JP3214589B2 - 自然言語処理装置 - Google Patents
自然言語処理装置Info
- Publication number
- JP3214589B2 JP3214589B2 JP07171594A JP7171594A JP3214589B2 JP 3214589 B2 JP3214589 B2 JP 3214589B2 JP 07171594 A JP07171594 A JP 07171594A JP 7171594 A JP7171594 A JP 7171594A JP 3214589 B2 JP3214589 B2 JP 3214589B2
- Authority
- JP
- Japan
- Prior art keywords
- interpretation
- natural language
- probability
- sentence
- branch
- 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 - Fee Related
Links
Landscapes
- Machine Translation (AREA)
Description
【０００１】
【産業上の利用分野】本発明は、機械翻訳システム、自
然言語インタフェースシステム等の自然言語処理システ
ムにおける自然言語解析に関するものである。
然言語インタフェースシステム等の自然言語処理システ
ムにおける自然言語解析に関するものである。
【０００２】
【従来の技術】自然言語の文を解析することは自然言語
の文の解釈を一意的に特定することである。従来の多く
の技術では、自然言語の文を構文、意味解析した結果、
複数の解釈が得られ、いわゆる曖昧性の問題が生じてい
た。曖昧性解消が自然言語解析における大きな課題とな
っている。例えば、 Ｉ ｓａｗ ａ ｇｉｒｌ ｗｉｔｈ ａ ｔｅｌｅｓ
ｃｏｐｅ． を構文意味解析した結果、「私は望遠鏡で女の子を見
た」と「私は望遠鏡を持っている女の子を見た」という
二通りの解釈が得られる。図２にその二つの解釈の構文
木を示す。このような構文木を句構造ともいう。
の文の解釈を一意的に特定することである。従来の多く
の技術では、自然言語の文を構文、意味解析した結果、
複数の解釈が得られ、いわゆる曖昧性の問題が生じてい
た。曖昧性解消が自然言語解析における大きな課題とな
っている。例えば、 Ｉ ｓａｗ ａ ｇｉｒｌ ｗｉｔｈ ａ ｔｅｌｅｓ
ｃｏｐｅ． を構文意味解析した結果、「私は望遠鏡で女の子を見
た」と「私は望遠鏡を持っている女の子を見た」という
二通りの解釈が得られる。図２にその二つの解釈の構文
木を示す。このような構文木を句構造ともいう。
【０００３】従来は、確率文法に基づいて、生成確率を
算出し、生成確率により優先順位を付け、曖昧性解消を
試みるものが主流であった。例えば、藤崎は、文脈自由
文法規則の確率を定義し、ある解釈を得るために解析で
適用した規則の確率の積をその解釈の生成確率とし、各
解釈の生成確率を計算し、確率の値の順に解釈を出力す
る方法を提案した（確率的言語処理へのアプローチ、情
報処理学会自然言語研究会４１−６，１９８４）。具体
的には、文脈自由文法規則が Ａ→Ｂ１，Ｂ２，・・・，Ｂｋ である時、その確率がＰ（Ｂ１，Ｂ２，・・・，Ｂｎ｜
Ａ）であるとする。さらに、図２の二つの解釈の生成確
率が以下であるとする。
算出し、生成確率により優先順位を付け、曖昧性解消を
試みるものが主流であった。例えば、藤崎は、文脈自由
文法規則の確率を定義し、ある解釈を得るために解析で
適用した規則の確率の積をその解釈の生成確率とし、各
解釈の生成確率を計算し、確率の値の順に解釈を出力す
る方法を提案した（確率的言語処理へのアプローチ、情
報処理学会自然言語研究会４１−６，１９８４）。具体
的には、文脈自由文法規則が Ａ→Ｂ１，Ｂ２，・・・，Ｂｋ である時、その確率がＰ（Ｂ１，Ｂ２，・・・，Ｂｎ｜
Ａ）であるとする。さらに、図２の二つの解釈の生成確
率が以下であるとする。
【０００４】Ｐ（解釈１）＝Ｐ（ＮＰ，ＶＰ｜Ｓ）×Ｐ
（Ｎ｜ＮＰ）×Ｐ（ｉ｜Ｎ）×Ｐ（Ｖ，ＮＰ｜ＶＰ）×
Ｐ（ｓａｗ｜Ｖ）×Ｐ（ＮＰ，ＰＰ｜ＮＰ）×Ｐ（ＤＥ
Ｔ，Ｎ｜ＮＰ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｇｉｒｌ｜
Ｎ）×Ｐ（Ｐ，ＮＰ｜ＰＰ）×Ｐ（ｗｉｔｈ｜Ｐ）×Ｐ
（ＤＥＴ，Ｎ｜ＮＰ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｔｅｌ
ｅｓｃｏｐｅ｜Ｎ） Ｐ（解釈２）＝Ｐ（ＮＰ，ＶＰ｜Ｓ）×Ｐ（Ｎ｜ＮＰ）
×Ｐ（ｉ｜Ｎ）×Ｐ（Ｖ，ＮＰ｜ＶＰ）×Ｐ（ｓａｗ｜
Ｖ）×Ｐ（ＶＰ，ＰＰ｜ＶＰ）×Ｐ（ＤＥＴ，Ｎ｜Ｎ
Ｐ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｇｉｒｌ｜Ｎ）×Ｐ
（Ｐ，ＮＰ｜ＰＰ）×Ｐ（ｗｉｔｈ｜Ｐ）×Ｐ（ＤＥ
Ｔ，Ｎ｜ＮＰ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｔｅｌｅｓｃ
ｏｐｅ｜Ｎ） また、ＳｕとＣｈａｎｇ（Ｋ．Ｓｕ，Ｊ．Ｃｈａｎｇ，
Ｓｅｍａｎｔｉｃ ａｎｄ Ｓｙｎｔａｃｔｉｃ Ａｓ
ｐｅｃｔｓ ｏｆ Ｓｃｏｒｅ Ｆｕｎｃｔｉｏｎ，Ｐ
ｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １２ｔｈ Ｉｎ
ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ
Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｉｎｇｕｉｓｔｉｃ
ｓ，１９８８）、あるいはＭａｇｅｒｍａｎとＭａｒｃ
ｕｓ（Ｄ．Ｍａｇｅｒｍａｎ，Ｍ．Ｍａｒｃｕｓ，Ｐｅ
ａｒｌ：Ａ Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｃｈａｒｔ
Ｐａｒｓｅｒ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒ
ｋｓｈｏｐ ｏｎ Ｐａｒｓｉｎｇ Ｔｅｃｈｎｏｌｏ
ｇｙ，１９９１）は、藤崎と異なる確率による曖昧性解
消法を提案した。
（Ｎ｜ＮＰ）×Ｐ（ｉ｜Ｎ）×Ｐ（Ｖ，ＮＰ｜ＶＰ）×
Ｐ（ｓａｗ｜Ｖ）×Ｐ（ＮＰ，ＰＰ｜ＮＰ）×Ｐ（ＤＥ
Ｔ，Ｎ｜ＮＰ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｇｉｒｌ｜
Ｎ）×Ｐ（Ｐ，ＮＰ｜ＰＰ）×Ｐ（ｗｉｔｈ｜Ｐ）×Ｐ
（ＤＥＴ，Ｎ｜ＮＰ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｔｅｌ
ｅｓｃｏｐｅ｜Ｎ） Ｐ（解釈２）＝Ｐ（ＮＰ，ＶＰ｜Ｓ）×Ｐ（Ｎ｜ＮＰ）
×Ｐ（ｉ｜Ｎ）×Ｐ（Ｖ，ＮＰ｜ＶＰ）×Ｐ（ｓａｗ｜
Ｖ）×Ｐ（ＶＰ，ＰＰ｜ＶＰ）×Ｐ（ＤＥＴ，Ｎ｜Ｎ
Ｐ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｇｉｒｌ｜Ｎ）×Ｐ
（Ｐ，ＮＰ｜ＰＰ）×Ｐ（ｗｉｔｈ｜Ｐ）×Ｐ（ＤＥ
Ｔ，Ｎ｜ＮＰ）×Ｐ（ａ｜ＤＥＴ）×Ｐ（ｔｅｌｅｓｃ
ｏｐｅ｜Ｎ） また、ＳｕとＣｈａｎｇ（Ｋ．Ｓｕ，Ｊ．Ｃｈａｎｇ，
Ｓｅｍａｎｔｉｃ ａｎｄ Ｓｙｎｔａｃｔｉｃ Ａｓ
ｐｅｃｔｓ ｏｆ Ｓｃｏｒｅ Ｆｕｎｃｔｉｏｎ，Ｐ
ｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔｈｅ １２ｔｈ Ｉｎ
ｔｅｒｎａｔｉｏｎａｌ Ｃｏｎｆｅｒｅｎｃｅ ｏｎ
Ｃｏｍｐｕｔａｔｉｏｎａｌ Ｌｉｎｇｕｉｓｔｉｃ
ｓ，１９８８）、あるいはＭａｇｅｒｍａｎとＭａｒｃ
ｕｓ（Ｄ．Ｍａｇｅｒｍａｎ，Ｍ．Ｍａｒｃｕｓ，Ｐｅ
ａｒｌ：Ａ Ｐｒｏｂａｂｉｌｉｓｔｉｃ Ｃｈａｒｔ
Ｐａｒｓｅｒ，Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｗｏｒ
ｋｓｈｏｐ ｏｎ Ｐａｒｓｉｎｇ Ｔｅｃｈｎｏｌｏ
ｇｙ，１９９１）は、藤崎と異なる確率による曖昧性解
消法を提案した。
【０００５】しかし、これらの方法では、係り受けの距
離を表現することができず、以下に示すように、人間が
実際行う自然言語解釈との間に大きな差異が存在してい
た。
離を表現することができず、以下に示すように、人間が
実際行う自然言語解釈との間に大きな差異が存在してい
た。
【０００６】それでは、人間がどのように曖昧性解消を
行っているかについて、認知言語学の分野で知られてい
る知見について述べる。例えば、上記の例文の場合、実
験によって、後者の解釈をとる人が多いことが分ってい
る。認知言語学では、以下のようにこの現象を説明す
る。人間は複数の原理の総合作用で曖昧性を解消してい
る。それらの原理の中に以下のようなものがある。
行っているかについて、認知言語学の分野で知られてい
る知見について述べる。例えば、上記の例文の場合、実
験によって、後者の解釈をとる人が多いことが分ってい
る。認知言語学では、以下のようにこの現象を説明す
る。人間は複数の原理の総合作用で曖昧性を解消してい
る。それらの原理の中に以下のようなものがある。
【０００７】「言語表現が近くにある他の言語表現を修
飾しやすい。逆に遠いところにある他の言語表現を修飾
しにくい。」具体的には、英語に関しては、Ｒｉｇｈｔ
Ａｓｓｏｃｉａｔｉｏｎ Ｐｒｉｎｃｉｐｌｅ（以下
ではＲＡＰと略す。Ｊ．Ｋｉｍｂａｌｌ，Ｓｅｖｅｎ
Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｓｕｒｆａｃｅ Ｓｔｒ
ｕｃｔｕｒｅ Ｐａｒｓｉｎｇ ｉｎ Ｎａｔｕｒａｌ
Ｌａｎｇｕａｇｅ，Ｃｏｇｎｉｔｉｏｎ，２，１５−
４７，１９７３）、およびＡｔｔａｃｈ Ｌｏｗ ａｎ
ｄ ＰａｒａｌｌｅｌＰｒｉｎｃｉｐｌｅ（以下ではＡ
ＬＰＰと略す。Ｊ．Ｒ．Ｈｏｂｂｓ，Ｊ．Ｂｅａｒ，Ｔ
ｗｏ Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｐａｒｓｅ Ｐｒ
ｅｆｅｒｅｎｃｅ，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔ
ｈｅ １３ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎ
ｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎａｌ
Ｌｉｎｇｕｉｓｔｉｃｓ，１９９０）が提案されてい
る。ＲＡＰによれば、英語では、右の構造が近くにある
左の構造に係りやすい。一方、ＡＬＰＰによれば、構造
が低いところ、あるいは他の構造と並列構造になるとこ
ろに係りやすい。ＡＬＰＰはＲＡＰを拡張したものであ
る。
飾しやすい。逆に遠いところにある他の言語表現を修飾
しにくい。」具体的には、英語に関しては、Ｒｉｇｈｔ
Ａｓｓｏｃｉａｔｉｏｎ Ｐｒｉｎｃｉｐｌｅ（以下
ではＲＡＰと略す。Ｊ．Ｋｉｍｂａｌｌ，Ｓｅｖｅｎ
Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｓｕｒｆａｃｅ Ｓｔｒ
ｕｃｔｕｒｅ Ｐａｒｓｉｎｇ ｉｎ Ｎａｔｕｒａｌ
Ｌａｎｇｕａｇｅ，Ｃｏｇｎｉｔｉｏｎ，２，１５−
４７，１９７３）、およびＡｔｔａｃｈ Ｌｏｗ ａｎ
ｄ ＰａｒａｌｌｅｌＰｒｉｎｃｉｐｌｅ（以下ではＡ
ＬＰＰと略す。Ｊ．Ｒ．Ｈｏｂｂｓ，Ｊ．Ｂｅａｒ，Ｔ
ｗｏ Ｐｒｉｎｃｉｐｌｅｓ ｏｆ Ｐａｒｓｅ Ｐｒ
ｅｆｅｒｅｎｃｅ，Ｐｒｏｃｅｅｄｉｎｇｓ ｏｆ ｔ
ｈｅ １３ｔｈ Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｃｏｎ
ｆｅｒｅｎｃｅ ｏｎ Ｃｏｍｐｕｔａｔｉｏｎａｌ
Ｌｉｎｇｕｉｓｔｉｃｓ，１９９０）が提案されてい
る。ＲＡＰによれば、英語では、右の構造が近くにある
左の構造に係りやすい。一方、ＡＬＰＰによれば、構造
が低いところ、あるいは他の構造と並列構造になるとこ
ろに係りやすい。ＡＬＰＰはＲＡＰを拡張したものであ
る。
【０００８】ＲＡＰに従えば、 Ｉ ｓａｗ ａ ｇｉｒｌ ｗｉｔｈ ａ ｔｅｌｅｓ
ｃｏｐｅ． における「私は望遠鏡を持っている女の子を見た」とい
う解釈が優位である。というのは、「ｗｉｔｈ ａ ｔ
ｅｌｅｓｃｏｐｅ」が近くにあるｇｉｒｌに係りやすい
からである。
ｃｏｐｅ． における「私は望遠鏡を持っている女の子を見た」とい
う解釈が優位である。というのは、「ｗｉｔｈ ａ ｔ
ｅｌｅｓｃｏｐｅ」が近くにあるｇｉｒｌに係りやすい
からである。
【０００９】ＡＬＰＰに従えば、 Ａ ｇｒｏｗｉｎｇ ｎｕｍｂｅｒ ｏｆ ｃｏｍｐａ
ｎｉｅｓ ｓｅｌｌａｎｄ ｂｕｙ ｂｙ ｃｏｍｐｕ
ｔｅｒ． における、「ますます多くの会社が計算機で売買するよ
うになった」という解釈が「ますます多くの会社が売
り、計算機で買うようになった」という解釈より優位で
ある。というのは、ｓｅｌｌ ａｎｄ ｂｕｙが一つの
並列構造になりやすいからである。
ｎｉｅｓ ｓｅｌｌａｎｄ ｂｕｙ ｂｙ ｃｏｍｐｕ
ｔｅｒ． における、「ますます多くの会社が計算機で売買するよ
うになった」という解釈が「ますます多くの会社が売
り、計算機で買うようになった」という解釈より優位で
ある。というのは、ｓｅｌｌ ａｎｄ ｂｕｙが一つの
並列構造になりやすいからである。
【００１０】以上の原理は人間の自然言語解釈における
普遍的な法則である。自然言語解析における曖昧性を解
消するためには、以上の原理を実現しなければならな
い。この原理は、ある種の傾向を表現しているもので、
決定的なものではない。従って、確率でこの原理を表現
したほうがよい。
普遍的な法則である。自然言語解析における曖昧性を解
消するためには、以上の原理を実現しなければならな
い。この原理は、ある種の傾向を表現しているもので、
決定的なものではない。従って、確率でこの原理を表現
したほうがよい。
【００１１】
【発明が解決しようとする課題】認知言語学上の曖昧性
解消のための原理であるＲＡＰとＡＬＰＰを確率的なア
プローチで実現するためには、係り受けの距離の概念を
導入しなければならない。距離の概念の導入された確率
的な文法を用いて、ＲＡＰとＡＬＰＰを実現し、自然言
語解析における曖昧性を解消することが本発明の課題で
ある。
解消のための原理であるＲＡＰとＡＬＰＰを確率的なア
プローチで実現するためには、係り受けの距離の概念を
導入しなければならない。距離の概念の導入された確率
的な文法を用いて、ＲＡＰとＡＬＰＰを実現し、自然言
語解析における曖昧性を解消することが本発明の課題で
ある。
【００１２】
【課題を解決するための手段】本発明では、以下の手段
で以上の課題を解決する。
で以上の課題を解決する。
【００１３】第１の発明は、自然言語の文を構文解析す
る自然言語処理装置において、自然言語の文中のｎ個の
単語を支配するカテゴリＡが、文脈自由系文法の規則Ａ
→Ｂ１，Ｂ２，．．．，Ｂｋの適用によりカテゴリＢ
１，Ｂ２，．．．，Ｂｋに分かれ、かつＢ１，Ｂ
２，．．．，Ｂｋがそれぞれｎ１，ｎ２，．．．，ｎｋ
個の単語を支配するという事象の分岐確率Ｐ（Ｂ１／ｎ
１ Ｂ２／ｎ２ ．．．Ｂｋ／ｎｋ ｜ Ａ／ｎ）を記
憶する確率記憶手段と、自然言語の文を入力とし、その
文を構文解析し、木構造によって表現される複数の解釈
を得て、得られた各解釈に対して、その解釈の木構造の
各ノードにおけるカテゴリがどのようなカテゴリに分か
れ、かつそれぞれのカテゴリがどれだけの数の単語を支
配しているかを調べ、前記確率記憶手段を参照し、それ
ぞれのノードにおける分岐確率を呼出し、各解釈に対し
て、その解釈のすべてのノードにおける前記分岐確率の
積をその解釈の生成確率とし、当該解釈の生成確率を優
先度とし、各解釈を優先度順に出力する自然言語解析手
段と、を備えることを特徴とする自然言語処理装置であ
る。
る自然言語処理装置において、自然言語の文中のｎ個の
単語を支配するカテゴリＡが、文脈自由系文法の規則Ａ
→Ｂ１，Ｂ２，．．．，Ｂｋの適用によりカテゴリＢ
１，Ｂ２，．．．，Ｂｋに分かれ、かつＢ１，Ｂ
２，．．．，Ｂｋがそれぞれｎ１，ｎ２，．．．，ｎｋ
個の単語を支配するという事象の分岐確率Ｐ（Ｂ１／ｎ
１ Ｂ２／ｎ２ ．．．Ｂｋ／ｎｋ ｜ Ａ／ｎ）を記
憶する確率記憶手段と、自然言語の文を入力とし、その
文を構文解析し、木構造によって表現される複数の解釈
を得て、得られた各解釈に対して、その解釈の木構造の
各ノードにおけるカテゴリがどのようなカテゴリに分か
れ、かつそれぞれのカテゴリがどれだけの数の単語を支
配しているかを調べ、前記確率記憶手段を参照し、それ
ぞれのノードにおける分岐確率を呼出し、各解釈に対し
て、その解釈のすべてのノードにおける前記分岐確率の
積をその解釈の生成確率とし、当該解釈の生成確率を優
先度とし、各解釈を優先度順に出力する自然言語解析手
段と、を備えることを特徴とする自然言語処理装置であ
る。
【００１４】第２の発明は、自然言語の文を構文解析す
る自然言語処理装置において、自然言語の文中のｎ個の
単語を支配するカテゴリＡが、文脈自由系文法の規則Ａ
→Ｂ１，Ｂ２，．．．，Ｂｋの適用によりカテゴリＢ
１，Ｂ２，．．．，Ｂｋに分かれ、かつＢ１，Ｂ
２，．．．，Ｂｋが支配する単語の語数の比率がｒ１，
ｒ２，．．，ｒｋであるという事象の分岐確率Ｐ（Ｂ１
Ｂ２ ．．． Ｂｋ，ｒ１／ｒ２／．．．／ｒｋ ｜
Ａ）を記憶する確率記憶手段と、自然言語の文を入力
とし、その文を構文解析し、木構造によって表現される
複数の解釈を得て、得られた各解釈に対して、その解釈
の木構造の各ノードにおけるカテゴリがどのようなカテ
ゴリに分かれ、かつそれぞれのカテゴリがどれだけの数
の単語を支配しているかを調べ、それらの数の比率を計
算し、前記確率記憶手段を参照し、それぞれのノードに
おける分岐確率を呼出し、各解釈に対して、その解釈の
すべてのノードにおける前記分岐確率の積をその解釈の
生成確率とし、当該解釈の生成確率を優先度とし、各解
釈を優先度順に出力する自然言語解析手段と、を備える
ことを特徴とする自然言語処理装置である。
る自然言語処理装置において、自然言語の文中のｎ個の
単語を支配するカテゴリＡが、文脈自由系文法の規則Ａ
→Ｂ１，Ｂ２，．．．，Ｂｋの適用によりカテゴリＢ
１，Ｂ２，．．．，Ｂｋに分かれ、かつＢ１，Ｂ
２，．．．，Ｂｋが支配する単語の語数の比率がｒ１，
ｒ２，．．，ｒｋであるという事象の分岐確率Ｐ（Ｂ１
Ｂ２ ．．． Ｂｋ，ｒ１／ｒ２／．．．／ｒｋ ｜
Ａ）を記憶する確率記憶手段と、自然言語の文を入力
とし、その文を構文解析し、木構造によって表現される
複数の解釈を得て、得られた各解釈に対して、その解釈
の木構造の各ノードにおけるカテゴリがどのようなカテ
ゴリに分かれ、かつそれぞれのカテゴリがどれだけの数
の単語を支配しているかを調べ、それらの数の比率を計
算し、前記確率記憶手段を参照し、それぞれのノードに
おける分岐確率を呼出し、各解釈に対して、その解釈の
すべてのノードにおける前記分岐確率の積をその解釈の
生成確率とし、当該解釈の生成確率を優先度とし、各解
釈を優先度順に出力する自然言語解析手段と、を備える
ことを特徴とする自然言語処理装置である。
【００１５】
【実施例】第１の発明の自然言語処理装置の第１の実施
例について述べる。図１がその実施例の構成図である。
例について述べる。図１がその実施例の構成図である。
【００１６】まず、カテゴリＡが文脈自由系文法の規則 Ａ→Ｂ１，Ｂ２，・・・，Ｂｋ の適用によりカテゴリＢ１，Ｂ２，・・・，Ｂｋに分か
れ、しかも、Ｂ１，Ｂ２，・・・，Ｂｋがそれぞれｎ
１，ｎ２，・・・，ｎｋ個の単語を支配する確率Ｐ（Ｂ
１／ｎ１ Ｂ２／ｎ２・・・Ｂｎ／ｎｋ｜Ａ／ｎ）を定
義する。この確率を分岐確率と呼ぶ。例えば、図２の二
つの解釈のＶＰ／６の下での分岐確率は以下である。但
し、ＶＰ／６は、カテゴリＶＰとその支配する単語列の
語数の組のことである。
れ、しかも、Ｂ１，Ｂ２，・・・，Ｂｋがそれぞれｎ
１，ｎ２，・・・，ｎｋ個の単語を支配する確率Ｐ（Ｂ
１／ｎ１ Ｂ２／ｎ２・・・Ｂｎ／ｎｋ｜Ａ／ｎ）を定
義する。この確率を分岐確率と呼ぶ。例えば、図２の二
つの解釈のＶＰ／６の下での分岐確率は以下である。但
し、ＶＰ／６は、カテゴリＶＰとその支配する単語列の
語数の組のことである。
【００１７】Ｐ（解釈１における一つの分岐）＝Ｐ（Ｖ
／１ ＮＰ／５｜ＶＰ／６） Ｐ（解釈２における一つの分岐）＝Ｐ（ＶＰ／３ ＰＰ
／３｜ＶＰ／６） Ｐ（Ｖ／１ ＮＰ／５｜ＶＰ／６）は、６個の単語を支
配するカテゴリＶＰが文脈自由文法系の規則 ＶＰ→Ｖ ＮＰ の適用によってカテゴリＶとＮＰに分かれ、しかも、Ｖ
とＮＰがそれぞれ１と５の単語を支配する確率である。
／１ ＮＰ／５｜ＶＰ／６） Ｐ（解釈２における一つの分岐）＝Ｐ（ＶＰ／３ ＰＰ
／３｜ＶＰ／６） Ｐ（Ｖ／１ ＮＰ／５｜ＶＰ／６）は、６個の単語を支
配するカテゴリＶＰが文脈自由文法系の規則 ＶＰ→Ｖ ＮＰ の適用によってカテゴリＶとＮＰに分かれ、しかも、Ｖ
とＮＰがそれぞれ１と５の単語を支配する確率である。
【００１８】Ｐ（ＶＰ／３ ＰＰ／３｜ＶＰ／６）は、
６個の単語を支配するカテゴリＶＰが文脈自由文法系の
規則 ＶＰ→ＶＰ ＰＰ の適用によってカテゴリＶＰとＰＰに分かれ、ＶＰとＰ
Ｐがそれぞれ３と３の単語を支配する確率である。分岐
確率における語数が係り受けの距離を表現している。
６個の単語を支配するカテゴリＶＰが文脈自由文法系の
規則 ＶＰ→ＶＰ ＰＰ の適用によってカテゴリＶＰとＰＰに分かれ、ＶＰとＰ
Ｐがそれぞれ３と３の単語を支配する確率である。分岐
確率における語数が係り受けの距離を表現している。
【００１９】第１の発明の第１の実施例は、分岐確率を
記憶する確率記憶手段４と、自然言語の文１を入力と
し、その文を構文解析し、構文解析の際、確率記憶手段
４を参照し、各解釈にそれぞれの分岐確率を付与し、最
終的に、各解釈に付与されたすべての分岐確率の積をそ
れぞれの解釈の生成確率とし、各解釈の生成確率を算出
し、解釈の生成確率を優先度とし、解釈３を優先度順に
出力する自然言語解析手段２とを備えている。
記憶する確率記憶手段４と、自然言語の文１を入力と
し、その文を構文解析し、構文解析の際、確率記憶手段
４を参照し、各解釈にそれぞれの分岐確率を付与し、最
終的に、各解釈に付与されたすべての分岐確率の積をそ
れぞれの解釈の生成確率とし、各解釈の生成確率を算出
し、解釈の生成確率を優先度とし、解釈３を優先度順に
出力する自然言語解析手段２とを備えている。
【００２０】例えば、図２の文の二つの解釈の生成確率
を以下のように算出する。
を以下のように算出する。
【００２１】Ｐ（解釈１）＝Ｐ（ＮＰ／１ ＶＰ／６｜
Ｓ／７）×Ｐ（Ｎ／１｜ＮＰ／１）×Ｐ（Ｖ／１ ＮＰ
／５｜ＶＰ／６）×Ｐ（ＮＰ／２ ＰＰ／３｜ＮＰ／
５）×Ｐ（Ｐ／１ ＮＰ／２｜ＰＰ／３）×Ｐ（ＤＥＴ
／１ Ｎ／１｜ＮＰ／２）×Ｐ（ＤＥＴ／１ Ｎ／１｜
ＮＰ／２） Ｐ（解釈２）＝Ｐ（ＮＰ／１ ＶＰ／６｜Ｓ／７）×Ｐ
（Ｎ／１｜ＮＰ／１）×Ｐ（ＶＰ／３ ＰＰ／３｜ＶＰ
／６）×Ｐ（Ｖ／１ ＮＰ／２｜ＶＰ／３）×Ｐ（Ｐ／
１ ＮＰ／２｜ＰＰ／３）×Ｐ（ＤＥＴ／１ Ｎ／１｜
ＮＰ／２）×Ｐ（ＤＥＴ／１ Ｎ／１｜ＮＰ／２） Ｐ（Ｖ／１ ＮＰ／５｜ＶＰ／６）がＰ（ＶＰ／３ Ｐ
Ｐ／３｜ＶＰ／６）より大きいので、解釈１は解釈２よ
り優位である。
Ｓ／７）×Ｐ（Ｎ／１｜ＮＰ／１）×Ｐ（Ｖ／１ ＮＰ
／５｜ＶＰ／６）×Ｐ（ＮＰ／２ ＰＰ／３｜ＮＰ／
５）×Ｐ（Ｐ／１ ＮＰ／２｜ＰＰ／３）×Ｐ（ＤＥＴ
／１ Ｎ／１｜ＮＰ／２）×Ｐ（ＤＥＴ／１ Ｎ／１｜
ＮＰ／２） Ｐ（解釈２）＝Ｐ（ＮＰ／１ ＶＰ／６｜Ｓ／７）×Ｐ
（Ｎ／１｜ＮＰ／１）×Ｐ（ＶＰ／３ ＰＰ／３｜ＶＰ
／６）×Ｐ（Ｖ／１ ＮＰ／２｜ＶＰ／３）×Ｐ（Ｐ／
１ ＮＰ／２｜ＰＰ／３）×Ｐ（ＤＥＴ／１ Ｎ／１｜
ＮＰ／２）×Ｐ（ＤＥＴ／１ Ｎ／１｜ＮＰ／２） Ｐ（Ｖ／１ ＮＰ／５｜ＶＰ／６）がＰ（ＶＰ／３ Ｐ
Ｐ／３｜ＶＰ／６）より大きいので、解釈１は解釈２よ
り優位である。
【００２２】例えば、図３の文の二つの解釈の生成確率
は以下のように算出する。
は以下のように算出する。
【００２３】Ｐ（解釈１）＝・・・×Ｐ（ＶＰ／３ Ｐ
Ｐ／２｜ＶＰ／５）×Ｐ（ＶＰ／１ＣＯＮＪ／１ ＶＰ
／１｜ＶＰ／３） Ｐ（解釈２）＝・・・×Ｐ（ＶＰ／１ ＣＯＮＪ／１
ＶＰ／３｜ＶＰ／５）×Ｐ（ＶＰ／１ ＰＰ／２｜ＶＰ
／３） Ｐ（ＶＰ／３ ＰＰ／２｜ＶＰ／５）がＰ（ＶＰ／１
ＣＯＮＪ／１ ＶＰ／３｜ＶＰ／５）より大きいので、
解釈１は解釈２より優位である。
Ｐ／２｜ＶＰ／５）×Ｐ（ＶＰ／１ＣＯＮＪ／１ ＶＰ
／１｜ＶＰ／３） Ｐ（解釈２）＝・・・×Ｐ（ＶＰ／１ ＣＯＮＪ／１
ＶＰ／３｜ＶＰ／５）×Ｐ（ＶＰ／１ ＰＰ／２｜ＶＰ
／３） Ｐ（ＶＰ／３ ＰＰ／２｜ＶＰ／５）がＰ（ＶＰ／１
ＣＯＮＪ／１ ＶＰ／３｜ＶＰ／５）より大きいので、
解釈１は解釈２より優位である。
【００２４】例えば、図４の文の五つの解釈の生成確率
を以下のように算出する。
を以下のように算出する。
【００２５】Ｐ（解釈１）＝・・・×Ｐ（ＶＰ／６ Ｐ
Ｐ／３｜ＶＰ／９）×Ｐ（Ｖ／１ＮＰ／５｜ＶＰ／６）
×Ｐ（ＮＰ／２ ＰＰ／３｜ＮＰ／５） Ｐ（解釈２）＝・・・×Ｐ（ＶＰ／６ ＰＰ／３｜ＶＰ
／９）×Ｐ（ＶＰ／３ＰＰ／３｜ＶＰ／６）×Ｐ（Ｖ／
１ ＮＰ／２｜ＶＰ／３） Ｐ（解釈３）＝・・・×Ｐ（Ｖ／１ ＮＰ／８｜ＶＰ／
９）×Ｐ（ＮＰ／２ＰＰ／６｜ＮＰ／８）×Ｐ（Ｐ／１
ＮＰ／５｜ＰＰ／６）×Ｐ（ＮＰ／２ ＰＰ／３｜Ｎ
Ｐ／５） Ｐ（解釈４）＝・・・×Ｐ（Ｖ／１ ＮＰ／８｜ＶＰ／
９）×Ｐ（ＮＰ／５ＰＰ／３｜ＮＰ／８）×Ｐ（ＮＰ／
２ ＰＰ／３｜ＮＰ／５） Ｐ（解釈５）＝・・・×Ｐ（ＶＰ／３ ＰＰ／６｜ＶＰ
／９）×Ｐ（Ｖ／１ＮＰ／２｜ＶＰ／３）×Ｐ（Ｐ／１
ＮＰ／５｜ＰＰ／６）×Ｐ（ＮＰ／２ ＰＰ／３｜Ｎ
Ｐ／５） 分岐確率の値を以下の二種類の方法で決めることができ
る。まず、人間が各分岐確率の値を与えることができ
る。また、構文解析の事例から、分岐確率を推定するこ
ともできる。
Ｐ／３｜ＶＰ／９）×Ｐ（Ｖ／１ＮＰ／５｜ＶＰ／６）
×Ｐ（ＮＰ／２ ＰＰ／３｜ＮＰ／５） Ｐ（解釈２）＝・・・×Ｐ（ＶＰ／６ ＰＰ／３｜ＶＰ
／９）×Ｐ（ＶＰ／３ＰＰ／３｜ＶＰ／６）×Ｐ（Ｖ／
１ ＮＰ／２｜ＶＰ／３） Ｐ（解釈３）＝・・・×Ｐ（Ｖ／１ ＮＰ／８｜ＶＰ／
９）×Ｐ（ＮＰ／２ＰＰ／６｜ＮＰ／８）×Ｐ（Ｐ／１
ＮＰ／５｜ＰＰ／６）×Ｐ（ＮＰ／２ ＰＰ／３｜Ｎ
Ｐ／５） Ｐ（解釈４）＝・・・×Ｐ（Ｖ／１ ＮＰ／８｜ＶＰ／
９）×Ｐ（ＮＰ／５ＰＰ／３｜ＮＰ／８）×Ｐ（ＮＰ／
２ ＰＰ／３｜ＮＰ／５） Ｐ（解釈５）＝・・・×Ｐ（ＶＰ／３ ＰＰ／６｜ＶＰ
／９）×Ｐ（Ｖ／１ＮＰ／２｜ＶＰ／３）×Ｐ（Ｐ／１
ＮＰ／５｜ＰＰ／６）×Ｐ（ＮＰ／２ ＰＰ／３｜Ｎ
Ｐ／５） 分岐確率の値を以下の二種類の方法で決めることができ
る。まず、人間が各分岐確率の値を与えることができ
る。また、構文解析の事例から、分岐確率を推定するこ
ともできる。
【００２６】分岐確率の推定を以下のように行う。人間
が意味知識で曖昧性を解消できない例文を集める。自然
言語解析手段２がそれらの自然言語の文を構文解析す
る。人間が曖昧な解釈から正しい解釈を選ぶ。人間ある
いは機械が正しい解釈をもとに分岐確率を推定し、確率
記憶手段４に蓄える。
が意味知識で曖昧性を解消できない例文を集める。自然
言語解析手段２がそれらの自然言語の文を構文解析す
る。人間が曖昧な解釈から正しい解釈を選ぶ。人間ある
いは機械が正しい解釈をもとに分岐確率を推定し、確率
記憶手段４に蓄える。
【００２７】なお、確率値の推定ではＬａｐｌａｃｅ推
定量を用いる。Ｌａｐｌａｃｅ推定量とは、標本がＮ
で、この内ｘであるものの数がＮｘである時、ｘの発生
する確率を数１とするものである。但し、ｓは確率変数
のレンジの大きさであるとする。Ｌａｐｌａｃｅ推定量
を用いれば、０確率がなくなる。
定量を用いる。Ｌａｐｌａｃｅ推定量とは、標本がＮ
で、この内ｘであるものの数がＮｘである時、ｘの発生
する確率を数１とするものである。但し、ｓは確率変数
のレンジの大きさであるとする。Ｌａｐｌａｃｅ推定量
を用いれば、０確率がなくなる。
【００２８】
【数１】
【００２９】
【００３０】
【００３１】
【００３２】次に、第２の発明の自然言語処理装置の実
施例について述べる。図１がその構成図である。
施例について述べる。図１がその構成図である。
【００３３】まず、カテゴリＡが文脈自由文法系の規則 Ａ→Ｂ１，Ｂ２，・・・，Ｂｋ の適用によってカテゴリＢ１，Ｂ２，・・・，Ｂｋに分
かれ、しかも、Ｂ１，Ｂ２，・・・，Ｂｋが支配する単
語の語数の比率がおよそｒ１，ｒ２，・・・，ｒｋであ
る確率Ｐ（Ｂ１Ｂ２・・・Ｂｎ，ｒ１／ｒ２／・・・／
ｒｋ｜Ａ）を定義する。この確率を分岐確率と呼ぶこと
にする。
かれ、しかも、Ｂ１，Ｂ２，・・・，Ｂｋが支配する単
語の語数の比率がおよそｒ１，ｒ２，・・・，ｒｋであ
る確率Ｐ（Ｂ１Ｂ２・・・Ｂｎ，ｒ１／ｒ２／・・・／
ｒｋ｜Ａ）を定義する。この確率を分岐確率と呼ぶこと
にする。
【００３４】第２の発明の実施例は、分岐確率を記憶す
る確率記憶手段４と、自然言語の文１を入力とし、その
文を構文解析し、構文解析の際、確率記憶手段４を参照
し、各解釈にそれぞれの分岐確率を付与し、最終的に、
各解釈に付与されたすべての分岐確率の積をそれぞれの
解釈の生成確率とし、各解釈の生成確率を算出し、解釈
の生成確率を優先度とし、解釈３を優先度順に出力する
自然言語解析手段２とを備えている。
る確率記憶手段４と、自然言語の文１を入力とし、その
文を構文解析し、構文解析の際、確率記憶手段４を参照
し、各解釈にそれぞれの分岐確率を付与し、最終的に、
各解釈に付与されたすべての分岐確率の積をそれぞれの
解釈の生成確率とし、各解釈の生成確率を算出し、解釈
の生成確率を優先度とし、解釈３を優先度順に出力する
自然言語解析手段２とを備えている。
【００３５】例えば、図２の文の二つの解釈の生成確率
を以下のように算出する。
を以下のように算出する。
【００３６】Ｐ（解釈１）＝Ｐ（ＮＰ，ＶＰ，１／６｜
Ｓ）×Ｐ（Ｎ，１｜ＮＰ）×Ｐ（ＶＮＰ，１／５｜Ｖ
Ｐ）×Ｐ（ＮＰ ＰＰ，２／３｜ＮＰ）×Ｐ（Ｐ Ｎ
Ｐ，１／２｜ＰＰ）×Ｐ（ＤＥＴ Ｎ，１／１｜ＮＰ）
×Ｐ（ＤＥＴ Ｎ，１／１｜ＮＰ） Ｐ（解釈２）＝Ｐ（ＮＰ ＶＰ，１／６｜Ｓ）×Ｐ
（Ｎ，１｜ＮＰ）×Ｐ（ＶＰ ＮＰ，１／１｜ＶＰ）×
Ｐ（Ｖ ＮＰ，１／２｜ＮＰ）×Ｐ（Ｖ ＮＰ，１／２
｜ＰＰ）×Ｐ（ＤＥＴ Ｎ，１／１｜ＮＰ）×Ｐ（ＤＥ
Ｔ Ｎ，１／１｜ＮＰ） Ｐ（Ｖ ＮＰ，１／５｜ＶＰ）は、Ｐ（ＶＰ ＮＰ，１
／１｜ＶＰ）より大きいので、解釈１は解釈２より優位
である。
Ｓ）×Ｐ（Ｎ，１｜ＮＰ）×Ｐ（ＶＮＰ，１／５｜Ｖ
Ｐ）×Ｐ（ＮＰ ＰＰ，２／３｜ＮＰ）×Ｐ（Ｐ Ｎ
Ｐ，１／２｜ＰＰ）×Ｐ（ＤＥＴ Ｎ，１／１｜ＮＰ）
×Ｐ（ＤＥＴ Ｎ，１／１｜ＮＰ） Ｐ（解釈２）＝Ｐ（ＮＰ ＶＰ，１／６｜Ｓ）×Ｐ
（Ｎ，１｜ＮＰ）×Ｐ（ＶＰ ＮＰ，１／１｜ＶＰ）×
Ｐ（Ｖ ＮＰ，１／２｜ＮＰ）×Ｐ（Ｖ ＮＰ，１／２
｜ＰＰ）×Ｐ（ＤＥＴ Ｎ，１／１｜ＮＰ）×Ｐ（ＤＥ
Ｔ Ｎ，１／１｜ＮＰ） Ｐ（Ｖ ＮＰ，１／５｜ＶＰ）は、Ｐ（ＶＰ ＮＰ，１
／１｜ＶＰ）より大きいので、解釈１は解釈２より優位
である。
【００３７】分岐確率の値を以下の二種類の方法で決め
ることができる。まず、人間が各分岐確率の値を与える
ことができる。また、構文解析の事例から、分岐確率を
推定することもできる。
ることができる。まず、人間が各分岐確率の値を与える
ことができる。また、構文解析の事例から、分岐確率を
推定することもできる。
【００３８】分岐確率の推定を以下のように行う。人間
が意味知識で曖昧性を解消できない例文を集める。自然
言語解析手段２がそれらの自然言語の文を構文解析す
る。人間が曖昧な解釈から正しい解釈を選ぶ。人間ある
いは機械が正しい解釈をもとに分岐確率を推定し、確率
記憶手段４に蓄える。
が意味知識で曖昧性を解消できない例文を集める。自然
言語解析手段２がそれらの自然言語の文を構文解析す
る。人間が曖昧な解釈から正しい解釈を選ぶ。人間ある
いは機械が正しい解釈をもとに分岐確率を推定し、確率
記憶手段４に蓄える。
【００３９】なお、確率値の推定ではＬａｐｌａｃｅ推
定量を用いる。
定量を用いる。
【００４０】
【発明の効果】本発明により、自然言語解析における曖
昧性を解消することができる。具体的には、言語学で言
われる曖昧性解消の原理（ＲＡＰ，ＡＬＰＰ）を確率の
アプローチで実現することができる。
昧性を解消することができる。具体的には、言語学で言
われる曖昧性解消の原理（ＲＡＰ，ＡＬＰＰ）を確率の
アプローチで実現することができる。
【図１】第１および第２の発明の自然言語処理装置の実
施例を示す構成図である。
施例を示す構成図である。
【図２】解析の例を示す図である。
【図３】解析の例を示す図である。
【図４】解析の例を示す図である。
【図５】自然言語解析装置の実施例を示す構成図であ
る。
る。
１ 自然言語の文 ２ 自然言語解析手段 ３ 解釈 ４ 確率記憶手段 ５ 構文意味解析手段 ６ 意味確信度記憶手段 ７ 意味確率記憶手段 ８ 構文確率記憶手段
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特公 平４−44304（ＪＰ，Ｂ２) 情報処理学会研究報告 Ｖｏｌ．93 Ｎｏ．101（1993）「一般化された実例 と確率を用いた曖昧性解消」ｐ．49〜 ｐ．56
Claims (2)
- 【請求項１】自然言語の文を構文解析する自然言語処理
装置において、 自然言語の文中のｎ個の単語を支配するカテゴリＡが、
文脈自由系文法の規則Ａ→Ｂ１，Ｂ２，．．．，Ｂｋの
適用によりカテゴリＢ１，Ｂ２，．．．，Ｂｋに分か
れ、かつＢ１，Ｂ２，．．．，Ｂｋがそれぞれｎ１，ｎ
２，．．．，ｎｋ個の単語を支配するという事象の分岐
確率Ｐ（Ｂ１／ｎ１ Ｂ２／ｎ２ ．．．Ｂｋ／ｎｋ
｜ Ａ／ｎ）を記憶する確率記憶手段と、 自然言語の文を入力とし、その文を構文解析し、木構造
によって表現される複数の解釈を得て、得られた各解釈
に対して、その解釈の木構造の各ノードにおけるカテゴ
リがどのようなカテゴリに分かれ、かつそれぞれのカテ
ゴリがどれだけの数の単語を支配しているかを調べ、前
記確率記憶手段を参照し、それぞれのノードにおける分
岐確率を呼出し、各解釈に対して、その解釈のすべての
ノードにおける前記分岐確率の積をその解釈の生成確率
とし、当該解釈の生成確率を優先度とし、各解釈を優先
度順に出力する自然言語解析手段と、 を備えることを特徴とする自然言語処理装置。 - 【請求項２】自然言語の文を構文解析する自然言語処理
装置において、 自然言語の文中のｎ個の単語を支配するカテゴリＡが、
文脈自由系文法の規則Ａ→Ｂ１，Ｂ２，．．．，Ｂｋの
適用によりカテゴリＢ１，Ｂ２，．．．，Ｂｋに分か
れ、かつＢ１，Ｂ２，．．．，Ｂｋが支配する単語の語
数の比率がｒ１，ｒ２，．．，ｒｋであるという事象の
分岐確率Ｐ（Ｂ１ Ｂ２ ．．． Ｂｋ，ｒ１／ｒ２
／．．．／ｒｋ ｜ Ａ）を記憶する確率記憶手段と、 自然言語の文を入力とし、その文を構文解析し、木構造
によって表現される複数の解釈を得て、得られた各解釈
に対して、その解釈の木構造の各ノードにおけるカテゴ
リがどのようなカテゴリに分かれ、かつそれぞれのカテ
ゴリがどれだけの数の単語を支配しているかを調べ、そ
れらの数の比率を計算し、前記確率記憶手段を参照し、
それぞれのノードにおける分岐確率を呼出し、各解釈に
対して、その解釈のすべてのノードにおける前記分岐確
率の積をその解釈の生成確率とし 、当該解釈の生成確率
を優先度とし、各解釈を優先度順に出力する自然言語解
析手段と、 を備えることを特徴とする自然言語処理装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07171594A JP3214589B2 (ja) | 1994-04-11 | 1994-04-11 | 自然言語処理装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP07171594A JP3214589B2 (ja) | 1994-04-11 | 1994-04-11 | 自然言語処理装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH07282056A JPH07282056A (ja) | 1995-10-27 |
| JP3214589B2 true JP3214589B2 (ja) | 2001-10-02 |
Family
ID=13468510
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP07171594A Expired - Fee Related JP3214589B2 (ja) | 1994-04-11 | 1994-04-11 | 自然言語処理装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3214589B2 (ja) |
-
1994
- 1994-04-11 JP JP07171594A patent/JP3214589B2/ja not_active Expired - Fee Related
Non-Patent Citations (1)
| Title |
|---|
| 情報処理学会研究報告 Ｖｏｌ．９３ Ｎｏ．１０１（１９９３）「一般化された実例と確率を用いた曖昧性解消」ｐ．４９〜ｐ．５６ |
Also Published As
| Publication number | Publication date |
|---|---|
| JPH07282056A (ja) | 1995-10-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP4319860B2 (ja) | 転移ベースの機械翻訳システムで使用される転移辞書を開発するための方法および装置 | |
| WO2001029699A9 (en) | Method and system to analyze, transfer and generate language expressions using compiled instructions to manipulate linguistic structures | |
| US20050234717A1 (en) | Method and apparatus for providing improved HMM POS tagger for multi-word entries and factoids | |
| JPH0689302A (ja) | 辞書メモリ | |
| Ahmadi et al. | Towards finite-state morphology of Kurdish | |
| JP3214589B2 (ja) | 自然言語処理装置 | |
| Papageorgiou et al. | Multi-level XML-based Corpus Annotation. | |
| Hettige et al. | A parser for sinhala language-first step towards english to sinhala machine translation | |
| Zoltowski | PARSEC: A Constraint-based Framework for Spoken Language Understanding. | |
| JP2005025555A (ja) | シソーラス構築システム、シソーラス構築方法、この方法を実行するプログラム、およびこのプログラムを記憶した記憶媒体 | |
| JP3050743B2 (ja) | 言語データベースの形態素列変換装置 | |
| JP3113257B2 (ja) | 機械翻訳装置 | |
| JPS63136260A (ja) | 機械翻訳システムにおける文生成処理方式 | |
| Güngör et al. | Representation of Turkish morphology in ATN | |
| JP2007102530A (ja) | 特定言語の文法を生成する装置 | |
| Murzin et al. | Development and Analysis of Technologies of Searching Information Relevant to the Search Query Using Linguistic Support | |
| JP2765618B2 (ja) | 言語解析装置 | |
| Patil et al. | Implementation of Sandhi Viccheda for Sanskrit Words/Sentences/Paragraphs | |
| JP3055690B2 (ja) | 日本語同格名詞句翻訳方式 | |
| JP2006164170A (ja) | 情報処理装置、同義語データベース生成方法、同義語データベース生成プログラム | |
| Nirenburg et al. | HUHU: the hebrew university hebrew understander | |
| Ying et al. | A hybrid approach to Chinese-English machine translation | |
| JPH09212507A (ja) | 文字処理装置と文字列の解析方法 | |
| Piitulainen | Locally tree-shaped sentence automata and resolution of ambiguity | |
| JPH1166069A (ja) | 機械翻訳装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| LAPS | Cancellation because of no payment of annual fees |