JP2764343B2 - 節/句境界抽出方式 - Google Patents

節/句境界抽出方式

Info

Publication number
JP2764343B2
JP2764343B2 JP2238562A JP23856290A JP2764343B2 JP 2764343 B2 JP2764343 B2 JP 2764343B2 JP 2238562 A JP2238562 A JP 2238562A JP 23856290 A JP23856290 A JP 23856290A JP 2764343 B2 JP2764343 B2 JP 2764343B2
Authority
JP
Japan
Prior art keywords
input
word
phrase
boundary
clause
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.)
Expired - Lifetime
Application number
JP2238562A
Other languages
English (en)
Other versions
JPH04117560A (ja
Inventor
由紀子 山口
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Fujitsu Ltd
Original Assignee
Fujitsu Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Fujitsu Ltd filed Critical Fujitsu Ltd
Priority to JP2238562A priority Critical patent/JP2764343B2/ja
Publication of JPH04117560A publication Critical patent/JPH04117560A/ja
Priority to US08/174,629 priority patent/US5479563A/en
Application granted granted Critical
Publication of JP2764343B2 publication Critical patent/JP2764343B2/ja
Anticipated expiration legal-status Critical
Expired - Lifetime legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/04Segmentation; Word boundary detection
    • G10L15/05Word boundary detection
    • GPHYSICS
    • G10MUSICAL INSTRUMENTS; ACOUSTICS
    • G10LSPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00Speech recognition
    • G10L15/08Speech classification or search
    • G10L15/16Speech classification or search using artificial neural networks

Landscapes

  • Engineering & Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Human Computer Interaction (AREA)
  • Physics & Mathematics (AREA)
  • Acoustics & Sound (AREA)
  • Multimedia (AREA)
  • Machine Translation (AREA)

Description

【発明の詳細な説明】 〔概要〕 文章の意味の切れ目を抽出する節/句境界抽出方式に
関し、 言語学的な知識による文法規則を必要とせずに節/句
の境界を抽出する節/句境界抽出方式を提供することを
目的とし、 入力する文章情報を構成する単語をカテゴライズする
入力手段と、該入力手段によってカテゴライズされた複
数の単語が順次加わり、予め節/句の境界位置情報に対
応する教師パターンを学習してあるニューラルネットに
よって節/句の境界位置情報を出力するニューラルネッ
ト手段とからなるように構成する。
〔産業上の利用分野〕
本発明は自然言語処理方式に係り、さらに詳しくは文
章の意味の切れ目を抽出する節/句境界抽出方式に関す
る。
〔従来の技術〕
近年、音声合成技術の発展によって、読み上げシステ
ム、音声応答システムが可能となった。しかしながら、
従来の読み上げシステムや音声応答システムより発生す
る音声は機械的なものであり、自然な音声による読み上
げや応答が望まれている。
前述の自然な音声を発生するためには、出力する文章
の意味の切れ目に合わせたイントネーションパターンを
生成する必要がある。
この文章の意味の切れ目である境界の抽出には言語の
文法規則を記述し、構文解析を行って生成した構文木か
ら抽出する方式がある。この方式は文章全体を構文木と
しているため音声合成の分野においては多く用いられて
おらず、句レベルの構文解析すなわち文章を部分的に解
析して句境界を抽出する方式が多く用いられている。
〔発明が解決しようとする課題〕
前述した文章を部分的に解析して句境界を抽出する方
式では、言語学的な知識を用いて作成した文法規則に従
って入力文の解析を行うため、大量の文法規則を作成す
る必要があり、また文法規則で扱えない文章が入力され
た場合に出力が保証できないという問題を有していた。
また、言語学の研究があまり進んでいない言語について
は文法規則を体系的に作成することが困難であるため、
節/句の境界を抽出することができないという問題を有
していた。
本発明は言語学的な知識による文法規則を必要とせず
に節/句の境界を抽出する節/句境界抽出方式を提供す
ることを目的とする。
〔課題を解決するための手段〕
第1図は本発明の原理ブロック図である。
入力手段1は入力する文章情報を構成する単語をカテ
ゴライズする。例えばこのカテゴライズは文章情報を構
成する単語の品詞に対応して予め決定した品詞番号によ
る。
ニューラルネット手段2は前記入力手段1によってカ
テゴライズされた複数の単語が順次加わり、予め境界位
置情報に対応した教師パターンになるように学習してあ
るニューラルネットによって境界位置情報を出力する。
入力手段1によってカテゴライズされた複数の単語は例
えば前あるいは後が境界であるかを判断すべき目的の単
語と、その単語の前n個,後m個の単語とより成り、n
は1、mは2等である。例えば、3連続あるいは4連続
の単語を用いて境界位置情報を学習してあるニューラル
ネットから出力する。
境界判定手段3は前記ニューラルネット手段2により
出力される境界位置情報をもとに閾値を用いて節/句の
境界を求める。
〔作用〕
入力手段1によって文章を構成する単語をカテゴライ
ズし、例えば品詞に対応した品詞番号等の分類分けを行
って、文章を構成する複数の単語単位で順次入力する。
この入力する複数の単語は前あるいは後が境界であるか
を判断すべき目的の単語とその前の1個の単語さらに2
個の単語であり、それぞれの単語が品詞や番号に分類さ
れて、すなわち品詞番号がつけられてニューラルネット
手段2に加わる。ニューラルネット手段2は前記カテゴ
ライズされた複数の単語から前あるいは後が境界である
かを判断すべき目的の単語における節/句の境界位置情
報を出力する。ニューラルネット手段2においては予め
境界位置情報に基づく教師パターンを例えば、節境界、
名詞句、動詞句、前置詞句、不定詞句に対応した出力ニ
ューロンがアクティブになるように学習してあり、その
教師パターンに対応して前記ニューラルネット手段2は
境界位置情報を出力する。そして、境界判定手段3はニ
ューラルネット手段2により出力される境界位置情報を
もとに節や句の開始位置に対応する節/句の境界を求め
る。この境界位置情報は予想されるべき境界を表わす曖
昧性を含んだアナログ情報であって、学習した時の完全
なパターンすなわち教師パターンとしての確定した境界
を表わす情報ではない。境界判定手段3はこの曖昧性を
含んだ境界情報から予め閾値バッファ等に記憶してある
閾値と比較し、閾値以上の量子化された値が節/句の境
界、すなわち最も確からしい節/句の開始位置すなわち
教師パターンまたはその重ね合わせであると判断し、境
界が存在するものとして出力する。
入力手段1においては特定のカテゴリ、例えば品詞番
号等を分類し単語に付加するだけであるので、入力手段
1が有する品詞等の情報は小さく、また言語的な知識に
よる文法規則を作成することなく節/句境界を抽出する
ことができる。
〔実施例〕
以下、図面を用いて本発明を詳細に説明する。
第2図(a),(b)は本発明の第1の実施例の構成
図である。
品詞選択部21には入力テキストが加わり、この品詞選
択部21は単語辞書22を検索して入力テキストである入力
文の各単語について品詞情報を付加し、入力パターン生
成部23に出力する。入力パターン生成部23は品詞選択部
21より加わる品詞情報が付加された入力文の先頭の単語
から順次前後1単語を合わせた3単語分の品詞セット単
位でニューラルネット24の入力層へ与えるデータすなわ
ち品詞番号を作成する。すなわち、品詞番号に対応した
位置にあるユニットが1となり、それ以外のユニットを
0として、入力層の各ユニットに入力する。ニューラル
ネット24は該入力データに対する境界情報を生成する。
第3図(a),(b),(c)は第2図(a),
(b)のニューラルネット24の詳細な構成図である。こ
のニューラルネット24は入力層、中間層、出力層により
構成される。本実施例で中間層は1層であるが、複数の
中間層を持つネットワークを使用することも可能であ
る。第3図(a),(b),(c)の第1の実施例によ
る節/句境界抽出は入力文の各単語の直前の各種境界の
有無を判定することにより各種境界の位置を抽出する。
ニューラルネット24の入力として、各種境界の有無を判
定する単語及び該単語の前後各1単語計3単語の品詞を
与えるため、入力層は第3図(a)に示すように、(品
詞のカテゴリ数×3)個のユニットで構成されている。
出力層は抽出する各種境界の各々に、すなわち節または
句に1個のユニットすなわち出力端子を対応させてい
る。従ってニューラルネット24は節境界,名詞句,動詞
句,前置詞句及び不定詞句を抽出する。
第3図(b),(c)において、『is』を目的の単語
(中心の単語)として『This is a』を入力する時には
各入力グループ単位の入力であるユニット〜が存在
するので、その品詞に対応したユニットに1を加えてい
る。すなわち第1番目のグループ(第1番目の単語に対
応)のユニット、第2番目のグループのユニット、
第3番目のグループのユニットに1を加え、他のユニ
ットに0を加えている。この入力によって、学習してあ
るニューラルネットは動詞句に対応した端子であるユニ
ットに1を出力する。また『a』を目的の単語(中心単
語)として『is a book』を入力する時には第1番目の
グループのユニット、第2番目のグループのユニット
、第3番目のグループのユニットに1を加え、他の
ユニットに0を加える。この入力によってニューラルネ
ットは名詞句に対応したユニットに1を出力する。ニュ
ーラルネット24は前述の入力データに対する出力を生成
し、比較部26は、出力層の各値を閾値バッファ25に予め
与えられた閾値と比較し、閾値以上の値となったユニッ
トの番号を抽出する。この時2つ以上のユニットが閾値
を越えている場合、該入力データに対して複数種類の境
界が存在するものと判断する。
第2図(b)において、境界記号変換部38は、比較部
26から受け取ったユニットの番号に対応する境界記号を
出力制御部39へ加える。出力制御部39は、境界記号変換
部38から受け取った境界記号、入力制御部23Bから受け
取った単語の順に出力する。この一連の処理を入力テキ
ストの全ての単語について実施することにより出力結果
(第6図(d))が得られる。尚、本実施例におけるニ
ューラルネットの学習は、予め意味の切れ目となってい
る各種境界を抽出した文章(第6図(d)に相当)に対
して、節/句境界抽出時と同様に入力データを作成し、
各入力データに対応する単語の直前に存在する境界に対
応するユニットが1、その他のユニットが0になるよう
に教師パターンを作成する。尚、直前に境界が存在しな
い単語に対する教師パターンは全てのユニットが0とし
ている。このように作成した学習パターンに対してバッ
ク・プロパゲーションによる学習を行い、ニューラルネ
ットの各結合の重みを決定する。
第2図(a)に戻って説明する。比較部26は出力層の
値と閾値バッファ25に予め記憶された閾値とを比較し、
閾値以上の値となったユニットに境界が存在すると判断
する。さらに、1文中に2つ以上のユニットが閾値を越
えている場合には該入力データに対して複数種類の境界
が存在するものと判断する。第2図(b)は、第2図
(a)に境界記号変換部38を付加したものであって、境
界記号変換部38は、比較部26から受け取ったユニットの
番号に対応する境界記号を出力制御部39へ渡す。出力制
御部39は、入力制御部23Bから受け取った単語,境界記
号変換部38から受け取った境界記号の順に出力する。な
お、3単語連鎖作成部23A,入力制御部23Bは入力パター
ン生成部23に対応する。また、3単語連鎖の中心の単語
を入力制御部23Bから出力制御部39に送る。
本発明の第1の実施例におけるニューラルネットの学
習は、予め意味の切れ目となっている各種境界を抽出し
た文章に対して、節/句境界抽出時と同様に入力データ
を作成し、各入力する目的(中心)の単語の直前に存在
する境界に対応するユニットが1、その他のユニットが
0になるよう教師パターンを作成する。直前に境界が存
在しない単語に対する教師パターンは全てのユニットが
0となる。このように作成した学習パターンに対してバ
ックプロパゲーションによる学習を行い、ニューラルネ
ットの各結合の重みを決定する。
前述した本発明の第1の実施例における動作を具体的
な例を用いて説明する。品詞選択部21に接続される単語
辞書22は単語に対応した品詞番号を記憶している。第4
図は品詞分類図表である。品詞番号0は副詞、1はNO
T、2は副詞小辞、3は限定詞、4は名詞、5は代名
詞、6は人称代名詞、7は数詞、8は形容詞、9は動
詞、10は助動詞、11はBE動詞、12はDO、13はHAVE、14は
前置詞、15は不定詞を導くTO、16は接続詞、17は間投
詞、18は記号、19は文頭・文尾をそれぞれ表わしてい
る。
学習においては第5図(a)に示す学習データ作成例
図の如く、This is a book.It was lucky you left whe
n you did.He seemed to be surprised at the news.の
英文テキスト(第5図(a))に対し、各単語の前に節
境界,名詞句,動詞句,前置詞句,不定詞句等の記号を
付加した英文テキスト(第5図(b),(c))を作成
し、節境界16,名詞句8,動詞句4,前置詞句2,不定詞句1
の各10進情報を5ビットの2進情報に変換して教師信号
とし、これを境界情報とする。尚、ここで名詞句は主
語,目的語などを構成する名詞群(名詞、代名詞、人称
代名詞)を含む句、動詞句は始めが動詞,助動詞さらに
それらを修飾している副詞を含む句、前置詞句は始めが
前置詞である句、不定詞句は始めがNOTあるいはTOの品
詞を持つ単語である句を意味する。また、本発明の実施
例では動詞句,前置詞句,不定詞句の終了点は抽出して
いない(終了を抽出することも可能)。実際には入力の
品詞番号は入力ニューロンの位置に対応したコード、教
師信号は2進数で与えられるが、以下では、入力に与え
られる品詞番号、及び教師信号は10進数で表現する。す
なわち、Thisに対応して19 5 11を同時入力して8を
教師信号として、及びisに対応して5 11 3を同時に
入力し、4を教師信号として各3単語単位での品詞連鎖
(セット)と境界情報(第5図(d))をニューラルネ
ットに加え学習させる。ここで、教師信号8は2進表現
では01000だから第3図(a)の出力層の名詞句に対応
するニューロンを発火させるように教える信号である。
また、教師信号4は00100であるから、第3図(b)の
出力層の動詞句のニューロンを活性化するように教える
信号である。
第5図(b)の英文テキストにおいて、Thisの前が名
詞句(%)isの前が動詞句(#)、aの前が名詞句
(%)、また、whenの前は節境界(/)、youの前は節
境界かつ名詞句(/,%)である。したがって、第5図
(d)のyouに対応する教師信号は24で、これはコード
にすると11000であり、これは第3図(a)の出力層に
おいて、節境界と名詞句のニューロンが発火する教師信
号となる。
なお、第3図(c)は、this is a bookという英文テ
キストに対して、第5図(c)において、第3行目11,
3,4を同時に入力して、教師信号8を得た状態を示す。
次に、学習したものとは異なる第6図(a)に示すよ
うな英文テキストを入れた場合に、節/句境界が求めら
れることを説明する。
そして、このように学習したニューラルネットに対し
3単語連鎖を第6図(c)に表わす順に英文テキスト
(第6図(a))に対応する3単語で入力する。
入力テキストが例えば『This is a book.He seemed t
o be surprised at the news.It is strange he should
have said that.I will ask when the train leave
s.』(第6図(a))の如く英文テキストが入力した
時、品詞選択部21は順次その前後するその品詞番号を求
める。Thisに対しては5,isは11,aは3,bookは4,・・・と
第6図(b)に示す品詞選択結果を入力パターン生成部
23に出力する。入力パターン生成部23はこれらの単語か
ら3単語連鎖を求める。すなわち、Thisに対してはその
前が文頭であるので19、Thisは人称代名詞であるので
5、続く単語isはBE動詞であるので11となり、19 5
11をコード化して入力パターン生成部から出力する。続
いてisを中心としてその前後の単語の品詞すなわち5
11 3に対応するコードをニューラルネット24に出力す
る(第3図(b))。さらに、aを中心として、その前
後の単語の品11,3,4に対応するコードをニューラルネッ
ト24に出力する(第3図(c))。
かくすると、ニューラルネットよりそれぞれの節或い
は句に対応するニューロン発火状態の出力パターンが生
じる。それを英文テキスト上に表わせば、第6図(d)
の如くなる。
より具体的に言えば、単語Thisに対応して、3単語連
鎖情報0 5 11に対応するコードを第3図(a)のニ
ューラルネットワークの入力層に入力した場合には、Y
の出力層からは、01000が出力される。これは名詞句で
あるから英文テキストのThisの前には%を付して表示す
る。また、単語isに対応して、3単語連鎖情報5 11
3に対応するコードを第3図(b)のニューラルネット
ワークの入力層に入力した場合には、Yの出力層から
は、00100が出力される。これは動詞句であるから英文
テキストのisの前には#を付して表示する。
以上述べた2つの例、Thisとisは学習した英文テキス
ト“This is a book"という文章と同じ文章の単語であ
るから教えた通りの情報が出力される。しかし、ニュー
ラルネットでは教えていない文章を入力しても同様に節
/句の抽出ができなくてはならない。すなわち汎化能力
があるように動作するべきである。例えば第6図(a)
の入力英文テキストにおいて、it is strange he shoul
d have said that.という文は、第5図(a)の学習英
文テキストにはない文章である。しかし、第6図(c)
の18行目においてheという単語に対応する3単語連鎖8
6 10を入力すると、第3図(a)のニューラルネッ
トワークの出力層の状態は11000に近いアナログ情報、
例えば0.9,0.8,0.2,0.1,0.1が出力され、閾値を0.5とす
れば11000となる。すなわち、これは節境界のニューロ
ンと名詞句を表わすニューロンが発火していることを意
味し、第6図(d)ではheの前の/%に対応する。
第2図(a),(b)の比較部26は閾値バッファ25に
よって特定の値、例えば前記の0.5以上を節や句の境界
とし、出力する。
前述した本発明の第1の実施例によれば、通常の自然
言語のような大語彙の単語セットで構成される文章にお
ける意味の切れ目となる各種境界が抽出できる。
第7図(a),(b)は本発明の第2の実施例の構成
図である。また、第9図は本実施例による節/句境界抽
出例を示すものである。第9図(a)は語彙セット(第
7図(a),(b)の単語辞書52内に記憶されてい
る)、(b)は入力英文テキスト、(c)は照合部の出
力、(d)は4単語連鎖作成部の出力、(e)は本実施
例による出力結果、(f)はニューラルネットへの入力
と出力の関係図である。
第7図(a),(b)を第9図の抽出例を用いてその
動作を説明する。照合部51は入力英文テキスト(第9図
(b))の各単語を単語辞書52と照合(第9図(a))
し各単語の単語番号を抽出する(第9図(c))。その
照合結果と入力英文テキストは4単語連鎖作成部53Aに
加わり、4単語連鎖作成部53Aは入力文の末尾の単語か
ら順次前1単語,後2単語を合わせた4単語分の単語番
号セットを作成する(第9図(d))。この作成した単
語番号セットと入力英文テキストが加わると入力制御部
53Bは4単語連鎖を順次ニューラルネット54に与え、そ
の4単語の2番目の単語を出力制御部58に送る。ニュー
ラルネット54の入力層へは、4単語の各単語の単語番号
に対応するユニットを1、それ以外のユニットを0とす
る値が入力層の各ユニットに入力される。第8図
(a),(b)はニューラルネットの構成図であり、例
えば第8図(b)に示す如く第9図(f)の5番目の入
力の時には文頭#に対応して、第1番目のユニットの
、thisの単語番号1に対応して第2番目のユニットの
、isの単語番号3に対応して第3番目のユニットの
、aの単語番号4に対応して第4番目のユニットの
にそれぞれ1を、他のユニットに0を加える。すなわ
ち、ニューラルネット54は予め第9図(f)に示す如く
入力と出力の関係を学習している。ここで出力層の発火
番号1と0は、第8図(a),(b)の出力層の主語,
述語に対応するニューロンの発火の有無に対応する。し
たがって、ニューラルネット54への入力の第5番目(Th
isに対する入力)で出力の発火ユニット番号が変化して
おり、これを学習することにより結果としてThisの直後
の境界(主語と述語の境界)を抽出する。ニューラルネ
ット54はその入力データに対する出力を生成し、出力制
御部54に加える。そして、出力制御部58はニューラルネ
ット54の出力の変化を検出し、その変化に対応する単語
の前や後に境界があるとして、入力制御部53Bより加わ
る単語単位での入力文に境界記号を付加して出力する
(第9図(e))。
第9図は文章を末尾から入力する例を示したが、第10
図には文章を文頭から入力する例を説明する。
第10図(a)は、各文章の単語番号と単語の関係を示
すものである。ここで0は文の初め(#)をあらわすも
のである。
第10図(a)は、ニューラルネットワークの学習時に
与えられる入力パターンと教師信号を10進で表現したも
のである。Thisは文章のはじめであるから、0につづく
単語番号1、次がisとaであるから、isに対応する単語
番号3、aに対応する単語番号5が入力され、This is
a bookという文の主語はThisであるから、教師番号とし
ては、ニューラルネットワークの出力層の主語を表すニ
ューロンが1、述語をあらわすニューロンが0となる様
に学習する。この10を10進であらわせば2となり、これ
が第10図(b)の0,1,3,5という入力パターンに対する
教師信号表現である。同様に、isは4連鎖信号は1,3,5,
6であり、教師信号は2進数で表現すれば01で、述語ニ
ューラルが発火する際に教える。aやbookに対する教師
信号は、主語でもなければ述語でもないから0である。
以上、本発明を実施例を用いて詳細に説明した。本発
明の第1,第2の実施例においては英語における品詞番号
や単語番号を用いて分類しているが、言語が異なっても
その言語特有の品詞やそれに対応するものを用いること
により、簡単に句,節の境界を求めることができる。ま
た、前述した動詞,前置詞,不定詞等においてはそれぞ
れ動詞を含む句,前置詞が導く句,不定詞を含む句をも
意味しているが、英語の文法に限るものではなく、品詞
分類句等においては単なる文法的ではなく工学的見地に
よって分類してもよい。また、3単語連鎖や4単語連鎖
を使用しているが、これに限らず節境界の抽出のために
は5単語連鎖等を行うことにより更に性能を向上するこ
とができる。
〔発明の効果〕
以上述べた如く本発明によれば、簡単な品詞等の辞書
を作成するだけで節/句等の境界を抽出することができ
る。また、複数の文章等の句/節を分類する時には、前
述した品詞等を用いずに単語番号で分類することができ
る。よって本発明によれば、通常の自然言語のような大
語彙の単語セットで構成される文章における意味の切れ
目となる各種境界を抽出することもできる。更には、小
語彙の単語セットで構成される文章の意味の切れ目とな
る各種境界を抽出することができる。また、これにより
合成音声応答装置等において自然な合成音声を出力する
こともできる。
また、言語学的な知識による文法規則を必要とせずに
節や句境界を抽出できるとともに、文法規則を記憶する
必要がなく、システムを小型化することができる。
【図面の簡単な説明】
第1図は本発明の原理ブロック図、 第2図(a),(b)は本発明の第1の実施例の構成
図、 第3図(a)〜(c)は本発明の第1の実施例における
ニューラルネットの構成図、 第4図は品詞分類図表、 第5図は学習データ作成例図、 第6図は実施例1による節/句境界抽出例図、 第7図(a),(b)は本発明の第2の実施例の構成
図、 第8図(a),(b)は本発明の第2の実施例における
ニューラルネットの構成図、 第9図は本発明の第2の実施例による節/句境界抽出の
例を示す図、 第10図(a),(b)は本発明の第2の実施例の変形例
を説明する図である。 1……入力手段、 2……ニューラルネット手段、 3……境界判定手段.
フロントページの続き (56)参考文献 特開 平2−93499(JP,A) 特開 平2−5097(JP,A) 特開 昭64−38875(JP,A) FITZPATRICK E,BAC HENKO J.”Parsing f or Prosody:What a Text−to−Speech Sys tem Needs from Syn tax”,IEEE Proceedi ngs of 1989 Annual A rtificial Intellig ence Systems In Go verment Conferenc e. p.188−p.194(1989) (58)調査した分野(Int.Cl.6,DB名) G06F 17/20 - 17/28 G10L 3/00 JICSTファイル(JOIS)

Claims (6)

    (57)【特許請求の範囲】
  1. 【請求項1】入力する文章情報を構成する単語をカテゴ
    ライズする入力手段(1)と、該入力手段(1)によっ
    てカテゴライズされた複数の単語が順次加わり、予め節
    /句の境界位置情報に対応する教師パターンを学習して
    あるニューラルネットによって節/句の境界位置情報を
    出力するニューラルネット手段(2)とからなることを
    特徴とする節/句境界抽出方式。
  2. 【請求項2】前記ニューラルネット手段(2)より出力
    される境界位置情報をもとに節/句の境界を求める境界
    判定手段(3)とより成ることを特徴とする請求項1記
    載の節/句境界抽出方式。
  3. 【請求項3】前記入力手段(1)が出力する複数の単語
    は、前あるいは後が境界であるかを判断すべき目的の単
    語と、該単語の前n個と後m個の単語とからなる単語連
    鎖より成ることを特徴とする請求項1記載の節/句境界
    抽出方式。
  4. 【請求項4】前記入力手段(1)によるカテゴライズは
    前記文章情報を構成する単語の品詞によることを特徴と
    する請求項1記載の節/句境界抽出方式。
  5. 【請求項5】前記入力手段(1)によるカテゴライズは
    前記文書情報を構成する単語が予め決められた単語番号
    によることを特徴とする請求項1記載の節/句境界抽出
    方式。
  6. 【請求項6】前記入力手段(1)は入力テキストの文頭
    あるいは文尾のいずれから入力してもよいことを特徴と
    する請求項1記載の節/句境界抽出方式。
JP2238562A 1990-09-07 1990-09-07 節/句境界抽出方式 Expired - Lifetime JP2764343B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2238562A JP2764343B2 (ja) 1990-09-07 1990-09-07 節/句境界抽出方式
US08/174,629 US5479563A (en) 1990-09-07 1993-12-28 Boundary extracting system from a sentence

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2238562A JP2764343B2 (ja) 1990-09-07 1990-09-07 節/句境界抽出方式

Publications (2)

Publication Number Publication Date
JPH04117560A JPH04117560A (ja) 1992-04-17
JP2764343B2 true JP2764343B2 (ja) 1998-06-11

Family

ID=17032078

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2238562A Expired - Lifetime JP2764343B2 (ja) 1990-09-07 1990-09-07 節/句境界抽出方式

Country Status (2)

Country Link
US (1) US5479563A (ja)
JP (1) JP2764343B2 (ja)

Families Citing this family (48)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5805771A (en) * 1994-06-22 1998-09-08 Texas Instruments Incorporated Automatic language identification method and system
US5774846A (en) * 1994-12-19 1998-06-30 Matsushita Electric Industrial Co., Ltd. Speech coding apparatus, linear prediction coefficient analyzing apparatus and noise reducing apparatus
US5638487A (en) * 1994-12-30 1997-06-10 Purespeech, Inc. Automatic speech recognition
US5778402A (en) * 1995-06-07 1998-07-07 Microsoft Corporation Method and system for auto-formatting a document using an event-based rule engine to format a document as the user types
US5745874A (en) * 1996-03-04 1998-04-28 National Semiconductor Corporation Preprocessor for automatic speech recognition system
US5995922A (en) * 1996-05-02 1999-11-30 Microsoft Corporation Identifying information related to an input word in an electronic dictionary
US20070294229A1 (en) * 1998-05-28 2007-12-20 Q-Phrase Llc Chat conversation methods traversing a provisional scaffold of meanings
US7711672B2 (en) * 1998-05-28 2010-05-04 Lawrence Au Semantic network methods to disambiguate natural language meaning
US8396824B2 (en) * 1998-05-28 2013-03-12 Qps Tech. Limited Liability Company Automatic data categorization with optimally spaced semantic seed terms
US20070094223A1 (en) * 1998-05-28 2007-04-26 Lawrence Au Method and system for using contextual meaning in voice to text conversion
US6453292B2 (en) * 1998-10-28 2002-09-17 International Business Machines Corporation Command boundary identifier for conversational natural language
DE10018134A1 (de) * 2000-04-12 2001-10-18 Siemens Ag Verfahren und Vorrichtung zum Bestimmen prosodischer Markierungen
US6810375B1 (en) 2000-05-31 2004-10-26 Hapax Limited Method for segmentation of text
DE10047172C1 (de) * 2000-09-22 2001-11-29 Siemens Ag Verfahren zur Sprachverarbeitung
JP3557605B2 (ja) * 2001-09-19 2004-08-25 インターナショナル・ビジネス・マシーンズ・コーポレーション 文切り方法及びこれを用いた文切り処理装置、機械翻訳装置並びにプログラム
US8190436B2 (en) 2001-12-07 2012-05-29 At&T Intellectual Property Ii, L.P. System and method of spoken language understanding in human computer dialogs
US7136802B2 (en) * 2002-01-16 2006-11-14 Intel Corporation Method and apparatus for detecting prosodic phrase break in a text to speech (TTS) system
US8849648B1 (en) 2002-12-24 2014-09-30 At&T Intellectual Property Ii, L.P. System and method of extracting clauses for spoken language understanding
US8818793B1 (en) 2002-12-24 2014-08-26 At&T Intellectual Property Ii, L.P. System and method of extracting clauses for spoken language understanding
US8868670B2 (en) * 2004-04-27 2014-10-21 Avaya Inc. Method and apparatus for summarizing one or more text messages using indicative summaries
EP2080120A2 (en) * 2006-10-03 2009-07-22 Qps Tech. Limited Liability Company Mechanism for automatic matching of host to guest content via categorization
US8073681B2 (en) 2006-10-16 2011-12-06 Voicebox Technologies, Inc. System and method for a cooperative conversational voice user interface
US7818176B2 (en) 2007-02-06 2010-10-19 Voicebox Technologies, Inc. System and method for selecting and presenting advertisements based on natural language processing of voice-based input
US8140335B2 (en) 2007-12-11 2012-03-20 Voicebox Technologies, Inc. System and method for providing a natural language voice user interface in an integrated voice navigation services environment
US9305548B2 (en) 2008-05-27 2016-04-05 Voicebox Technologies Corporation System and method for an integrated, multi-modal, multi-device natural language voice services environment
US8984398B2 (en) * 2008-08-28 2015-03-17 Yahoo! Inc. Generation of search result abstracts
US8326637B2 (en) 2009-02-20 2012-12-04 Voicebox Technologies, Inc. System and method for processing multi-modal device interactions in a natural language voice services environment
US9583095B2 (en) 2009-07-17 2017-02-28 Nec Corporation Speech processing device, method, and storage medium
KR101622111B1 (ko) * 2009-12-11 2016-05-18 삼성전자 주식회사 대화 시스템 및 그의 대화 방법
US8788260B2 (en) * 2010-05-11 2014-07-22 Microsoft Corporation Generating snippets based on content features
US9092425B2 (en) * 2010-12-08 2015-07-28 At&T Intellectual Property I, L.P. System and method for feature-rich continuous space language models
US9613619B2 (en) * 2013-10-30 2017-04-04 Genesys Telecommunications Laboratories, Inc. Predicting recognition quality of a phrase in automatic speech recognition systems
US9607613B2 (en) 2014-04-23 2017-03-28 Google Inc. Speech endpointing based on word comparisons
EP3195145A4 (en) 2014-09-16 2018-01-24 VoiceBox Technologies Corporation Voice commerce
WO2016044321A1 (en) 2014-09-16 2016-03-24 Min Tang Integration of domain information into state transitions of a finite state transducer for natural language processing
JP2016062264A (ja) * 2014-09-17 2016-04-25 株式会社東芝 対話支援装置、方法およびプログラム
US9747896B2 (en) 2014-10-15 2017-08-29 Voicebox Technologies Corporation System and method for providing follow-up responses to prior natural language inputs of a user
US10431214B2 (en) 2014-11-26 2019-10-01 Voicebox Technologies Corporation System and method of determining a domain and/or an action related to a natural language input
US10614799B2 (en) 2014-11-26 2020-04-07 Voicebox Technologies Corporation System and method of providing intent predictions for an utterance prior to a system detection of an end of the utterance
WO2017083504A1 (en) * 2015-11-12 2017-05-18 Semantic Machines, Inc. Interaction assistant
JP6495814B2 (ja) * 2015-12-22 2019-04-03 日本電信電話株式会社 言語確率算出方法、言語確率算出装置および言語確率算出プログラム
US10331784B2 (en) 2016-07-29 2019-06-25 Voicebox Technologies Corporation System and method of disambiguating natural language processing requests
JP6720764B2 (ja) * 2016-08-08 2020-07-08 富士ゼロックス株式会社 テキスト解析装置及びプログラム
WO2018226779A1 (en) 2017-06-06 2018-12-13 Google Llc End of query detection
US10929754B2 (en) 2017-06-06 2021-02-23 Google Llc Unified endpointer using multitask and multidomain learning
CN107679033B (zh) * 2017-09-11 2021-12-14 百度在线网络技术(北京)有限公司 文本断句位置识别方法和装置
JP7113474B2 (ja) * 2018-08-07 2022-08-05 国立研究開発法人情報通信研究機構 データ・セグメンテーション装置
US11289092B2 (en) * 2019-09-25 2022-03-29 International Business Machines Corporation Text editing using speech recognition

Family Cites Families (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5146405A (en) * 1988-02-05 1992-09-08 At&T Bell Laboratories Methods for part-of-speech determination and usage
US4876731A (en) * 1988-02-19 1989-10-24 Nynex Corporation Neural network model in pattern recognition using probabilistic contextual information
US5146406A (en) * 1989-08-16 1992-09-08 International Business Machines Corporation Computer method for identifying predicate-argument structures in natural language text
JPH0375860A (ja) * 1989-08-18 1991-03-29 Hitachi Ltd パーソナライズド端末

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
FITZPATRICK E,BACHENKO J."Parsing for Prosody:What a Text−to−Speech System Needs from Syntax",IEEE Proceedings of 1989 Annual Artificial Intelligence Systems In Goverment Conference. p.188−p.194(1989)

Also Published As

Publication number Publication date
JPH04117560A (ja) 1992-04-17
US5479563A (en) 1995-12-26

Similar Documents

Publication Publication Date Title
JP2764343B2 (ja) 節/句境界抽出方式
Chang et al. Causal relation extraction using cue phrase and lexical pair probabilities
US10878817B2 (en) Systems and methods for generating comedy
Anderson et al. Towards a computational history of the ACL: 1980-2008
EP0805403A2 (en) Translating apparatus and translating method
Papageorgiou et al. A Unified POS Tagging Architecture and its Application to Greek.
Bokka et al. Deep Learning for Natural Language Processing: Solve your natural language processing problems with smart deep neural networks
CN108763202B (zh) 识别敏感文本的方法、装置、设备及可读存储介质
Fashwan et al. SHAKKIL: an automatic diacritization system for modern standard Arabic texts
Fu et al. Towards indonesian part-of-speech tagging: Corpus and models
Kuznetsova et al. A finite-state morphological analyser for Paraguayan Guaraní
Chuang et al. Emotion recognition from textual input using an emotional semantic network
Goyal et al. Analysis of Sanskrit text: Parsing and semantic relations
Arwidarasti et al. Converting an Indonesian constituency treebank to the Penn treebank format
KR100202292B1 (ko) 한문어 문서 음성 변환 시스템을 위한 문서 분석기
Garay-Vitoria et al. A comparison of prediction techniques to enhance the communication rate
Hachey Recognising clauses using symbolic and machine learning approaches
Collier An historical overview of natural language processing systems that learn
Tukur et al. Parts-of-speech tagging of Hausa-based texts using hidden Markov model
Zervas et al. Bayesian induction of intonational phrase breaks.
JP3050743B2 (ja) 言語データベースの形態素列変換装置
KR100331031B1 (ko) 부분 파싱을 이용한 확률 기반 품사 태거의 오류 방지 장치 및그 방법
JP2765618B2 (ja) 言語解析装置
Ghayoomi et al. A POS-based word prediction system for the Persian language
Yu et al. Automatic event extraction method for analyzing text narrative structure