JP3241854B2 - 単語スペル自動補正装置 - Google Patents
単語スペル自動補正装置Info
- Publication number
- JP3241854B2 JP3241854B2 JP06944993A JP6944993A JP3241854B2 JP 3241854 B2 JP3241854 B2 JP 3241854B2 JP 06944993 A JP06944993 A JP 06944993A JP 6944993 A JP6944993 A JP 6944993A JP 3241854 B2 JP3241854 B2 JP 3241854B2
- Authority
- JP
- Japan
- Prior art keywords
- word
- character string
- partial character
- candidate
- group
- 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
Description
【０００１】
【技術分野】本発明は、単語スペル自動補正装置に関
し、より詳細には、ミススペルのより精度の高い補正を
行うための単語スペル自動補正装置に関する。例えば、
ＯＣＲ（Optical Character Reader；光学式文字読取装
置）、ワードプロセッサ、辞書引きツールに適用される
ものである。
し、より詳細には、ミススペルのより精度の高い補正を
行うための単語スペル自動補正装置に関する。例えば、
ＯＣＲ（Optical Character Reader；光学式文字読取装
置）、ワードプロセッサ、辞書引きツールに適用される
ものである。
【０００２】
【従来技術】ＯＣＲでは画像認識処理をした結果、文字
単位の候補群に正解が含まれていないと正解を得ること
はできななった。例えば、'ａ'と'ｕ'はＯＣＲにおいて
画像的に近いものであるが、入力時のタイプミスや原稿
の文字のかすれ、汚れなどで画像的に近くない文字と認
識してしまうことがある。この場合、候補の文字の中に
正解文字が残らない。候補文字を切り替えながら単語を
生成し、単語単位に辞書引きして、辞書にあればその候
補を優先するというような従来のやり方では、候補文字
に正解が残らない場合はミススペルを修正することがで
きない。またＯＣＲ読み取りの誤り傾向はＯＣＲのアル
ゴリズムに影響するので、それぞれのＯＣＲのアルゴリ
ズムにあった自動スペル補正を考えなければならなかっ
た。同様に人間のタイプ入力ミスとＯＣＲの認識ミスの
傾向の間にもかなりの開きがあり共通の自動スペル補正
装置がこれまで無かった。
単位の候補群に正解が含まれていないと正解を得ること
はできななった。例えば、'ａ'と'ｕ'はＯＣＲにおいて
画像的に近いものであるが、入力時のタイプミスや原稿
の文字のかすれ、汚れなどで画像的に近くない文字と認
識してしまうことがある。この場合、候補の文字の中に
正解文字が残らない。候補文字を切り替えながら単語を
生成し、単語単位に辞書引きして、辞書にあればその候
補を優先するというような従来のやり方では、候補文字
に正解が残らない場合はミススペルを修正することがで
きない。またＯＣＲ読み取りの誤り傾向はＯＣＲのアル
ゴリズムに影響するので、それぞれのＯＣＲのアルゴリ
ズムにあった自動スペル補正を考えなければならなかっ
た。同様に人間のタイプ入力ミスとＯＣＲの認識ミスの
傾向の間にもかなりの開きがあり共通の自動スペル補正
装置がこれまで無かった。
【０００３】そこでミスの傾向に影響されず、いろんな
場面で汎用的に使用することができ、かつ比較的単純な
アルゴリズムでスペルミスの自動補正を高精度に行える
（スペルミスの原因に影響されない），単語スペル自動
補正装置の実現が望まれていた。つづり誤りを訂正する
従来法は、文字置換、文字削除、文字挿入、隣接文字の
互換の誤り操作を逆に行うことを基本としていた。これ
らの逆操作を全てやるとアルゴリズムが煩雑になってし
まうと同時に、あらゆる可能性で逆操作を行うので効率
が良くない。例えば、全ての組み合わせで、辞書引きを
行うことになる。誤りが２箇所（例えば１箇所の文字置
換と１箇所の文字挿入がある場合など）以上ある場合も
想定するとその組み合わせが膨大になる。そこで、結果
として得られる候補単語群の出現回数が確からしさの度
合として得られ、しかも、それは全ての候補に対して得
られるようにすることが必要である。
場面で汎用的に使用することができ、かつ比較的単純な
アルゴリズムでスペルミスの自動補正を高精度に行える
（スペルミスの原因に影響されない），単語スペル自動
補正装置の実現が望まれていた。つづり誤りを訂正する
従来法は、文字置換、文字削除、文字挿入、隣接文字の
互換の誤り操作を逆に行うことを基本としていた。これ
らの逆操作を全てやるとアルゴリズムが煩雑になってし
まうと同時に、あらゆる可能性で逆操作を行うので効率
が良くない。例えば、全ての組み合わせで、辞書引きを
行うことになる。誤りが２箇所（例えば１箇所の文字置
換と１箇所の文字挿入がある場合など）以上ある場合も
想定するとその組み合わせが膨大になる。そこで、結果
として得られる候補単語群の出現回数が確からしさの度
合として得られ、しかも、それは全ての候補に対して得
られるようにすることが必要である。
【０００４】本発明に係る従来技術を記載した公知文献
としては、例えば特開平３−５２０８９号公報に「文字
情報判定方式」が提案されている。この公報のものは、
予め文字列の正解を想定し、それと読み取り結果内容の
比較を行っていくものである。この方法だと最悪の場合
(正しい語が辞書に無い場合)、辞書の中の単語全てとの
比較を行う必要がある。また最も一致するかどうかを知
りたいときも、全ての語との比較を行わないと結論を出
せないという欠点がある。また特開平２−３９２９０号
公報の「単語照合方式」は、いわゆるずらしマッチング
によって、文字きりだしの誤りを考慮した単語照合方法
を行っている。このマッチングの対象となるベき辞書の
登録単語を制限するため、辞書に予め属性を付与しなけ
ればならない。このため適用範囲が非常に限定されると
いう欠点がある。
としては、例えば特開平３−５２０８９号公報に「文字
情報判定方式」が提案されている。この公報のものは、
予め文字列の正解を想定し、それと読み取り結果内容の
比較を行っていくものである。この方法だと最悪の場合
(正しい語が辞書に無い場合)、辞書の中の単語全てとの
比較を行う必要がある。また最も一致するかどうかを知
りたいときも、全ての語との比較を行わないと結論を出
せないという欠点がある。また特開平２−３９２９０号
公報の「単語照合方式」は、いわゆるずらしマッチング
によって、文字きりだしの誤りを考慮した単語照合方法
を行っている。このマッチングの対象となるベき辞書の
登録単語を制限するため、辞書に予め属性を付与しなけ
ればならない。このため適用範囲が非常に限定されると
いう欠点がある。
【０００５】
【目的】本発明は、上述のごとき実情に鑑みてなされた
もので、スペルミスを含んでいる単語から、正しいスペ
ルの単語（あるいは単語候補）を得るようにした単語ス
ペル自動補正装置を提供することを目的としてなされた
ものである。
もので、スペルミスを含んでいる単語から、正しいスペ
ルの単語（あるいは単語候補）を得るようにした単語ス
ペル自動補正装置を提供することを目的としてなされた
ものである。
【０００６】
【構成】本発明は、上記目的を達成するために、（１）
単語を入力する単語入力手段と、該単語入力手段により
入力された単語の部分文字列を抽出する部分文字列抽出
手段と、該部分文字列抽出手段により抽出された部分文
字列群を記憶する部分文字列記憶手段と、部分文字列及
び該部分文字列を一部に持つ単語群を対として記憶した
部分文字列・単語テーブルと、前記部分文字列抽出手段
により抽出された部分文字列で前記部分文字列・単語テ
ーブルを検索し、該当単語群を得る単語候補検索手段
と、該単語候補検索手段で検索された単語群と部分文字
列群中の部分文字列とのマッチング回数を記憶する候補
記憶手段と、前記単語候補検索手段で検索された単語群
を前記候補記憶手段に記憶し、マッチング回数をカウン
トアップする候補カウンタ手段と、前記候補記憶手段の
中で前記マッチング回数の最も多い単語候補を選択する
単語候補選択手段と、該単語候補選択手段で選択された
単語候補を出力する選択単語出力手段とから成り、入力
単語に近い単語候補を出力すること、更には、（２）前
記部分文字列抽出手段において、２文字連接を抽出する
こと、更には、（３）前記部分文字列抽出手段におい
て、２種類以上の部分文字列抽出手段を有すること、更
には、（４）前記単語候補検索手段において、入力単語
の単語長さと単語候補の単語の長さを比較する単語長比
較手段を設け、単語長が近い単語候補のみを前記候補記
憶手段に記憶すること、更には、（５）前記部分文字列
抽出手段において、３文字以上の連接を抽出することを
特徴としたものである。以下、本発明の実施例に基づい
て説明する。
単語を入力する単語入力手段と、該単語入力手段により
入力された単語の部分文字列を抽出する部分文字列抽出
手段と、該部分文字列抽出手段により抽出された部分文
字列群を記憶する部分文字列記憶手段と、部分文字列及
び該部分文字列を一部に持つ単語群を対として記憶した
部分文字列・単語テーブルと、前記部分文字列抽出手段
により抽出された部分文字列で前記部分文字列・単語テ
ーブルを検索し、該当単語群を得る単語候補検索手段
と、該単語候補検索手段で検索された単語群と部分文字
列群中の部分文字列とのマッチング回数を記憶する候補
記憶手段と、前記単語候補検索手段で検索された単語群
を前記候補記憶手段に記憶し、マッチング回数をカウン
トアップする候補カウンタ手段と、前記候補記憶手段の
中で前記マッチング回数の最も多い単語候補を選択する
単語候補選択手段と、該単語候補選択手段で選択された
単語候補を出力する選択単語出力手段とから成り、入力
単語に近い単語候補を出力すること、更には、（２）前
記部分文字列抽出手段において、２文字連接を抽出する
こと、更には、（３）前記部分文字列抽出手段におい
て、２種類以上の部分文字列抽出手段を有すること、更
には、（４）前記単語候補検索手段において、入力単語
の単語長さと単語候補の単語の長さを比較する単語長比
較手段を設け、単語長が近い単語候補のみを前記候補記
憶手段に記憶すること、更には、（５）前記部分文字列
抽出手段において、３文字以上の連接を抽出することを
特徴としたものである。以下、本発明の実施例に基づい
て説明する。
【０００７】図１は、本発明による単語スペル自動補正
装置の一実施例を説明するための構成図で、図中、１は
単語入力手段、２は部分文字列抽出手段、３は部分文字
列群記憶手段、４は部分文字列・単語テーブル、５は単
語候補検索手段、６は候補記憶手段、７は候補カウンタ
手段、８は単語候補選択手段、９は選択単語出力手段で
ある。
装置の一実施例を説明するための構成図で、図中、１は
単語入力手段、２は部分文字列抽出手段、３は部分文字
列群記憶手段、４は部分文字列・単語テーブル、５は単
語候補検索手段、６は候補記憶手段、７は候補カウンタ
手段、８は単語候補選択手段、９は選択単語出力手段で
ある。
【０００８】部分文字列抽出手段２は、単語入力手段１
により入力された単語の部分文字列を抽出する。部分文
字列記憶手段３は、前記部分文字列抽出手段２により抽
出された部分文字列群を記憶する。部分文字列・単語テ
ーブル４は、部分文字列及び該部分文字列を一部に有す
る単語群を対として記憶する。単語候補検索手段５は、
前記部分文字列抽出手段２で抽出された部分文字列で前
記部分文字列・単語テーブルを検索し、該当単語群を得
る。候補記憶手段６は、前記単語候補検索手段５で検索
された単語群と部分文字列群中の部分文字列とのマッチ
ング回数を記憶する。候補カウンタ手段７は、前記単語
候補検索手段５で検索された単語群を前記候補記憶手段
６に記憶し、マッチング回数をカウントアップする。単
語候補選択手段８は、前記候補記憶手段の中で入力単語
に近い単語候補を選択する。選択単語出力手段９は、前
記単語候補選択手段で選択された単語候補を出力する。
このような構成により、入力単語に近い候補を容易に高
速に抽出することができる。
により入力された単語の部分文字列を抽出する。部分文
字列記憶手段３は、前記部分文字列抽出手段２により抽
出された部分文字列群を記憶する。部分文字列・単語テ
ーブル４は、部分文字列及び該部分文字列を一部に有す
る単語群を対として記憶する。単語候補検索手段５は、
前記部分文字列抽出手段２で抽出された部分文字列で前
記部分文字列・単語テーブルを検索し、該当単語群を得
る。候補記憶手段６は、前記単語候補検索手段５で検索
された単語群と部分文字列群中の部分文字列とのマッチ
ング回数を記憶する。候補カウンタ手段７は、前記単語
候補検索手段５で検索された単語群を前記候補記憶手段
６に記憶し、マッチング回数をカウントアップする。単
語候補選択手段８は、前記候補記憶手段の中で入力単語
に近い単語候補を選択する。選択単語出力手段９は、前
記単語候補選択手段で選択された単語候補を出力する。
このような構成により、入力単語に近い候補を容易に高
速に抽出することができる。
【０００９】すなわち、本発明の単語スペル自動補正装
置において、単語入力手段１により入力単語を得る。こ
れはＯＣＲによる認識結果、あるいはキーボードからの
手入力結果などのテキストを形態素解析手法を用いて単
語、あるいは連語単位に切り出した結果を得る。本発明
の実施例では、英文のＯＣＲ結果を自動スペル補正する
場合を想定する。ＯＣＲ部では候補単語を英語辞書を使
って辞書引きし、辞書の中に存在しない単語（未知語）
であることが既にわかっているとする。この未知語を”
ｅａｐｒｉｔ”であるとする（正しくは”esprit”「精
神」）。これを部分文字列抽出手段２により部分文字列
を抽出する。
置において、単語入力手段１により入力単語を得る。こ
れはＯＣＲによる認識結果、あるいはキーボードからの
手入力結果などのテキストを形態素解析手法を用いて単
語、あるいは連語単位に切り出した結果を得る。本発明
の実施例では、英文のＯＣＲ結果を自動スペル補正する
場合を想定する。ＯＣＲ部では候補単語を英語辞書を使
って辞書引きし、辞書の中に存在しない単語（未知語）
であることが既にわかっているとする。この未知語を”
ｅａｐｒｉｔ”であるとする（正しくは”esprit”「精
神」）。これを部分文字列抽出手段２により部分文字列
を抽出する。
【００１０】図２は、本発明による単語スペル自動補正
装置の動作を説明するためのフローチャートで、図３
は、図２における入力単語の部分文字列を抽出するため
のフローチャートである。以下、図２及び図３のフロー
チャートに基づいて２文字連接を抽出する場合について
説明する。”ｅａｐｒｉｔ”の長さ６をもとめて変数ｌ
ｅｎにセットする（Step２−１）。まず、先頭文字’
ｅ’を取り出し、ヘッド記号文字’＾’と組み合わせて
部分文字列’＾ｅ’を得る（Step２−２)。これを部分
文字列記憶手段３に格納する（Step２−３）。次に１番
目と２番目の文字を組み合わせて部分文字列’ｅａ’を
得る。次に２番目と３番目の文字を組み合わせて部分文
字列’ａｐ’を得る。同様に進めていき、最後に”ｅａ
ｐｒｉｔ”の長さ番目の文字（６番目の文字）と末尾記
号文字’＄’を組み合わせて部分文字列’ｔ＄’を得る
（Step２−９）。これにより部分文字列記憶手段３に
は、以下リスト（１）のように、７個の部分文字列が格
納される。（以下、余白）
装置の動作を説明するためのフローチャートで、図３
は、図２における入力単語の部分文字列を抽出するため
のフローチャートである。以下、図２及び図３のフロー
チャートに基づいて２文字連接を抽出する場合について
説明する。”ｅａｐｒｉｔ”の長さ６をもとめて変数ｌ
ｅｎにセットする（Step２−１）。まず、先頭文字’
ｅ’を取り出し、ヘッド記号文字’＾’と組み合わせて
部分文字列’＾ｅ’を得る（Step２−２)。これを部分
文字列記憶手段３に格納する（Step２−３）。次に１番
目と２番目の文字を組み合わせて部分文字列’ｅａ’を
得る。次に２番目と３番目の文字を組み合わせて部分文
字列’ａｐ’を得る。同様に進めていき、最後に”ｅａ
ｐｒｉｔ”の長さ番目の文字（６番目の文字）と末尾記
号文字’＄’を組み合わせて部分文字列’ｔ＄’を得る
（Step２−９）。これにより部分文字列記憶手段３に
は、以下リスト（１）のように、７個の部分文字列が格
納される。（以下、余白）
【００１１】部分文字列記憶手段３から１つの部分文字
列を取り出す（Step４）。まず’＾ｅ’が取り出される
（本発明の実施例においては取り出す順番は部分文字列
を抽出した順番とするが、候補数を初期の段階で少なく
して処理効果を上げるために、候補数の少ない部分文字
列から取り出してもよい）。これをキーとして部分部分
文字列・単語テーブル（図４）を検索し（Step５）、文
字列’＾ｅ’を単語の一部としてもつ（この場合は先頭
文字が’ｅ’の単語群を得ることになる）単語群を得
る。この単語群は以下のリスト（２）のようになる。
列を取り出す（Step４）。まず’＾ｅ’が取り出される
（本発明の実施例においては取り出す順番は部分文字列
を抽出した順番とするが、候補数を初期の段階で少なく
して処理効果を上げるために、候補数の少ない部分文字
列から取り出してもよい）。これをキーとして部分部分
文字列・単語テーブル（図４）を検索し（Step５）、文
字列’＾ｅ’を単語の一部としてもつ（この場合は先頭
文字が’ｅ’の単語群を得ることになる）単語群を得
る。この単語群は以下のリスト（２）のようになる。
【００１２】上記内容を候補記憶手段６に格納する。こ
の格納はこの単語については１回目なので出現回数のカ
ウントアップで全ての単語群には１のカウント数がセッ
トされる。部分文字列記憶手段３から次の部分文字列’
ｅａ’を取り出す（Step４）。これをキーとして部分文
字列・単語テーブル（図４）を検索し（Step５）、文字
列’ｅａ’を単語の一部としてもつ単語群を得る。この
単語群は以下のリスト（３）のようになる。
の格納はこの単語については１回目なので出現回数のカ
ウントアップで全ての単語群には１のカウント数がセッ
トされる。部分文字列記憶手段３から次の部分文字列’
ｅａ’を取り出す（Step４）。これをキーとして部分文
字列・単語テーブル（図４）を検索し（Step５）、文字
列’ｅａ’を単語の一部としてもつ単語群を得る。この
単語群は以下のリスト（３）のようになる。
【００１３】上記内容を候補記憶手段６に格納しなが
ら、出現回数のカウントアップを行う（Step６，７）。
前記リスト（２）に対して、前記（３）の中で同じもの
が表われるときは、出現回数を１つカウントアップし、
表れないものは英単語を登録し、出現回数を１にセット
する。この場合’ｅａｃｈ’が同じものとして表われる
ので、出現回数が２になる。部分文字列記憶手段の内容
は以下のリスト（４）のようになる。
ら、出現回数のカウントアップを行う（Step６，７）。
前記リスト（２）に対して、前記（３）の中で同じもの
が表われるときは、出現回数を１つカウントアップし、
表れないものは英単語を登録し、出現回数を１にセット
する。この場合’ｅａｃｈ’が同じものとして表われる
ので、出現回数が２になる。部分文字列記憶手段の内容
は以下のリスト（４）のようになる。
【００１４】部分文字列記憶手段３から次の部分文字
列’ａｐ’を取り出す（Step４）。これをキーとして部
分部分文字列・単語テーブル（図４）を検索し（Step
５）、文字列’ａｐ’を単語の一部としてもつ単語群を
得る。この単語群は以下のリスト（５）のようになる。
列’ａｐ’を取り出す（Step４）。これをキーとして部
分部分文字列・単語テーブル（図４）を検索し（Step
５）、文字列’ａｐ’を単語の一部としてもつ単語群を
得る。この単語群は以下のリスト（５）のようになる。
【００１５】上記内容を候補記憶手段６に格納しなが
ら、出現回数のカウントアップを行う（Step６，７）。
リスト（４）と（５）から候補記憶手段６は以下のリス
ト（６）のようになる。
ら、出現回数のカウントアップを行う（Step６，７）。
リスト（４）と（５）から候補記憶手段６は以下のリス
ト（６）のようになる。
【００１６】部分文字列記憶手段３から次の文字列’ｐ
ｒ’を取り出す（Step４）。これをキーとして部分文字
列・単語テーブル（図４）を検索し（Step４）、文字
列’ｐｒ’を単語の一部としてもつ単語群を得る。この
単語群は以下のリスト（７）のようになる。
ｒ’を取り出す（Step４）。これをキーとして部分文字
列・単語テーブル（図４）を検索し（Step４）、文字
列’ｐｒ’を単語の一部としてもつ単語群を得る。この
単語群は以下のリスト（７）のようになる。
【００１７】上記内容を候補記憶手段６に格納しなが
ら、出現回数のカウントアップを行う（Step６，７）。
候補記憶手段６は前記リスト（６）と（７）から以下の
リスト（８）ようになる。”ｅａｃｈ”と”ｅｓｐｒｉ
ｔ”と”ａｐｒｉｃｏｔ”が出現回数が２回になった。
（以下、余白）
ら、出現回数のカウントアップを行う（Step６，７）。
候補記憶手段６は前記リスト（６）と（７）から以下の
リスト（８）ようになる。”ｅａｃｈ”と”ｅｓｐｒｉ
ｔ”と”ａｐｒｉｃｏｔ”が出現回数が２回になった。
（以下、余白）
【００１８】以下、同様に残りの部分文字列’ｒ
ｉ’，’ｉｔ’，’ｔ＄’について行うと最終的に図５
の内容が候補記憶手段６に格納される。ここではわかり
やすくするために出現回数の多い順にソートされてい
る。この、候補記憶手段６に中の最大出現回数のもの”
ｅｓｐｒｉｔ”を選択する（Step８）。上記選択した単
語候補を出力する（Step９）。一つの単語候補を出力す
るのでなく、出現回数の多い方から複数のものを出力す
れば、複数の確からしい順に候補を出力できる。これら
をユーザに表示して選択させることや、あるいは別の装
置による文字列補正の評価のための１つの評価値とする
ことができる。最大出現回数の単語は、候補カウンタ手
段７において最大値とその単語候補を記憶しておき、カ
ウントをアップあるいはセットする際に必ずそれまでの
最大値よりカウントアップした値の方が大きければ、そ
の値を最大値とし、その単語候補を記憶しておけば、処
理が終了した時点で、最大出現回数の単語を得ることが
できる。
ｉ’，’ｉｔ’，’ｔ＄’について行うと最終的に図５
の内容が候補記憶手段６に格納される。ここではわかり
やすくするために出現回数の多い順にソートされてい
る。この、候補記憶手段６に中の最大出現回数のもの”
ｅｓｐｒｉｔ”を選択する（Step８）。上記選択した単
語候補を出力する（Step９）。一つの単語候補を出力す
るのでなく、出現回数の多い方から複数のものを出力す
れば、複数の確からしい順に候補を出力できる。これら
をユーザに表示して選択させることや、あるいは別の装
置による文字列補正の評価のための１つの評価値とする
ことができる。最大出現回数の単語は、候補カウンタ手
段７において最大値とその単語候補を記憶しておき、カ
ウントをアップあるいはセットする際に必ずそれまでの
最大値よりカウントアップした値の方が大きければ、そ
の値を最大値とし、その単語候補を記憶しておけば、処
理が終了した時点で、最大出現回数の単語を得ることが
できる。
【００１９】請求項３の部分文字列抽出手段において
は、例えば、２文字連接のみだけのとき、英語では’ｅ
ｒ’をもつ単語等はその数が膨大であるので’ｅｒ’を
含む連接’ｅｒａ’，’ｅｒｂ’，ｅｒｃ’，’ｅｒ
ｄ’，’ｅｒｅ’…などの３文字連接を部分文字列とし
て扱うと単語候補を絞りやすくなる。あるいは、連接文
字列だけでなく、一つおきの２文字を部分文字列として
も良い。
は、例えば、２文字連接のみだけのとき、英語では’ｅ
ｒ’をもつ単語等はその数が膨大であるので’ｅｒ’を
含む連接’ｅｒａ’，’ｅｒｂ’，ｅｒｃ’，’ｅｒ
ｄ’，’ｅｒｅ’…などの３文字連接を部分文字列とし
て扱うと単語候補を絞りやすくなる。あるいは、連接文
字列だけでなく、一つおきの２文字を部分文字列として
も良い。
【００２０】図６は、本発明による単語スペル自動補正
装置の他の実施例（請求項４，５）を示す図で、図１の
単語候補検索手段５において単語長比較手段５ａを設け
た構成である。入力単語の単語長さと単語候補の単語長
さを比較する単語長比較手段５ａが設けられており、単
語長が近い単語候補のみを候補記憶手段６に記載させ
る。また、部分文字列・単語テーブル４において、予め
単語の長さ別に単語を格納する。
装置の他の実施例（請求項４，５）を示す図で、図１の
単語候補検索手段５において単語長比較手段５ａを設け
た構成である。入力単語の単語長さと単語候補の単語長
さを比較する単語長比較手段５ａが設けられており、単
語長が近い単語候補のみを候補記憶手段６に記載させ
る。また、部分文字列・単語テーブル４において、予め
単語の長さ別に単語を格納する。
【００２１】図７は、本発明よる単語スペル自動補正装
置の他の実施例（請求項６）を示す図で、図１における
選択単語出力手段９に単語辞書１０を付加した構成であ
る。また、部分文字列・単語テーブル４において、単語
はその文字列ではなく単語辞書へのポインタを記憶して
おき、単語候補選択手段８でカウント数の多いポインタ
値を選択後、選択単語出力手段９で出力する際、そのポ
インタ値で単語辞書中の単語の文字列を得る。ＤＰマッ
チングによるスペルの自動補正候補を得るための前処理
として（ＤＰマッチングするエントリ数を絞る）本発明
の単語スペル自動補正装置を利用しても良い。
置の他の実施例（請求項６）を示す図で、図１における
選択単語出力手段９に単語辞書１０を付加した構成であ
る。また、部分文字列・単語テーブル４において、単語
はその文字列ではなく単語辞書へのポインタを記憶して
おき、単語候補選択手段８でカウント数の多いポインタ
値を選択後、選択単語出力手段９で出力する際、そのポ
インタ値で単語辞書中の単語の文字列を得る。ＤＰマッ
チングによるスペルの自動補正候補を得るための前処理
として（ＤＰマッチングするエントリ数を絞る）本発明
の単語スペル自動補正装置を利用しても良い。
【００２２】
【効果】以上の説明から明らかなように、本発明による
と、以下のような効果がある。 （１）請求項１の部分部分文字列・単語テーブルでは、
予め部分文字列を単語の一部分にもつ単語をリストして
あるので、部分文字列を持つ候補を容易に高速に抽出す
ることができる。 （２）請求項１のカウンター装置では、単純に出現回数
をカウントアップするだけなので、容易に単語候補の確
からしさの度合いを得ることができる。 （３）請求項１の単語候補選択手段では、単純に出現回
数の多い語を得るだけなので、容易にもっとも確からし
い度合いの高いスペルミス修正した単語を得ることがで
きる。 （４）請求項２の部分文字列抽出手段においては、２文
字連接を抽出することを特徴とするため、３文字連接な
どに比べて連接の種類が少なくてすむ。 （５）請求項３の部分文字列抽出手段においては、単語
候補を効率的に絞ることができる。 （６）請求項４の単語長比較手段では、単語候補をその
単語長で絞ることができる。 （７）請求項５の部分文字列・単語テーブルにおいて、
予め単語はその単語の長さ別に格納されているので、単
語長比較手段によって入力単語の単語と長さの近い単語
だけを即座に抽出できる。 （８）請求項６の部分文字列・単語テーブルにおいて、
単語候補部は単語の文字列でなく、単語辞書へのポイン
タだけで格納してあり、候補記憶手段にもこのポインタ
だけで記憶する。これにより、記憶容量を節約すること
ができる（ポインタは４バイトもあれば充分であるが、
英単語長の平均はこれより長い）。又、候補カウンタ手
段において、既に候補記憶手段に格納されている単語か
どうかを判定する際に単語文字列比較して同一であるこ
とを確認するよりも、単にポインタの様な（ポインタで
無くても単に単語に連番をふったものでよい）数値で比
較するほうが計算量が少なくて済む。
と、以下のような効果がある。 （１）請求項１の部分部分文字列・単語テーブルでは、
予め部分文字列を単語の一部分にもつ単語をリストして
あるので、部分文字列を持つ候補を容易に高速に抽出す
ることができる。 （２）請求項１のカウンター装置では、単純に出現回数
をカウントアップするだけなので、容易に単語候補の確
からしさの度合いを得ることができる。 （３）請求項１の単語候補選択手段では、単純に出現回
数の多い語を得るだけなので、容易にもっとも確からし
い度合いの高いスペルミス修正した単語を得ることがで
きる。 （４）請求項２の部分文字列抽出手段においては、２文
字連接を抽出することを特徴とするため、３文字連接な
どに比べて連接の種類が少なくてすむ。 （５）請求項３の部分文字列抽出手段においては、単語
候補を効率的に絞ることができる。 （６）請求項４の単語長比較手段では、単語候補をその
単語長で絞ることができる。 （７）請求項５の部分文字列・単語テーブルにおいて、
予め単語はその単語の長さ別に格納されているので、単
語長比較手段によって入力単語の単語と長さの近い単語
だけを即座に抽出できる。 （８）請求項６の部分文字列・単語テーブルにおいて、
単語候補部は単語の文字列でなく、単語辞書へのポイン
タだけで格納してあり、候補記憶手段にもこのポインタ
だけで記憶する。これにより、記憶容量を節約すること
ができる（ポインタは４バイトもあれば充分であるが、
英単語長の平均はこれより長い）。又、候補カウンタ手
段において、既に候補記憶手段に格納されている単語か
どうかを判定する際に単語文字列比較して同一であるこ
とを確認するよりも、単にポインタの様な（ポインタで
無くても単に単語に連番をふったものでよい）数値で比
較するほうが計算量が少なくて済む。
【図１】 本発明による単語スペル自動補正装置の一実
施例を説明するための構成図である。
施例を説明するための構成図である。
【図２】 本発明による単語スペル自動補正装置の動作
を説明するためのフローチャートを示す図である。
を説明するためのフローチャートを示す図である。
【図３】 図２における入力単語の部分文字列を抽出す
るフローチャートを示す図である。
るフローチャートを示す図である。
【図４】 本発明の部分文字列・単語テーブルを示す図
である。
である。
【図５】 本発明の候補記憶手段を示す図である。
【図６】 本発明による単語スペル自動補正装置の他の
実施例を示す図である。
実施例を示す図である。
【図７】 本発明による単語スペル自動補正装置の更に
他の実施例を示す図である。
他の実施例を示す図である。
１…単語入力手段、２…部分文字列抽出手段、３…部分
文字列群記憶手段、４…部分文字列・単語テーブル、５
…単語候補検索手段、６…候補記憶手段、７…候補カウ
ンタ手段、８…単語候補選択手段、９…選択単語出力手
段。
文字列群記憶手段、４…部分文字列・単語テーブル、５
…単語候補検索手段、６…候補記憶手段、７…候補カウ
ンタ手段、８…単語候補選択手段、９…選択単語出力手
段。
フロントページの続き (58)調査した分野(Int.Cl.7，ＤＢ名) G06F 17/27 - 17/28 G06F 17/21 G06K 9/72 ＪＩＣＳＴファイル（ＪＯＩＳ)
Claims (5)
- 【請求項１】 単語を入力する単語入力手段と、該単語
入力手段により入力された単語の部分文字列を抽出する
部分文字列抽出手段と、該部分文字列抽出手段により抽
出された部分文字列群を記憶する部分文字列記憶手段
と、部分文字列及び該部分文字列を一部に持つ単語群を
対として記憶した部分文字列・単語テーブルと、前記部
分文字列抽出手段により抽出された部分文字列で前記部
分文字列・単語テーブルを検索し、該当単語群を得る単
語候補検索手段と、該単語候補検索手段で検索された単
語群と部分文字列群中の部分文字列とのマッチング回数
を記憶する候補記憶手段と、前記単語候補検索手段で検
索された単語群を前記候補記憶手段に記憶し、マッチン
グ回数をカウントアップする候補カウンタ手段と、前記
候補記憶手段の中で前記マッチング回数の最も多い単語
候補を選択する単語候補選択手段と、該単語候補選択手
段で選択された単語候補を出力する選択単語出力手段と
から成り、入力単語に近い単語候補を出力することを特
徴とする単語スペル自動補正装置。 - 【請求項２】 前記部分文字列抽出手段において、２文
字連接を抽出することを特徴とする請求項１記載の単語
スペル自動補正装置。 - 【請求項３】 前記部分文字列抽出手段において、２種
類以上の部分文字抽出手段を有することを特徴とする請
求項１記載の単語スペル自動補正装置。 - 【請求項４】 前記単語候補検索手段において、入力単
語の単語長さと単語候補の単語の長さを比較する単語長
比較手段を設け、単語長が近い単語候補のみを前記候補
記憶手段に記憶することを特徴とする請求項１記載の単
語スペル自動補正装置。 - 【請求項５】 前記部分文字列抽出手段において、３文
字以上の連接を抽出することを特徴とする請求項１記載
の単語スペル自動補正装置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP06944993A JP3241854B2 (ja) | 1993-03-04 | 1993-03-04 | 単語スペル自動補正装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP06944993A JP3241854B2 (ja) | 1993-03-04 | 1993-03-04 | 単語スペル自動補正装置 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH06259468A JPH06259468A (ja) | 1994-09-16 |
| JP3241854B2 true JP3241854B2 (ja) | 2001-12-25 |
Family
ID=13402963
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP06944993A Expired - Fee Related JP3241854B2 (ja) | 1993-03-04 | 1993-03-04 | 単語スペル自動補正装置 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP3241854B2 (ja) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2008107997A1 (ja) * | 2007-03-08 | 2008-09-12 | Fujitsu Limited | 帳票種識別プログラム、帳票種識別方法および帳票種識別装置 |
-
1993
- 1993-03-04 JP JP06944993A patent/JP3241854B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| JPH06259468A (ja) | 1994-09-16 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US7809744B2 (en) | Method and system for approximate string matching | |
| JP3041268B2 (ja) | 中国語誤り検査（ｃｅｃ）システム | |
| US7752032B2 (en) | Apparatus and method for translating Japanese into Chinese using a thesaurus and similarity measurements, and computer program therefor | |
| US8539349B1 (en) | Methods and systems for splitting a chinese character sequence into word segments | |
| US5890103A (en) | Method and apparatus for improved tokenization of natural language text | |
| US5542090A (en) | Text retrieval method and system using signature of nearby words | |
| US20160048528A1 (en) | Indexing and search query processing | |
| US7010519B2 (en) | Method and system for expanding document retrieval information | |
| JPH0877173A (ja) | 文字列修正システムとその方法 | |
| JPH058464B2 (ja) | ||
| US5396419A (en) | Pre-edit support method and apparatus | |
| JP3241854B2 (ja) | 単語スペル自動補正装置 | |
| JP3531222B2 (ja) | 類似文字列検索装置 | |
| JP4047895B2 (ja) | 文書校正装置およびプログラム記憶媒体 | |
| JPS61248160A (ja) | 文書情報登録方式 | |
| JP3924899B2 (ja) | テキスト検索装置およびテキスト検索方法 | |
| JP2002073656A (ja) | 異表記正規化処理・異表記展開処理方法および該処理方法による文書検索方法、該処理装置および文書検索装置並びにプログラム記録媒体 | |
| JP4047894B2 (ja) | 文書校正装置およびプログラム記憶媒体 | |
| JP4318223B2 (ja) | 文書校正装置およびプログラム記憶媒体 | |
| JPH08115330A (ja) | 類似文書検索方法および装置 | |
| JPH0991297A (ja) | 文字列検索方法及び装置 | |
| JP4139805B2 (ja) | 字句をデータに変換する装置、方法及びプログラム | |
| JP2570784B2 (ja) | 文書リーダ後処理装置 | |
| JP3139624B2 (ja) | 形態素解析装置 | |
| JP2729342B2 (ja) | 仮名漢字変換方法および装置 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20071019 Year of fee payment: 6 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081019 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20081019 Year of fee payment: 7 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20091019 Year of fee payment: 8 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20101019 Year of fee payment: 9 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20111019 Year of fee payment: 10 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20121019 Year of fee payment: 11 |
|
| LAPS | Cancellation because of no payment of annual fees |