入力装置を備える。また、ユーザインタフェース１０１０は、ディスプレイ、プリンタ等の出力装置を備える。付加情報と命令選択をプロセッサ１０１５と通信するために、ユーザ１３０は、マウス、トラックボール、ジョイスティック等のカーソル移動制御装置により、ディスプレイ上でカーソルを操作することができる。

また、システム１０００は、コンピュータ１００５にネットワーク１０３０を介して通信可能に接続するユーザ装置１０４５を備える。ユーザ１３０は、ユーザインタフェース１０１０を介して情報をやり取りする代替として、ユーザ装置１０４５を介してコンピュータ２０５と情報をやり取りし得る。

プロセッサ１０１５は、指示に応答し実行する論理回路で構成された電子装置である。

メモリ１０２０は、コンピュータプログラムで符号化された非一時的なコンピュータ読み取り可能な装置である。これに関し、メモリ１０２０は、プロセッサ１０１５の動作を制御するためのプロセッサ１０１５により読み取り可能であり実行可能なデータと指示とを記憶する。メモリ１０２０は、ランダムアクセスメモリ（ＲＡＭ）、ハードウェア、読み出し専用メモリ（ＲＯＭ）、又はそれらの組み合わせにより実現されて良い。メモリ１０２０のコンポーネントの１つは、プログラムモジュール１０２５である。

プログラムモジュール１０２５は、ここに記述された方法を実行するプロセッサ１０１５を制御するための指示を含む。例えば、プログラムモジュール１０２５の制御下で、プロセッサ１０１５は、処理１００を実行する。用語“モジュール”は、ここでは、スタンドアローンコンポーネント又は複数のサブコンポーネントが統合された構成として具体化され得る機能的な動作を示すために使用される。従って、プログラムモジュール２２５は、シングルモジュール又は他のモジュールとの組み合わせで動作する複数のモジュールとして実現されて良い。更に、プログラムモジュール２２５は、ここではメモリ１０２０にインストールされ、その結果、ソフトウェアで実現されているものとして記述されているが、ハードウェア（例えば、電子回路）、ファームウェア、ソフトウェア、それらの組み合わせのいずれかで実現され得る。

プロセッサ１０１５は、ネットワーク１０３０又はユーザインタフェース１０１０を介して入力１０５を受信する。入力１０５は、ユーザ１３０によりユーザインタフェース１０１０又はユーザ装置１０４５を介してコンピュータ１００５、従って処理１００に提供され得る。また、入力１０５は、例えばバッチマシン機能を使用して提出されたファイルから導出されるように、コンピュータ１００５又はコンピュータ１００５にネットワーク１０３０を介して接続する（図示しない）遠隔装置で動作する自動化された処理により提供され得る。データストア１７０は、コンピュータ１００５のコンポーネントであって良く、例えば、メモリ１０２０内に記憶されていて良い。また、コンピュータ１００５の外部に配置されていて良く、例えばデータベース１０４０又はコンピュータ１００５が（図示しない）ローカルネットワーク又はネットワーク１０３０を介してアクセスする（図示しない）データベースに配置されていて良い。プロセッサ１０１５は、ネットワーク１０３０又はユーザインタフェース１０１０を介して出力データ１０６を返す。

プログラムモジュール１０２５は、予めメモリ１０２０にロードされるように指示されるが、メモリ１０２０への後のロードのために記憶装置１０３５上に構成されていても良い。また、記憶装置１０３５は、コンピュータプログラムにより符号化された非一時的なコンピュータ読み取り可能な装置であり、プログラムモジュール１０２５を記憶する所定の従来の記憶装置であり得る。記憶装置１０３５の例は、フロッピディスク、コンパクトディスク、磁気テープ、読み取り専用メモリ、光学記憶媒体、ユニバーサルシリアルバス（ＵＳＢ）フラッシュドライブ、デジタル多用途ディスク、ジップ（ZIP）ドライブを含む。また、記憶装置１０３５は、ランダムアクセスメモリ、又は、遠隔記憶システムに配置されコンピュータ１００５にネットワーク１０３０を介して接続する他のタイプの電子記憶装置であり得る。

処理１００とシステム１０００の技術的利点は、処理１００に徐々に精度を向上させながら実行させる閉ループ学習処理の導入と同様に、改善される出力の精度と動作の拡張性の向上を含む。

本明細書中に記載された技術は、例示であり、本開示において所定の特定の限定を暗示していると解釈されるべきではない。種々の代替、組み合わせ、修正が当業者により考案され得ることを理解すべきである。例えば、ステップ自体により特定又は指示されない限り、本明細書中に記載された処理に関連するステップが所定の順序で実行され得る。本開示は、添付の特許請求の範囲内の全てのそのような代替、修正、変形を包含することを目的とする。

用語“備える（comprises又はcomprising）”は、上述の特徴、整数、ステップ、コンポーネントの存在を特定するものとして解釈されるべきであり、１以上の他の特徴、整数、ステップ、コンポーネント、その集合の存在を除外すべきでない。用語“１つの（a又はan）”は不定冠詞であり、それ自体は複数のものを有する実施形態を除外しない。

Claims (15)

1. 文字列を解析して複数の書記素にすることと、
   前記複数の書記素の抽象概念を表す文字パターンを生成することと、
   を備える方法。
2. 前記文字パターンは、前記複数の書記素のうちの１つに対応する文字群を含み、データソースにマッピングされる請求項１に記載の方法。
3. 前記データソースから前記書記素に関する情報を取得することを更に備える請求項２に記載の方法。
4. 前記文字パターンは、第１文字群と第２文字群のシーケンスを含み、
   前記第１文字群は、前記複数の書記素のうちの第１書記素に対応し、
   前記第２文字群は、前記複数の書記素のうちの第２書記素に対応し、
   前記シーケンスに基づいて、複数の処理のうちから１つを選択することと、
   前記文字列で前記処理を実行することと、
   を更に備える請求項１に記載の方法。
5. 前記処理は、前記文字列の翻訳と言語間の変換との組み合わせを生じさせる請求項４に記載の方法。
6. プロセッサと、
   前記プロセッサと通信可能に接続するメモリと、
   を備え、
   前記メモリは、前記プロセッサが読み取り可能な指示であって、
   文字列を解析して複数の書記素にし、
   前記複数の書記素の抽象概念を表す文字パターンを生成する、
   というアクションを前記プロセッサに実行させる指示を記録する、
   システム。
7. 前記文字パターンは、前記複数の書記素のうちの１つに対応する文字群を含み、データソースにマッピングされる請求項６に記載のシステム。
8. 前記指示は、前記データソースから前記書記素に関する情報を取得するというアクションを前記プロセッサに更に実行させる請求項７に記載のシステム。
9. 前記文字パターンは、第１文字群と第２文字群のシーケンスを含み、
   前記第１文字群は、前記複数の書記素のうちの第１書記素に対応し、
   前記第２文字群は、前記複数の書記素のうちの第２書記素に対応し、
   前記指示は、
   前記シーケンスに基づいて、複数の処理のうちから１つを選択し、
   前記文字列で前記処理を実行する、
   というアクションを前記プロセッサに更に実行させる、
   請求項６に記載のシステム。
10. 前記処理は、前記文字列の翻訳と言語間の変換との組み合わせを生じさせる請求項９に記載のシステム。
11. プロセッサが読み取り可能な指示であって、
    文字列を解析して複数の書記素にし、
    前記複数の書記素の抽象概念を表す文字パターンを生成する、
    というアクションを前記プロセッサに実行させる指示を記憶する、
    記憶装置。
12. 前記文字パターンは、前記複数の書記素のうちの１つに対応する文字群を含み、データソースにマッピングされる請求項１１に記載の記憶装置。
13. 前記指示は、前記データソースから前記書記素に関する情報を取得するというアクションを前記プロセッサに更に実行させる請求項１２に記載の記憶装置。
14. 前記文字パターンは、第１文字群と第２文字群のシーケンスを含み、
    前記第１文字群は、前記複数の書記素のうちの第１書記素に対応し、
    前記第２文字群は、前記複数の書記素のうちの第２書記素に対応し、
    前記指示は、
    前記シーケンスに基づいて、複数の処理のうちから１つを選択し、
    前記文字列で前記処理を実行する、
    というアクションを前記プロセッサに更に実行させる、
    請求項１１に記載の記憶装置。
15. 前記処理は、前記文字列の翻訳と言語間の変換との組み合わせを生じさせる請求項１４に記載の記憶装置。

Images