JP3266246B2 - 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法 - Google Patents
自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法Info
- Publication number
- JP3266246B2 JP3266246B2 JP15557090A JP15557090A JP3266246B2 JP 3266246 B2 JP3266246 B2 JP 3266246B2 JP 15557090 A JP15557090 A JP 15557090A JP 15557090 A JP15557090 A JP 15557090A JP 3266246 B2 JP3266246 B2 JP 3266246B2
- Authority
- JP
- Japan
- Prior art keywords
- vocabulary
- tree
- natural language
- dependency
- knowledge base
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/30—Semantic analysis
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Description
【発明の詳細な説明】 A.産業上の利用分野 本発明は、自然言語の文章の語彙間の依存関係に関す
る知識を用いて、文の構造的多義性を解消する装置及び
方法並びにそのための知識ベース構築方法に関する。
る知識を用いて、文の構造的多義性を解消する装置及び
方法並びにそのための知識ベース構築方法に関する。
ここで、語彙とは名詞、動詞、形容詞、副詞などの内
容語であり、冠詞、前置詞などの機能語は含まないもの
とする。分野によっては、一続きの内容語も一つの語彙
として扱われる。例えば、コンピュータの技術文献で
は、“virtual disk"を一つの語彙として扱う。また、
依存関係とは語彙間の修飾・被修飾関係(係り受け関係
とも言う)のことである。
容語であり、冠詞、前置詞などの機能語は含まないもの
とする。分野によっては、一続きの内容語も一つの語彙
として扱われる。例えば、コンピュータの技術文献で
は、“virtual disk"を一つの語彙として扱う。また、
依存関係とは語彙間の修飾・被修飾関係(係り受け関係
とも言う)のことである。
B.従来技術 自然言語を扱うシステムにとって、文の構造的多義性
は依然として解消が困難な問題として残されている。例
えば、英語文などにおける前置詞句の係り受けの多義性
である。“A user can log on the system with a pass
word."という文章において、“with a password"という
前置詞句が、“log on"という動詞に副詞的に係るか、
あるいは“the system"という名詞句に係るか、という
多義性が存在する。
は依然として解消が困難な問題として残されている。例
えば、英語文などにおける前置詞句の係り受けの多義性
である。“A user can log on the system with a pass
word."という文章において、“with a password"という
前置詞句が、“log on"という動詞に副詞的に係るか、
あるいは“the system"という名詞句に係るか、という
多義性が存在する。
文の構造的多義性を、語彙や句などの構成要素の意味
・機能的情報を基にして、解消するという手法がいくつ
か考えられている。例えば、Prentice−Hall社1969年発
行の、Modern Studies in Englishの361−375頁のChare
s J.Fillmore著,“Toward a modern theory of case"
に開示される格文法を理論的基盤とした手法である。文
の構成要素が述語に対して果たす機能を格といい、格の
機能のうち意味的なものを特に深層格という(添付の表
1参照)。
・機能的情報を基にして、解消するという手法がいくつ
か考えられている。例えば、Prentice−Hall社1969年発
行の、Modern Studies in Englishの361−375頁のChare
s J.Fillmore著,“Toward a modern theory of case"
に開示される格文法を理論的基盤とした手法である。文
の構成要素が述語に対して果たす機能を格といい、格の
機能のうち意味的なものを特に深層格という(添付の表
1参照)。
格文法では、文の構成要素は格要素と呼ばれ、格と格
要素の整合性によって文の適格性を判断する。例えば、
先の文章では、“log on"が述語で、“a user"は動作主
格、“the system"な対象格、“a password"は道具格の
機能を持つ。各々の動詞には格フレームと呼ばれる枠組
みが付けられていて、各々の動詞が持つ格とそれに対す
る格要素の制約条件が記述される。
要素の整合性によって文の適格性を判断する。例えば、
先の文章では、“log on"が述語で、“a user"は動作主
格、“the system"な対象格、“a password"は道具格の
機能を持つ。各々の動詞には格フレームと呼ばれる枠組
みが付けられていて、各々の動詞が持つ格とそれに対す
る格要素の制約条件が記述される。
格文法では、格に許容される格要素が規定されてお
り、これに違反する入力は意味的に不適切であるとして
棄却されていたが、実際の言語現象では意味的に受け入
れられる文とそうでない文の境界は微妙であり、それは
文脈にも依存する。例えば、“My car drinks gasolin
e."という文において、述語“drink"が、動作主格とし
て人間を表わす語彙(HUMという意味的属性を持つ語
彙)しか許さないとすると、“car"は“drink"の動作主
格としては棄却される。しかし、この文では、“car"は
比喩的に用いられていると考えると、“car"は“drink"
の動作主格として意味的に受け入れられる。格文法のよ
うに属性値を取るシステムは知識の構築は容易である
が、その運用の柔軟性に欠ける。
り、これに違反する入力は意味的に不適切であるとして
棄却されていたが、実際の言語現象では意味的に受け入
れられる文とそうでない文の境界は微妙であり、それは
文脈にも依存する。例えば、“My car drinks gasolin
e."という文において、述語“drink"が、動作主格とし
て人間を表わす語彙(HUMという意味的属性を持つ語
彙)しか許さないとすると、“car"は“drink"の動作主
格としては棄却される。しかし、この文では、“car"は
比喩的に用いられていると考えると、“car"は“drink"
の動作主格として意味的に受け入れられる。格文法のよ
うに属性値を取るシステムは知識の構築は容易である
が、その運用の柔軟性に欠ける。
また、語彙間の統計的頻度情報を用いて構文解析木の
優先度を計算して構造的多義性を解消する手法が特開昭
63−91776号公報に開示されている。この方法の概要と
その問題点を説明する。
優先度を計算して構造的多義性を解消する手法が特開昭
63−91776号公報に開示されている。この方法の概要と
その問題点を説明する。
(1)入力された文から複数の解析木が実際に生成さ
れ、その中からもっともらしいものを選択する。複数の
解析木を生成することは、手間である。また、多義性に
あまり関係のない語彙の情報であっても、使わなければ
ならない。
れ、その中からもっともらしいものを選択する。複数の
解析木を生成することは、手間である。また、多義性に
あまり関係のない語彙の情報であっても、使わなければ
ならない。
(2)多義性の解消に、語彙と語彙の共起関係の統計的
頻度を使う。したがって、個別の例外は扱えない。たと
えば、ある単語AがBとCのどちらに係るか多義なと
き、統計的にはBに係ることが多いとしても、ある特定
の文章の中ではCに係るということは扱えない。また、
統計的頻度情報を得るために十分な正規化されたデータ
(“virtual machine"を“machine is virtual"として
登録するなど)を必要とするため、データの収集に非常
にコストがかかる。
頻度を使う。したがって、個別の例外は扱えない。たと
えば、ある単語AがBとCのどちらに係るか多義なと
き、統計的にはBに係ることが多いとしても、ある特定
の文章の中ではCに係るということは扱えない。また、
統計的頻度情報を得るために十分な正規化されたデータ
(“virtual machine"を“machine is virtual"として
登録するなど)を必要とするため、データの収集に非常
にコストがかかる。
(3)一般に、自然言語の語彙の数は膨大である。そこ
で、カバーできる範囲を拡大するために単語を抽象化し
たカテゴリーである意味マーカーというものを設定して
いるが、これは対象分野を変えると一から作り直さなけ
ればならない。例えば、“department"という語は、あ
る分野Pでは、組織のカテゴリーに分類される。そし
て、“department"に関する係受けの知識は、組織のカ
テゴリーとその他のカテゴリーの共起関係の統計情報に
吸収されてしまうと、しかしながら、別の分野Qでは、
“department"は、別のカテゴリーに分類されるとした
なら、分野Pの知識は、分野Qでは役にたたない。分野
毎に単語を抽象化し直して、統計情報を集め直すのは、
非常にコストがかかる。
で、カバーできる範囲を拡大するために単語を抽象化し
たカテゴリーである意味マーカーというものを設定して
いるが、これは対象分野を変えると一から作り直さなけ
ればならない。例えば、“department"という語は、あ
る分野Pでは、組織のカテゴリーに分類される。そし
て、“department"に関する係受けの知識は、組織のカ
テゴリーとその他のカテゴリーの共起関係の統計情報に
吸収されてしまうと、しかしながら、別の分野Qでは、
“department"は、別のカテゴリーに分類されるとした
なら、分野Pの知識は、分野Qでは役にたたない。分野
毎に単語を抽象化し直して、統計情報を集め直すのは、
非常にコストがかかる。
C 発明が解決しようとする課題 要約すると、自然言語処理において、実用的に意味処
理を行なうには2つの問題がある。1つは、そのための
知識を大量に、しかも効率よく構築すること。もう1つ
は、大量な知識を効率よく利用するメカニズムである。
理を行なうには2つの問題がある。1つは、そのための
知識を大量に、しかも効率よく構築すること。もう1つ
は、大量な知識を効率よく利用するメカニズムである。
本発明は、この2つの問題点を克服し、実用に耐えう
る自然言語の意味解析システムを初めて提供する事を目
的とする。
る自然言語の意味解析システムを初めて提供する事を目
的とする。
D 課題を解決するための手段 自然言語文を解析する上で、最大のボトルネックとな
る構造的多義性は、語彙間の係り受け(依存)関係が複
数考えられることから発生する。このような構造的多義
性は、文法的知識だけでは解消することができない。意
味処理が必要となる。そこで、この問題を、語彙の依存
関係をあらかじめ背景知識として定義しておき、候補と
なる依存関係の中から、背景知識に照らし合わせて、適
切な依存関係を選択することによって解決する。つま
り、このシステムは、文章の構文解析の結果として、係
り受けの候補が複数存在する構造が得られた場合に、背
景知識として蓄えられた語彙間の依存関係を基にして、
文章中の語彙の依存関係の優先度を求めることによっ
て、どの係り受けがより適切であるかを決定することが
できる。
る構造的多義性は、語彙間の係り受け(依存)関係が複
数考えられることから発生する。このような構造的多義
性は、文法的知識だけでは解消することができない。意
味処理が必要となる。そこで、この問題を、語彙の依存
関係をあらかじめ背景知識として定義しておき、候補と
なる依存関係の中から、背景知識に照らし合わせて、適
切な依存関係を選択することによって解決する。つま
り、このシステムは、文章の構文解析の結果として、係
り受けの候補が複数存在する構造が得られた場合に、背
景知識として蓄えられた語彙間の依存関係を基にして、
文章中の語彙の依存関係の優先度を求めることによっ
て、どの係り受けがより適切であるかを決定することが
できる。
したがって、本発明の自然言語解析装置は、機械翻訳
システムや自然言語による質問応答システムなどの文解
析の中で適用され、構造的多義性を含む入力文に対し
て、語彙間の類義関係、階層関係、依存関係の知識を用
いて、最も適切な構文木を出力するために用いられる。
つまり、文法を用いた解析では、解消できない問題、例
えば、領域に固有の知識を用いることによって、初めて
一意に決まるような多義性や、先行する文の内容に依存
して決まる多義性の解消の問題に適用される。
システムや自然言語による質問応答システムなどの文解
析の中で適用され、構造的多義性を含む入力文に対し
て、語彙間の類義関係、階層関係、依存関係の知識を用
いて、最も適切な構文木を出力するために用いられる。
つまり、文法を用いた解析では、解消できない問題、例
えば、領域に固有の知識を用いることによって、初めて
一意に決まるような多義性や、先行する文の内容に依存
して決まる多義性の解消の問題に適用される。
従来の解析法に共通しているのは、語彙があらかじめ
持つべき情報、例えば意味的な分類のためのいくつかの
属性など、が非常に豊富で、それを人間がヒューリステ
ィックに決めている点である。
持つべき情報、例えば意味的な分類のためのいくつかの
属性など、が非常に豊富で、それを人間がヒューリステ
ィックに決めている点である。
これに対し、本発明の自然言語解析に必要な情報は、
かなり形式的に記述され、新たに大量の背景知識を自動
的ないし半自動的に構築できる。それゆえ、比較的容易
に実用的なシステムを構築できる。
かなり形式的に記述され、新たに大量の背景知識を自動
的ないし半自動的に構築できる。それゆえ、比較的容易
に実用的なシステムを構築できる。
E 発明の構成 E1 システムの概略 構造的多義性の問題を解決するために、まず知識を、
語彙間の類義関係、階層関係、依存関係を表わす木構造
で表現する。文章が入力されたら、多義な係り受けに関
して、背景知識に定義されている語彙間の依存関係を、
類義関係や階層関係を利用して探索し、文章から得られ
る制約と、文脈から得られる制約を用いて、最適な係り
受けを選択することによって、多義性を解消する。確定
された依存構造は、文脈依存関係データとして、知識ベ
ースに登録される。システムの全体構成は第1図に示す
通りである。
語彙間の類義関係、階層関係、依存関係を表わす木構造
で表現する。文章が入力されたら、多義な係り受けに関
して、背景知識に定義されている語彙間の依存関係を、
類義関係や階層関係を利用して探索し、文章から得られ
る制約と、文脈から得られる制約を用いて、最適な係り
受けを選択することによって、多義性を解消する。確定
された依存構造は、文脈依存関係データとして、知識ベ
ースに登録される。システムの全体構成は第1図に示す
通りである。
次に、このシステムの、各々の構成要素について説明
する。以下に示す例では全て英文を用いているが、本手
法は特定の言語には依存しない。
する。以下に示す例では全て英文を用いているが、本手
法は特定の言語には依存しない。
E1−1 構文解析器 文章を受け取り、多義性を内包した統語構造を出力す
る。
る。
文“VM/SP keeps the information on the virtual d
isk."は、構文解析され、第2図のような係り受けの多
義性を内包した句構造が生成される。構文解析技術は本
発明に含まれないので、説明は省略する。
isk."は、構文解析され、第2図のような係り受けの多
義性を内包した句構造が生成される。構文解析技術は本
発明に含まれないので、説明は省略する。
E1−2 依存構造解析器 (1)依存構造生成部 句構造を、第3図のような語彙間の依存関係が明示的
に表現された依存構造に変換する。ここで、句構造の係
り受けの多義性は、語彙間の依存関係の多義性として表
現される。また、語彙間の依存関係には、深層格に相当
するラベルが付けられる。これは、表層の語順や前置詞
を手がかり決められ、可能な深層格の候補のリストとし
て表わされる。
に表現された依存構造に変換する。ここで、句構造の係
り受けの多義性は、語彙間の依存関係の多義性として表
現される。また、語彙間の依存関係には、深層格に相当
するラベルが付けられる。これは、表層の語順や前置詞
を手がかり決められ、可能な深層格の候補のリストとし
て表わされる。
(2)依存関係抽出部 生成された依存構造から、第4図のような多義な依存
関係を抽出する。これは、一つの多義性に関して、複数
の可能な依存関係の候補として表わされる。
関係を抽出する。これは、一つの多義性に関して、複数
の可能な依存関係の候補として表わされる。
(3)依存関係選択部 これは、可能な依存関係の候補に対して、それに相当
する関係を背景知識の中で探索する装置であり、複数候
補に関係が見いだされた場合は、どの関係がより確から
しいかを制約条件を用いて決定する。これに関しては、
後で詳細を説明する。
する関係を背景知識の中で探索する装置であり、複数候
補に関係が見いだされた場合は、どの関係がより確から
しいかを制約条件を用いて決定する。これに関しては、
後で詳細を説明する。
(4)依存構造変形部 各多義性に関して、最も確からしい依存関係が選択さ
れ、それに従って依存構造を変形し、構造的多義性を解
消する。このとき、依存関係に付けられた深層格も一意
に決められる。依存関係解析器の出力は、多義性の解消
された文の依存構造であり、その確定された依存関係
は、それ以降の文を解析するための制約となるため、文
脈依存関係データとして知識ベースに登録される。
れ、それに従って依存構造を変形し、構造的多義性を解
消する。このとき、依存関係に付けられた深層格も一意
に決められる。依存関係解析器の出力は、多義性の解消
された文の依存構造であり、その確定された依存関係
は、それ以降の文を解析するための制約となるため、文
脈依存関係データとして知識ベースに登録される。
このシステムの特徴は、半自動的に構築される知識ベ
ースと、知識ベースを用いて最良の依存関係を選択する
メカニズムである。次に、それらを順に説明する。
ースと、知識ベースを用いて最良の依存関係を選択する
メカニズムである。次に、それらを順に説明する。
E2 知識ベースの構築 本実施例では、用語解説書のような、語彙に関する情
報を集めたものから、ある語彙と別の語彙との間の関
係、つまり、類義関係、階層関係、依存関係を抽出す
る。これらの関係が、知識ベースを構成する。
報を集めたものから、ある語彙と別の語彙との間の関
係、つまり、類義関係、階層関係、依存関係を抽出す
る。これらの関係が、知識ベースを構成する。
知識の表現形式としては、次のような理由から木構造
を採用した。
を採用した。
(1)文章を解析することによって、半自動的に構築で
きる。
きる。
(2)階層関係、依存関係を表現するのに適している。
類義関係は、後で述べるように2つの階層関係に変換
する。
する。
(3)依存関係解析のための推論は、基本的に木構造の
枝を上にたどる手続きである。知識ベースには、文章か
ら得られた依存構造、また依存構造を変換して得られた
階層関係を表わす木構造が集められる。すなわち、知識
ベースは、木構造の集合体である。
枝を上にたどる手続きである。知識ベースには、文章か
ら得られた依存構造、また依存構造を変換して得られた
階層関係を表わす木構造が集められる。すなわち、知識
ベースは、木構造の集合体である。
従来の自然言語処理システムでは、知識ベースは、文
章解析に必要な情報が定式化されていないこともあっ
て、フレームなどの比較的何でも表現できる形式が好ま
れていた。しかし、フレーム表現は体系的に構築するの
が困難で、人間に依存した部分が多い。そのため、知識
ベースを大規模化するための労力が大変なものになる。
章解析に必要な情報が定式化されていないこともあっ
て、フレームなどの比較的何でも表現できる形式が好ま
れていた。しかし、フレーム表現は体系的に構築するの
が困難で、人間に依存した部分が多い。そのため、知識
ベースを大規模化するための労力が大変なものになる。
本システムの知識ベースは、ボトムアップ式に構築す
ることが可能であり、大規模化することが容易である。
さらに構造的多義性という問題の性質にもよく適合して
いる。
ることが可能であり、大規模化することが容易である。
さらに構造的多義性という問題の性質にもよく適合して
いる。
もちろん、先ず学習によって、知識を与える必要があ
る。知識ベースのデータは、用語解説文を解析し、依存
構造を生成し、それを変換することによって作られる。
以下にその手順を述べる。
る。知識ベースのデータは、用語解説文を解析し、依存
構造を生成し、それを変換することによって作られる。
以下にその手順を述べる。
(1)文章から、構文解析器を用いて、句構造を生成
し、それを語彙間の係り受け関係が明確となる依存構造
に変換する。学習段階においては、多義な係り受け関係
は人間が決定し、構造を特定する。例えば、文“Operat
ing system stores files on the disk."から、第5図
のような句構造が生成される。これを、第6図のような
依存構造に変換する。これは、依存関係解析器の依存構
造生成部によって行われる。
し、それを語彙間の係り受け関係が明確となる依存構造
に変換する。学習段階においては、多義な係り受け関係
は人間が決定し、構造を特定する。例えば、文“Operat
ing system stores files on the disk."から、第5図
のような句構造が生成される。これを、第6図のような
依存構造に変換する。これは、依存関係解析器の依存構
造生成部によって行われる。
(2)第7図に示されるように、語彙間の依存関係を表
わすリンクには、深層格のラベル(agent,patient,loca
tion)が属性として付加される。これは、多義性解消の
ときの制約条件の一つとなる。このラベルは学習段階に
おいては、依存構造生成部によって、その候補が付けら
れた後で、人間によって一意に決められる。
わすリンクには、深層格のラベル(agent,patient,loca
tion)が属性として付加される。これは、多義性解消の
ときの制約条件の一つとなる。このラベルは学習段階に
おいては、依存構造生成部によって、その候補が付けら
れた後で、人間によって一意に決められる。
(3)“A is a B."や“A is a synonym for B."などの
語彙間の階層(上位/下位)関係や類義関係を表わす文
から得られた依存構造は、isaというラベルのついたリ
ンクでAとBが繋がれた構造に変換される。この構造を
isa木と呼ぶ。第8図と第9図にその例を示す。
語彙間の階層(上位/下位)関係や類義関係を表わす文
から得られた依存構造は、isaというラベルのついたリ
ンクでAとBが繋がれた構造に変換される。この構造を
isa木と呼ぶ。第8図と第9図にその例を示す。
以上のように人間が決定した依存関係、階層関係、類
義関係データを、学習データとして知識ベースに蓄積す
る(第1図参照)。
義関係データを、学習データとして知識ベースに蓄積す
る(第1図参照)。
E3 最尤な依存関係の選択 最尤な依存関係を選択するために、本システムでは、
(1)各々の依存関係に対応するパスを知識ベースにお
いて探索し(パス・サーチ)、(2)各々のパスに対し
て依存距離と呼ばれる値を、制約条件に基づいて計算す
る(距離計算)、という新しい方式を用いる。そして、
最短な依存距離を持つパスに対応する依存関係を、最尤
なものとして選択する。これは、依存関係解析器の依存
関係選択部によって行われる。
(1)各々の依存関係に対応するパスを知識ベースにお
いて探索し(パス・サーチ)、(2)各々のパスに対し
て依存距離と呼ばれる値を、制約条件に基づいて計算す
る(距離計算)、という新しい方式を用いる。そして、
最短な依存距離を持つパスに対応する依存関係を、最尤
なものとして選択する。これは、依存関係解析器の依存
関係選択部によって行われる。
パス・サーチは、まず語彙と語彙の共起関係を用い
て、膨大な知識中の探索空間を限定する。自然言語にお
いて1つの語彙が生起する確率は非常に小さく、2語の
共起が実際に生じている知識は非常に少なくなる。その
ため、実際上、計算の負荷が最も大きい距離の計算の対
象となるものは、非常に小さくなり、結果として非常に
効率的な探索となる。
て、膨大な知識中の探索空間を限定する。自然言語にお
いて1つの語彙が生起する確率は非常に小さく、2語の
共起が実際に生じている知識は非常に少なくなる。その
ため、実際上、計算の負荷が最も大きい距離の計算の対
象となるものは、非常に小さくなり、結果として非常に
効率的な探索となる。
以下に、パス・サーチと距離計算に関して述べる。
(1)パス・サーチ パスとは、2つの語彙に関して、各々の語彙の類義
語、上位語の連鎖と、連鎖の終端の語彙間の依存関係を
合わせたものであり、知識ベースを、語彙を節点とした
グラフと考えたときの、語彙間の一つの経路である。例
えば、語彙“keep"と“virtual disk"の間の一つのパス
は第10図のようになる。
語、上位語の連鎖と、連鎖の終端の語彙間の依存関係を
合わせたものであり、知識ベースを、語彙を節点とした
グラフと考えたときの、語彙間の一つの経路である。例
えば、語彙“keep"と“virtual disk"の間の一つのパス
は第10図のようになる。
知識ベースにおいて、パスを探索するために、次のよ
うなアルゴリズムを考案した。このアルゴリズムは、添
付の表2のようなインデックス・テーブルを利用する。
うなアルゴリズムを考案した。このアルゴリズムは、添
付の表2のようなインデックス・テーブルを利用する。
ここで、テーブルtx()は、その語彙の現われる木を
識別するポインターを表わし、()の値は、その木にお
ける、その語彙の位置を表わす(第11図参照)。
識別するポインターを表わし、()の値は、その木にお
ける、その語彙の位置を表わす(第11図参照)。
isaなどの枝につけられたラベルは、常に下位の節点
の属性として付けられているため、isa木のコラムにあ
るポインターは、その語彙がisaの枝の下位に現われる
木を指している。ここで、テーブル(表2)から、語彙
aはisa木t0の(0)の位置にあり、語彙bは、isa木を
参照して、t0の一番上のノードすなわち我々の記法では
t0()として表される。すなわち、第12図のようになっ
ている。
の属性として付けられているため、isa木のコラムにあ
るポインターは、その語彙がisaの枝の下位に現われる
木を指している。ここで、テーブル(表2)から、語彙
aはisa木t0の(0)の位置にあり、語彙bは、isa木を
参照して、t0の一番上のノードすなわち我々の記法では
t0()として表される。すなわち、第12図のようになっ
ている。
ここで、bがaの類義語あるいは上位語であること
は、t0(0)を一つ上にたどることによって分かる。こ
のようにして、テーブルの語彙bのisa木のコラムを見
れば、aとisaのついた枝でつながれた語彙はすべて分
かる。bについても同様に、isa木を一段たどって、類
義語・上位語が分かる。このようにして、aの類義語・
上位語の連鎖が、いくつかできる。
は、t0(0)を一つ上にたどることによって分かる。こ
のようにして、テーブルの語彙bのisa木のコラムを見
れば、aとisaのついた枝でつながれた語彙はすべて分
かる。bについても同様に、isa木を一段たどって、類
義語・上位語が分かる。このようにして、aの類義語・
上位語の連鎖が、いくつかできる。
今、PはQの上位語であり、QはRの上位語であると
しよう。このとき、isa木は、二本できる。そして、本
発明では、Rの上位語を知るために、Rがテーブルに入
力されたなら、まず一本のisa木を使ってRの直接の上
位語Qを知り、次にもう一本のisa木を使ってQの直接
の上位語Pを知る事によって、Rの上位語を全て知るよ
うにする。
しよう。このとき、isa木は、二本できる。そして、本
発明では、Rの上位語を知るために、Rがテーブルに入
力されたなら、まず一本のisa木を使ってRの直接の上
位語Qを知り、次にもう一本のisa木を使ってQの直接
の上位語Pを知る事によって、Rの上位語を全て知るよ
うにする。
上の例では、isa木は、上位語と下位語の二つのみを
含む。したがって、テーブルに入力された語を下位語と
して含むisa木の識別データが重要であり、その木の中
での下位語の位置情報は必須ではないことに注意された
い。
含む。したがって、テーブルに入力された語を下位語と
して含むisa木の識別データが重要であり、その木の中
での下位語の位置情報は必須ではないことに注意された
い。
他の例では、1本のisa木が上記P、Q、Rを含む事
も可能である。その場合には、テーブルに入力された語
を下位語として含むisa木の識別データのみならず、そ
の木の中での下位語の位置情報も必須となることに注意
されたい。
も可能である。その場合には、テーブルに入力された語
を下位語として含むisa木の識別データのみならず、そ
の木の中での下位語の位置情報も必須となることに注意
されたい。
次に、2つの語彙の間のパスを探索するためには、各
々の類義語・上位語の連鎖のいずれかに登場する語彙の
間に依存関係が存在するかどうかを調べる必要がある。
それは、一方の連鎖に含まれる語彙の含まれる依存構造
木の集合と、他方のそれとの間に共通のものがあり、さ
らにその木において、各々の語彙の間に依存関係あるい
は依存関係の推移があるかどうかを調べることに相当す
る。依存構造木において、2つの語彙のその木における
位置から、語彙間に依存関係あるいはその推移があるか
どうかが分かる。
々の類義語・上位語の連鎖のいずれかに登場する語彙の
間に依存関係が存在するかどうかを調べる必要がある。
それは、一方の連鎖に含まれる語彙の含まれる依存構造
木の集合と、他方のそれとの間に共通のものがあり、さ
らにその木において、各々の語彙の間に依存関係あるい
は依存関係の推移があるかどうかを調べることに相当す
る。依存構造木において、2つの語彙のその木における
位置から、語彙間に依存関係あるいはその推移があるか
どうかが分かる。
例えば、語彙bに、語彙dが係るような依存関係は、
bの含まれる依存構造木の集合{t30(1),t110
(0)}とdの含まれる依存構造木の集合{t40(1
0),t110(0 1 0)}の間の共通要素t110におけるbの
位置(0)とdの位置(0 1 0)から、bはdの先祖(a
ncestor)であることから、bとdの間に依存関係の推
移があることが分かる(第13図参照)。
bの含まれる依存構造木の集合{t30(1),t110
(0)}とdの含まれる依存構造木の集合{t40(1
0),t110(0 1 0)}の間の共通要素t110におけるbの
位置(0)とdの位置(0 1 0)から、bはdの先祖(a
ncestor)であることから、bとdの間に依存関係の推
移があることが分かる(第13図参照)。
木構造においては、節点bが、節点dの先祖であると
き、dからbへの経路は一意に決まるので、依存関係を
見いだすことと、位置関係を調べることは等価であると
見なされる。語彙の間のパスは、各々の全ての類義語・
上位語連鎖をisa木から求め、連鎖に含まれる語彙の含
まれる依存構造木の集合の共通要素を求め、その木にお
ける語彙の位置関係を調べることで、その存在の有無が
分かり、依存関係の存在する木をたどることによって、
求められる。例えば、語彙aとcの間の一つのパスは、
第14図のようになる。
き、dからbへの経路は一意に決まるので、依存関係を
見いだすことと、位置関係を調べることは等価であると
見なされる。語彙の間のパスは、各々の全ての類義語・
上位語連鎖をisa木から求め、連鎖に含まれる語彙の含
まれる依存構造木の集合の共通要素を求め、その木にお
ける語彙の位置関係を調べることで、その存在の有無が
分かり、依存関係の存在する木をたどることによって、
求められる。例えば、語彙aとcの間の一つのパスは、
第14図のようになる。
(2)依存距離計算 パスには、いくつかの制約条件が考えられ、それによ
って語彙間の依存関係の近さを計算することができる。
語彙間の依存関係の近さの度合を表わす尺度を依存距離
と呼ぶ。依存距離は、パスに含まれる枝(依存関係)の
数と制約を評価した結果得られる値に基づいて決定され
る。
って語彙間の依存関係の近さを計算することができる。
語彙間の依存関係の近さの度合を表わす尺度を依存距離
と呼ぶ。依存距離は、パスに含まれる枝(依存関係)の
数と制約を評価した結果得られる値に基づいて決定され
る。
制約条件は、大きく分けて3種類が考えられる。一つ
は、枝につけられた深層格のラベルが、候補となる係り
受けにおいて可能な関係(ある語彙が、ある述語に主語
として係るとか、目的語として係るなど)に対応してい
るかどうか、という制約である。例えば、“VM/SP keep
s the information on the virtual disk."という文
で、第15図のような依存関係から、第16図のようなパス
が得られたとする。このとき、“keep"と“virtual dis
k"の間の表層格(文章から直接得られる格)と、“stor
e"と“disk"の間の深層格の間に整合がとられていなけ
ればならない。ここで、表層格onは場所を表わす深層格
locationを持つ場合があるので、依存関係とパスの間で
格の整合性は保たれている。このように、依存関係とパ
スの間の格関係の整合がとれていれば、パスの格制約の
値は1、さもなくば0になる。この場合のパスの格制約
の値は1である。
は、枝につけられた深層格のラベルが、候補となる係り
受けにおいて可能な関係(ある語彙が、ある述語に主語
として係るとか、目的語として係るなど)に対応してい
るかどうか、という制約である。例えば、“VM/SP keep
s the information on the virtual disk."という文
で、第15図のような依存関係から、第16図のようなパス
が得られたとする。このとき、“keep"と“virtual dis
k"の間の表層格(文章から直接得られる格)と、“stor
e"と“disk"の間の深層格の間に整合がとられていなけ
ればならない。ここで、表層格onは場所を表わす深層格
locationを持つ場合があるので、依存関係とパスの間で
格の整合性は保たれている。このように、依存関係とパ
スの間の格関係の整合がとれていれば、パスの格制約の
値は1、さもなくば0になる。この場合のパスの格制約
の値は1である。
もう一つは、共起制約、すなわち同じ文の異なる位置
に現われている語彙との関係に関する制約で、例えば、
ある語彙が、ある述語に目的語として係る場合に、その
述語の主語は、ある特定の語彙か、あるいはその類義語
・上位語である、という制約である。言い換えれば、そ
の文中で何らかの関連(主語、述語など)をもたなくて
はならないという制約であるが、同一語でなく、関連語
であってもかまわない。共起関係とは、ある2つの単語
が、何らかの1文の中で同時に存在していること、であ
る。
に現われている語彙との関係に関する制約で、例えば、
ある語彙が、ある述語に目的語として係る場合に、その
述語の主語は、ある特定の語彙か、あるいはその類義語
・上位語である、という制約である。言い換えれば、そ
の文中で何らかの関連(主語、述語など)をもたなくて
はならないという制約であるが、同一語でなく、関連語
であってもかまわない。共起関係とは、ある2つの単語
が、何らかの1文の中で同時に存在していること、であ
る。
先の例では、第17図のように、“VM/SP"が“keep"の
主語(subject)になっている。一方、パスは、第18図
のような知識ベースの依存構造木から得られたものとす
ると、第19図の共起関係が見つかり、“operating syst
em"が“store"の行為者(agent)であることが分かる。
また、第20図のような“VM/SP"と“operating system"
との階層関係がやはり知識として定義されていれば、第
21図のように、パスと文章の間で、語彙の共起に関する
整合がとれていることが分かる。ここで、表層格subjec
tは深層格agentを持ちうるので、格についても整合がと
れている。このように、共起の整合がとれているもの
(語彙と格が同時に対応しているもの)の数が、共起制
約の値となる。この場合のパスの共起制約の値は1であ
る。(主語以外の共起に関する整合はとれていない。) 3つめの制約は、文脈に関する制約であり、パス上に
現われた語彙間の依存関係がすでに前文までの文脈に現
われている場合、その依存関係は、その文脈で強く支持
されてると考えられるので、そのパス上の依存関係の距
離が近くなる、という制約である。
主語(subject)になっている。一方、パスは、第18図
のような知識ベースの依存構造木から得られたものとす
ると、第19図の共起関係が見つかり、“operating syst
em"が“store"の行為者(agent)であることが分かる。
また、第20図のような“VM/SP"と“operating system"
との階層関係がやはり知識として定義されていれば、第
21図のように、パスと文章の間で、語彙の共起に関する
整合がとれていることが分かる。ここで、表層格subjec
tは深層格agentを持ちうるので、格についても整合がと
れている。このように、共起の整合がとれているもの
(語彙と格が同時に対応しているもの)の数が、共起制
約の値となる。この場合のパスの共起制約の値は1であ
る。(主語以外の共起に関する整合はとれていない。) 3つめの制約は、文脈に関する制約であり、パス上に
現われた語彙間の依存関係がすでに前文までの文脈に現
われている場合、その依存関係は、その文脈で強く支持
されてると考えられるので、そのパス上の依存関係の距
離が近くなる、という制約である。
例えば、先の例の文に先行する文として、“In VM/S
P,the data is stored on the storage device."という
文があった場合、第22図のような依存構造が知識ベース
の文脈データとして、登録されていることになる。(こ
こでの、objectは深層格ではなく、目的語を表わす表層
格である。)このとき、パスに現われた依存関係store
←diskの“store"と“disk"の間で、知識ベースの類義
・階層関係と文脈の依存関係を用いて、パス・サーチを
行なうと、第23図のようなパスが見つかり、“store"と
“disk"の依存関係が文脈において規定されていること
が分かる。このように、パスに含まれる依存関係のうち
文脈おいて依存関係が規定されているものの数が、文脈
制約の値となる。この場合は、パスに含まれる依存関係
は一つであるので、パスの文脈制約の値は1になる。
P,the data is stored on the storage device."という
文があった場合、第22図のような依存構造が知識ベース
の文脈データとして、登録されていることになる。(こ
こでの、objectは深層格ではなく、目的語を表わす表層
格である。)このとき、パスに現われた依存関係store
←diskの“store"と“disk"の間で、知識ベースの類義
・階層関係と文脈の依存関係を用いて、パス・サーチを
行なうと、第23図のようなパスが見つかり、“store"と
“disk"の依存関係が文脈において規定されていること
が分かる。このように、パスに含まれる依存関係のうち
文脈おいて依存関係が規定されているものの数が、文脈
制約の値となる。この場合は、パスに含まれる依存関係
は一つであるので、パスの文脈制約の値は1になる。
依存距離の値は、以上の制約の値と、パスに含まれる
依存関係の数を用いて計算される。第14図で言えば、語
彙aとcの間の一つのパスに含まれる依存関係の数は、
isa木の関係を依存関係の数には含めることなく、2で
ある。すなわち、次のような式で計算される。
依存関係の数を用いて計算される。第14図で言えば、語
彙aとcの間の一つのパスに含まれる依存関係の数は、
isa木の関係を依存関係の数には含めることなく、2で
ある。すなわち、次のような式で計算される。
この式は、格制約と共起制約はパス全体に、文脈制約
はパスに含まれる個々の依存関係に、それぞれ影響する
ことを反映している。ここで、nは0〈n〈1である実
数で、文脈をどの程度重要視するかを表わす、ヒューリ
スティックに決められるパラメータである。上の例のパ
スの依存距離は、依存関係数1、格制約値1、共起制約
値1、文脈制約値1より、0.125になる(n=0.5)。
はパスに含まれる個々の依存関係に、それぞれ影響する
ことを反映している。ここで、nは0〈n〈1である実
数で、文脈をどの程度重要視するかを表わす、ヒューリ
スティックに決められるパラメータである。上の例のパ
スの依存距離は、依存関係数1、格制約値1、共起制約
値1、文脈制約値1より、0.125になる(n=0.5)。
E4 知識ベースへの登録 最尤であると判断された依存構造は、知識ベースに登
録され、後に入力される文の構造的多義性の解消に利用
される。判断結果は、文脈に依存する度合いが高いの
で、学習データと区別するために、文脈依存関係データ
として、別個に登録するのが好ましい(第1図参照)。
具体的には、第7図の様な依存構造と深層格の情報を蓄
積する知識ベースと、表2の右半分のみのインデックス
・テーブルが、文脈依存関係データのために分野毎に用
意される。そして、最尤の依存関係が決定されると、そ
れを反映するデータが知識ベースとインデックス・テー
ブルに追加される。既登録の依存構造と照合する事によ
り、重複登録は避けるようにしてもよい。
録され、後に入力される文の構造的多義性の解消に利用
される。判断結果は、文脈に依存する度合いが高いの
で、学習データと区別するために、文脈依存関係データ
として、別個に登録するのが好ましい(第1図参照)。
具体的には、第7図の様な依存構造と深層格の情報を蓄
積する知識ベースと、表2の右半分のみのインデックス
・テーブルが、文脈依存関係データのために分野毎に用
意される。そして、最尤の依存関係が決定されると、そ
れを反映するデータが知識ベースとインデックス・テー
ブルに追加される。既登録の依存構造と照合する事によ
り、重複登録は避けるようにしてもよい。
このようにして、知識を自動的に増加することが可能
になる。厳密には、人間の介入を要する場面もあるの
で、自動的とは言えなくても、少なくとも半自動的には
知識は増加する。
になる。厳密には、人間の介入を要する場面もあるの
で、自動的とは言えなくても、少なくとも半自動的には
知識は増加する。
E6 実験結果 前置詞句の係り受けの多義性に関して、コンピュータ・
マニュアルから抜きだした約2000文を用いて本システム
の実験を行った。以下に、その結果を示す。
マニュアルから抜きだした約2000文を用いて本システム
の実験を行った。以下に、その結果を示す。
ここで、知識として、「IBMコンピュータ用語辞典」の
定義文約20000文を基にして構築した依存構造を用いて
いる。
定義文約20000文を基にして構築した依存構造を用いて
いる。
これにより、かなり有効な手法であることが分かっ
た。
た。
F 効果 本発明によれば、自然言語における構造的多犠牲解消
のための知識を大量に、且効率よく構築することが可能
になる。更に、大量の知識を効率よく利用することも可
能になる。
のための知識を大量に、且効率よく構築することが可能
になる。更に、大量の知識を効率よく利用することも可
能になる。
第1図は、本発明による自然言語解析用システムの構成
の説明図である。第2図は、多義性を含む句構造の説明
図である。第3図は、多義性を含む依存構造の説明図で
ある。第4図は、可能な依存構造の候補の説明図であ
る。第5図は、句構造の一例の説明図である。第6図
は、依存構造の一例の説明図である。第7図は、依存構
造と深層格の説明図である。第8図は、階層関係の説明
図である。第9図は、類義関係の説明図である。第10図
は、パスの説明図である。第11図は、依存構造木におけ
る語彙の位置の説明図である。第12図は、isa木の説明
図である。第13図は、依存関係の推移の説明図である。
第14図は、語彙cから語彙aへのパスの説明図である。
第15図は、keepとvirtual diskの間の依存関係の説明図
である。第16図は、virtual diskからkeepへのパスの説
明図である。第17図は、共起関係の説明図である。第18
図は、知識ベース中の依存構造の説明図である。第19図
は、知識ベース中の共起関係の説明図である。第20図
は、知識ベース中の階層関係の説明図である。第21図
は、パスと文の間の共起関係に関する説明図である。第
22図は、文脈データの依存構造の説明図である。第23図
は、文脈データにおけるパスの説明図である。
の説明図である。第2図は、多義性を含む句構造の説明
図である。第3図は、多義性を含む依存構造の説明図で
ある。第4図は、可能な依存構造の候補の説明図であ
る。第5図は、句構造の一例の説明図である。第6図
は、依存構造の一例の説明図である。第7図は、依存構
造と深層格の説明図である。第8図は、階層関係の説明
図である。第9図は、類義関係の説明図である。第10図
は、パスの説明図である。第11図は、依存構造木におけ
る語彙の位置の説明図である。第12図は、isa木の説明
図である。第13図は、依存関係の推移の説明図である。
第14図は、語彙cから語彙aへのパスの説明図である。
第15図は、keepとvirtual diskの間の依存関係の説明図
である。第16図は、virtual diskからkeepへのパスの説
明図である。第17図は、共起関係の説明図である。第18
図は、知識ベース中の依存構造の説明図である。第19図
は、知識ベース中の共起関係の説明図である。第20図
は、知識ベース中の階層関係の説明図である。第21図
は、パスと文の間の共起関係に関する説明図である。第
22図は、文脈データの依存構造の説明図である。第23図
は、文脈データにおけるパスの説明図である。
───────────────────────────────────────────────────── フロントページの続き (56)参考文献 特開 平2−59962(JP,A) 特開 昭63−219073(JP,A) 「技術抄録文からの関係情報の自動抽 出」情報処理学会論文誌 Vol.25 No.2(1984)
Claims (25)
- 【請求項1】コンピュータ・システムにおいて自動処理
可能な自然言語解析装置であって、 (a)文の中での語彙の依存関係を表わす第一種の木並
びに語彙の上位/下位関係である階層関係及び類義関係
を表す第二種の木を蓄積する知識ベース手段、 (b)語彙の入力に応答して、該語彙の現れる第一種の
木の識別データ及び該第一種の木の中での該語彙の位置
データ並びに該語彙を下位語として含む第二種の木の識
別データを出力するためのテーブル手段、 (c)入力された文の構造が一義的であるか多義的であ
るかどうかを判定する手段、 (d)構造的に多義的であると判定された文について
は、複数の可能な依存関係の各々について、修飾語と被
修飾語のペアを抽出する手段、 (e)ペア毎にペアを構造する語彙について、テーブル
手段を利用して、知識ベース手段に蓄積されている第一
種の木及び第二種の木を調べ、該語彙を両端とし、かつ
第一種の木に現れる語彙の一部を含んでなるパスを決定
する手段、 (f)ペア毎に、決定されたパスによって導き出せる依
存関係の数と複数の制約値とに基づいて、距離を計算す
る手段、及び (g)ペア毎に求まった距離に基づいて、最尤の依存関
係を決定する手段 を具備する自然言語解析装置。 - 【請求項2】(h)上記手段(g)によって決定された
最尤の依存関係を含む、入力文に関する第一種の木を上
記知識ベース手段(a)に蓄積し、且つこれに応じて上
記テーブル手段(b)を更新する手段を具備する請求項
1記載の自然言語解析装置。 - 【請求項3】上記知識ベース手段(a)は、上記手段
(h)の追加する文脈依存関係データを学習データと区
別して蓄積する請求項2記載の自然言語解析装置。 - 【請求項4】上記テーブル手段(b)は、文脈依存関係
データ用を学習データ用と分けている請求項2記載の自
然言語解析装置。 - 【請求項5】上記第一種の木には、依存関係毎に深層格
のデータが与えられている請求項1記載の自然言語解析
装置。 - 【請求項6】上記手段(f)において、制約値の1つが
文脈制約値である請求項1記載の自然言語解析装置。 - 【請求項7】上記手段(f)において、制約値の1つが
格制約値である請求項1記載の自然言語解析装置。 - 【請求項8】上記手段(f)において、制約値の1つが
共起制約値である請求項1記載の自然言語解析装置。 - 【請求項9】上記第二種の木は上位語と下位語に相当す
る二つのノードのみを持つisa木であり、 上記手段(e)は、ペアを構成する語彙の上位語が出力
されたなら、更にその上位語を下位語として含むisa木
を探すことを繰返すことにより、上位語の連鎖を出力す
る請求項1記載の自然言語解析装置。 - 【請求項10】上位/下位関係を二本のisa木で表わす
請求項1記載の自然言語解析装置。 - 【請求項11】文の中での語彙の依存関係を表す第一種
の木並びに語彙の上位/下位関係である階層関係及び類
義関係を表す第二種の木を蓄積する知識ベースと、語彙
の入力に応答して、該語彙の現れる第一種の木の識別デ
ータ及び該第一種の木の中での該語彙の位置データ並び
に該語彙を下位語として含む第二種の木の識別データを
出力するためのテーブルとを備えたコンピュータ・シス
テムにおいて用いる方法であって、 (a)入力された文の構造が一義的であるか多義的であ
るかどうかを判定するステップ、 (b)構造的に多義的であると判定された文について
は、複数の可能な依存関係の各々について、修飾語と被
修飾語のペアを抽出するステップ、 (c)ペア毎にペアを構成する語彙について、テーブル
を利用して、知識ベースに蓄積されている第一種の木及
び第二種の木を調べ、該語彙を両端とし、かつ第一種の
木に現れる語彙の一部を含んでなるパスを決定するステ
ップ、 (d)ペア毎に、決定されたパスによって導き出せる依
存関係の数と複数の制約値とに基づいて、距離を計算す
るステップ、及び (e)ペア毎に求まった距離に基づいて、最尤の依存関
係を決定するステップを具備する自然言語解析方法。 - 【請求項12】(f)上記ステップ(e)によって決定
された最尤の依存関係を含む、入力文に関する第一種の
木を上記知識ベースに蓄積し、且つこれに応じて上記テ
ーブルを更新するステップを具備する請求項11記載の自
然言語解析方法。 - 【請求項13】上記知識ベースは、上記ステップ(f)
で追加される文脈依存関係データを学習データと区別し
て蓄積する請求項12記載の自然言語解析方法。 - 【請求項14】上記テーブルは、文脈依存関係データ用
を学習データ用と分けている請求項12記載の自然言語解
析方法。 - 【請求項15】上記第一種の木には、依存関係毎に深層
格のデータが与えられている請求項11記載の自然言語解
析方法。 - 【請求項16】上記ステップ(d)において、制約値の
1つが文脈制約値である請求項11記載の自然言語解析方
法。 - 【請求項17】上記ステップ(d)において、制約値の
1つが格制約値である請求項11記載の自然言語解析方
法。 - 【請求項18】上記ステップ(d)において、制約値の
1つが共起制約値である請求項11記載の自然言語解析方
法。 - 【請求項19】上記第二種の木は上位語と下位語に相当
する二つのノードのみを持つisa木であり、 上記ステップ(c)は、ペアを構成する語彙の上位語が
出力されたなら、更にその上位語を下位語として含むis
a木を探すことを繰返すことにより、上位語の連鎖を出
力する請求項11記載の自然言語解析方法。 - 【請求項20】上位/下位関係を二本のisa木で表わす
請求項11記載の自然言語解析方法。 - 【請求項21】コンピュータ・システムにおいて自動処
理可能な自然言語解析用の知識ベース構築方法であっ
て、 (a)文の中での語彙の依存関係を表す第一種の木並び
に語彙の上位/下位関係である階層関係及び類義関係を
表す第二種の木を蓄積する知識ベース、及び、語彙の入
力に応答して、該語彙の現れる第一種の木の識別データ
及び該第一種の木の中での該語彙の位置データ並びに該
語彙を下位語として含む第二種の木の識別データを出力
するためのテーブルを設け、 (b)上記テーブルを利用して、入力文の複数の可能な
依存関係の候補の中から、上記知識ベースに蓄積されて
いる第一種の木及び第二種の木に基づいて、入力された
語彙を含むパスを探索し、該パスによって導き出せる依
存関係の数と複数の制約値とに基づいて最尤の依存関係
を決定し、 (c)決定された最尤の依存関係を含む入力文に関する
第一種の木を上記知識ベースに蓄積する 自然言語解析用の知識ベース構築方法。 - 【請求項22】上記知識ベースは、上記ステップ(c)
で追加された文脈依存関係データを学習データと区別し
て蓄積する請求項21記載の自然言語解析用の知識ベース
構築方法。 - 【請求項23】コンピュータ・システムにおいて自動処
理可能な自然言語解析用の知識ベース構築方法であっ
て、 (a)文の中での語彙の依存関係を表す第一種の木並び
に語彙の上位/下位関係である階層関係及び類義関係を
表す第二種の木を蓄積する知識ベース、及び、語彙の入
力に応答して、該語彙の現れる第一種の木の識別データ
及び該第一種の木の中での該語彙の位置データ並びに該
語彙を下位語として含む第二種の木の識別データを出力
するためのテーブルを設け、 (b)上記テーブルを利用して、入力文の複数の可能な
依存関係の候補の中から、上記知識ベースに蓄積されて
いる第一種の木及び第二種の木に基づいて、入力された
語彙を含むパスを探索し、該パスによって導き出せる依
存関係の数と複数の制約値とに基づいて最尤の依存関係
を決定し、 (c)決定された最尤の依存関係を含む入力文に関する
第一種の木を上記知識ベースに蓄積し、且つこれに応じ
て上記テーブルを更新する 自然言語解析用の知識ベース構築方法。 - 【請求項24】上記知識ベースは、上記ステップ(c)
で追加された文脈依存関係データを学習データと区別し
て蓄積する請求項23記載の自然言語解析用の知識ベース
構築方法。 - 【請求項25】上記テーブルは、文脈依存関係データ用
を学習データ用と分けている請求項23記載の自然言語解
析用の知識ベース構築方法。
Priority Applications (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP15557090A JP3266246B2 (ja) | 1990-06-15 | 1990-06-15 | 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法 |
US07/714,408 US5424947A (en) | 1990-06-15 | 1991-06-12 | Natural language analyzing apparatus and method, and construction of a knowledge base for natural language analysis |
EP19910305412 EP0467527A3 (en) | 1990-06-15 | 1991-06-14 | Natural language apparatus and method and construction of a knowledge base for natural language analysis |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP15557090A JP3266246B2 (ja) | 1990-06-15 | 1990-06-15 | 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
JPH0447364A JPH0447364A (ja) | 1992-02-17 |
JP3266246B2 true JP3266246B2 (ja) | 2002-03-18 |
Family
ID=15608932
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP15557090A Expired - Fee Related JP3266246B2 (ja) | 1990-06-15 | 1990-06-15 | 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法 |
Country Status (3)
Country | Link |
---|---|
US (1) | US5424947A (ja) |
EP (1) | EP0467527A3 (ja) |
JP (1) | JP3266246B2 (ja) |
Families Citing this family (264)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5675815A (en) * | 1992-11-09 | 1997-10-07 | Ricoh Company, Ltd. | Language conversion system and text creating system using such |
JP2821840B2 (ja) * | 1993-04-28 | 1998-11-05 | 日本アイ・ビー・エム株式会社 | 機械翻訳装置 |
JP2796690B2 (ja) * | 1993-05-25 | 1998-09-10 | 株式会社エイ・ティ・アール自動翻訳電話研究所 | 用例主導型自然言語解析装置 |
JPH07182465A (ja) * | 1993-12-22 | 1995-07-21 | Hitachi Ltd | 文字認識方法 |
CA2148028A1 (en) * | 1994-05-25 | 1995-11-26 | Deborah L. Mcguinness | Knowledge base management system with dependency information for procedural tests |
JPH0869470A (ja) * | 1994-06-21 | 1996-03-12 | Canon Inc | 自然言語処理装置及びその方法 |
US5799268A (en) * | 1994-09-28 | 1998-08-25 | Apple Computer, Inc. | Method for extracting knowledge from online documentation and creating a glossary, index, help database or the like |
US5682539A (en) * | 1994-09-29 | 1997-10-28 | Conrad; Donovan | Anticipated meaning natural language interface |
JP2855409B2 (ja) * | 1994-11-17 | 1999-02-10 | 日本アイ・ビー・エム株式会社 | 自然言語処理方法及びシステム |
US5887120A (en) | 1995-05-31 | 1999-03-23 | Oracle Corporation | Method and apparatus for determining theme for discourse |
US5983169A (en) * | 1995-11-13 | 1999-11-09 | Japan Science And Technology Corporation | Method for automated translation of conjunctive phrases in natural languages |
JP2987099B2 (ja) * | 1996-03-27 | 1999-12-06 | 株式会社日立国際ビジネス | 文書作成支援システム及び用語辞書 |
US5848386A (en) * | 1996-05-28 | 1998-12-08 | Ricoh Company, Ltd. | Method and system for translating documents using different translation resources for different portions of the documents |
US5966686A (en) * | 1996-06-28 | 1999-10-12 | Microsoft Corporation | Method and system for computing semantic logical forms from syntax trees |
US5878385A (en) * | 1996-09-16 | 1999-03-02 | Ergo Linguistic Technologies | Method and apparatus for universal parsing of language |
US5841895A (en) * | 1996-10-25 | 1998-11-24 | Pricewaterhousecoopers, Llp | Method for learning local syntactic relationships for use in example-based information-extraction-pattern learning |
US5991712A (en) * | 1996-12-05 | 1999-11-23 | Sun Microsystems, Inc. | Method, apparatus, and product for automatic generation of lexical features for speech recognition systems |
US6076051A (en) * | 1997-03-07 | 2000-06-13 | Microsoft Corporation | Information retrieval utilizing semantic representation of text |
US5822743A (en) * | 1997-04-08 | 1998-10-13 | 1215627 Ontario Inc. | Knowledge-based information retrieval system |
US5991710A (en) * | 1997-05-20 | 1999-11-23 | International Business Machines Corporation | Statistical translation system with features based on phrases or groups of words |
US6016467A (en) * | 1997-05-27 | 2000-01-18 | Digital Equipment Corporation | Method and apparatus for program development using a grammar-sensitive editor |
US5930788A (en) * | 1997-07-17 | 1999-07-27 | Oracle Corporation | Disambiguation of themes in a document classification system |
US6098033A (en) * | 1997-07-31 | 2000-08-01 | Microsoft Corporation | Determining similarity between words |
US6138085A (en) * | 1997-07-31 | 2000-10-24 | Microsoft Corporation | Inferring semantic relations |
US6098042A (en) * | 1998-01-30 | 2000-08-01 | International Business Machines Corporation | Homograph filter for speech synthesis system |
EP0962873A1 (en) * | 1998-06-02 | 1999-12-08 | International Business Machines Corporation | Processing of textual information and automated apprehension of information |
US6912523B2 (en) * | 1998-08-18 | 2005-06-28 | Mitsubishi Denki Kabushiki Kaisha | Object data retrieving device, object data retrieving method, and computer-readable recording medium containing recorder data |
US6499013B1 (en) * | 1998-09-09 | 2002-12-24 | One Voice Technologies, Inc. | Interactive user interface using speech recognition and natural language processing |
US6167370A (en) * | 1998-09-09 | 2000-12-26 | Invention Machine Corporation | Document semantic analysis/selection with knowledge creativity capability utilizing subject-action-object (SAO) structures |
DE19910621C2 (de) | 1999-03-10 | 2001-01-25 | Thomas Poetter | Vorrichtung und Verfahren zum Verbergen von Informationen und Vorrichtung und Verfahren zum Extrahieren von Informationen |
US6405211B1 (en) | 1999-07-08 | 2002-06-11 | Cohesia Corporation | Object-oriented representation of technical content and management, filtering, and synthesis of technical content using object-oriented representations |
JP2001051997A (ja) * | 1999-08-11 | 2001-02-23 | Sony Corp | 文書データ作成装置、文書データ作成方法、及び記録媒体 |
US7233891B2 (en) * | 1999-08-24 | 2007-06-19 | Virtural Research Associates, Inc. | Natural language sentence parser |
JP2001075957A (ja) * | 1999-08-24 | 2001-03-23 | Internatl Business Mach Corp <Ibm> | 自然言語構造の表示方法及び装置 |
US6876991B1 (en) | 1999-11-08 | 2005-04-05 | Collaborative Decision Platforms, Llc. | System, method and computer program product for a collaborative decision platform |
US8645137B2 (en) | 2000-03-16 | 2014-02-04 | Apple Inc. | Fast, language-independent method for user authentication by voice |
US7120574B2 (en) * | 2000-04-03 | 2006-10-10 | Invention Machine Corporation | Synonym extension of search queries with validation |
US20020016707A1 (en) * | 2000-04-04 | 2002-02-07 | Igor Devoino | Modeling of graphic images from text |
US7962326B2 (en) * | 2000-04-20 | 2011-06-14 | Invention Machine Corporation | Semantic answering system and method |
AU2001255634A1 (en) * | 2000-04-25 | 2001-11-07 | Invention Machine Corporation, Inc. | Creation of tree-based and customized industry-oriented knowledge base |
AU2001271891A1 (en) * | 2000-07-07 | 2002-01-21 | Criticalpoint Software Corporation | Methods and system for generating and searching ontology databases |
US6741988B1 (en) | 2000-08-11 | 2004-05-25 | Attensity Corporation | Relational text index creation and searching |
US6728707B1 (en) | 2000-08-11 | 2004-04-27 | Attensity Corporation | Relational text index creation and searching |
US6732097B1 (en) | 2000-08-11 | 2004-05-04 | Attensity Corporation | Relational text index creation and searching |
US6738765B1 (en) | 2000-08-11 | 2004-05-18 | Attensity Corporation | Relational text index creation and searching |
US6732098B1 (en) | 2000-08-11 | 2004-05-04 | Attensity Corporation | Relational text index creation and searching |
US7171349B1 (en) | 2000-08-11 | 2007-01-30 | Attensity Corporation | Relational text index creation and searching |
US6461166B1 (en) | 2000-10-17 | 2002-10-08 | Dennis Ray Berman | Learning system with learner-constructed response based testing methodology |
US7146308B2 (en) * | 2001-04-05 | 2006-12-05 | Dekang Lin | Discovery of inference rules from text |
US7050964B2 (en) * | 2001-06-01 | 2006-05-23 | Microsoft Corporation | Scaleable machine translation system |
US7734459B2 (en) * | 2001-06-01 | 2010-06-08 | Microsoft Corporation | Automatic extraction of transfer mappings from bilingual corpora |
US9009590B2 (en) * | 2001-07-31 | 2015-04-14 | Invention Machines Corporation | Semantic processor for recognition of cause-effect relations in natural language documents |
US7074128B2 (en) | 2001-08-03 | 2006-07-11 | Drb Lit Ltd. | Method and system for enhancing memorization by using a mnemonic display |
US20070265834A1 (en) * | 2001-09-06 | 2007-11-15 | Einat Melnick | In-context analysis |
ITFI20010199A1 (it) | 2001-10-22 | 2003-04-22 | Riccardo Vieri | Sistema e metodo per trasformare in voce comunicazioni testuali ed inviarle con una connessione internet a qualsiasi apparato telefonico |
US7113905B2 (en) * | 2001-12-20 | 2006-09-26 | Microsoft Corporation | Method and apparatus for determining unbounded dependencies during syntactic parsing |
US7398209B2 (en) * | 2002-06-03 | 2008-07-08 | Voicebox Technologies, Inc. | Systems and methods for responding to natural language speech utterance |
US7693720B2 (en) | 2002-07-15 | 2010-04-06 | Voicebox Technologies, Inc. | Mobile systems and methods for responding to natural language speech utterance |
US20040167886A1 (en) * | 2002-12-06 | 2004-08-26 | Attensity Corporation | Production of role related information from free text sources utilizing thematic caseframes |
EP2017828A1 (en) * | 2002-12-10 | 2009-01-21 | Kirusa, Inc. | Techniques for disambiguating speech input using multimodal interfaces |
US7357640B2 (en) * | 2003-07-02 | 2008-04-15 | Drb Lit Ltd. | Lock-In Training system |
US7813916B2 (en) | 2003-11-18 | 2010-10-12 | University Of Utah | Acquisition and application of contextual role knowledge for coreference resolution |
TWM249950U (en) * | 2004-01-02 | 2004-11-11 | Cvc Technologies Inc | Cap tightening machine capable of controlling tightening torque |
WO2005091170A1 (ja) * | 2004-03-18 | 2005-09-29 | Nec Corporation | テキストマイニング装置、その方法及びプログラム |
US7364432B2 (en) * | 2004-03-31 | 2008-04-29 | Drb Lit Ltd. | Methods of selecting Lock-In Training courses and sessions |
US7702500B2 (en) * | 2004-11-24 | 2010-04-20 | Blaedow Karen R | Method and apparatus for determining the meaning of natural language |
FR2885712B1 (fr) * | 2005-05-12 | 2007-07-13 | Kabire Fidaali | Dispositif et procede d'analyse semantique de documents par constitution d'arbres n-aire et semantique |
EP1889181A4 (en) * | 2005-05-16 | 2009-12-02 | Ebay Inc | METHOD AND SYSTEM FOR SEARCHING SEARCH |
WO2007015505A1 (ja) * | 2005-08-04 | 2007-02-08 | Nec Corporation | データ処理装置、データ処理方法、データ処理プログラム |
US7640160B2 (en) | 2005-08-05 | 2009-12-29 | Voicebox Technologies, Inc. | Systems and methods for responding to natural language speech utterance |
US7620549B2 (en) | 2005-08-10 | 2009-11-17 | Voicebox Technologies, Inc. | System and method of supporting adaptive misrecognition in conversational speech |
US7949529B2 (en) | 2005-08-29 | 2011-05-24 | Voicebox Technologies, Inc. | Mobile systems and methods of supporting natural language human-machine interactions |
US7634409B2 (en) * | 2005-08-31 | 2009-12-15 | Voicebox Technologies, Inc. | Dynamic speech sharpening |
US8677377B2 (en) | 2005-09-08 | 2014-03-18 | Apple Inc. | Method and apparatus for building an intelligent automated assistant |
US7633076B2 (en) | 2005-09-30 | 2009-12-15 | Apple Inc. | Automated response to and sensing of user activity in portable devices |
JP4752470B2 (ja) * | 2005-12-01 | 2011-08-17 | 国産電機株式会社 | モータ |
US8195683B2 (en) * | 2006-02-28 | 2012-06-05 | Ebay Inc. | Expansion of database search queries |
US20090112583A1 (en) * | 2006-03-07 | 2009-04-30 | Yousuke Sakao | Language Processing System, Language Processing Method and Program |
US8423348B2 (en) * | 2006-03-08 | 2013-04-16 | Trigent Software Ltd. | Pattern generation |
US9318108B2 (en) | 2010-01-18 | 2016-04-19 | Apple Inc. | Intelligent automated assistant |
US8073681B2 (en) | 2006-10-16 | 2011-12-06 | Voicebox Technologies, Inc. | System and method for a cooperative conversational voice user interface |
US8041730B1 (en) * | 2006-10-24 | 2011-10-18 | Google Inc. | Using geographic data to identify correlated geographic synonyms |
US8065307B2 (en) * | 2006-12-20 | 2011-11-22 | Microsoft Corporation | Parsing, analysis and scoring of document content |
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 |
US7890521B1 (en) | 2007-02-07 | 2011-02-15 | Google Inc. | Document-based synonym generation |
US20080221870A1 (en) * | 2007-03-08 | 2008-09-11 | Yahoo! Inc. | System and method for revising natural language parse trees |
US8977255B2 (en) | 2007-04-03 | 2015-03-10 | Apple Inc. | Method and system for operating a multi-function portable electronic device using voice-activation |
US20090024385A1 (en) * | 2007-07-16 | 2009-01-22 | Semgine, Gmbh | Semantic parser |
US9053089B2 (en) | 2007-10-02 | 2015-06-09 | Apple Inc. | Part-of-speech tagging using latent analogy |
US8620662B2 (en) | 2007-11-20 | 2013-12-31 | Apple Inc. | Context-aware unit selection |
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 |
US10002189B2 (en) | 2007-12-20 | 2018-06-19 | Apple Inc. | Method and apparatus for searching using an active ontology |
US9330720B2 (en) | 2008-01-03 | 2016-05-03 | Apple Inc. | Methods and apparatus for altering audio output signals |
US8065143B2 (en) | 2008-02-22 | 2011-11-22 | Apple Inc. | Providing text input using speech data and non-speech data |
US8996376B2 (en) | 2008-04-05 | 2015-03-31 | Apple Inc. | Intelligent text-to-speech conversion |
US10496753B2 (en) | 2010-01-18 | 2019-12-03 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
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 |
US8589161B2 (en) | 2008-05-27 | 2013-11-19 | Voicebox Technologies, Inc. | System and method for an integrated, multi-modal, multi-device natural language voice services environment |
US8082248B2 (en) * | 2008-05-29 | 2011-12-20 | Rania Abouyounes | Method and system for document classification based on document structure and written style |
US8738360B2 (en) | 2008-06-06 | 2014-05-27 | Apple Inc. | Data detection of a character sequence having multiple possible data types |
US8311806B2 (en) * | 2008-06-06 | 2012-11-13 | Apple Inc. | Data detection in a sequence of tokens using decision tree reductions |
US8464150B2 (en) | 2008-06-07 | 2013-06-11 | Apple Inc. | Automatic language identification for dynamic text processing |
US20100030549A1 (en) | 2008-07-31 | 2010-02-04 | Lee Michael M | Mobile device having human language translation capability with positional feedback |
US8768702B2 (en) | 2008-09-05 | 2014-07-01 | Apple Inc. | Multi-tiered voice feedback in an electronic device |
US8898568B2 (en) | 2008-09-09 | 2014-11-25 | Apple Inc. | Audio user interface |
US8712776B2 (en) | 2008-09-29 | 2014-04-29 | Apple Inc. | Systems and methods for selective text to speech synthesis |
US8583418B2 (en) | 2008-09-29 | 2013-11-12 | Apple Inc. | Systems and methods of detecting language and natural language strings for text to speech synthesis |
US8676904B2 (en) | 2008-10-02 | 2014-03-18 | Apple Inc. | Electronic devices with voice command and contextual data processing capabilities |
JP5282528B2 (ja) * | 2008-11-04 | 2013-09-04 | 富士通株式会社 | 翻訳支援プログラム、翻訳支援装置、および翻訳支援方法 |
US8489388B2 (en) | 2008-11-10 | 2013-07-16 | Apple Inc. | Data detection |
US9959870B2 (en) | 2008-12-11 | 2018-05-01 | Apple Inc. | Speech recognition involving a mobile device |
US8862252B2 (en) | 2009-01-30 | 2014-10-14 | Apple Inc. | Audio user interface for displayless electronic device |
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 |
US20100228538A1 (en) * | 2009-03-03 | 2010-09-09 | Yamada John A | Computational linguistic systems and methods |
US8380507B2 (en) | 2009-03-09 | 2013-02-19 | Apple Inc. | Systems and methods for determining the language to use for speech generated by a text to speech engine |
KR20110134909A (ko) * | 2009-03-13 | 2011-12-15 | 인벤션 머신 코포레이션 | 텍스트 문서들 및 사용자 질문들의 의미적 라벨링에 기초한 질문-응답 시스템 및 방법 |
CN101876981B (zh) * | 2009-04-29 | 2015-09-23 | 阿里巴巴集团控股有限公司 | 一种构建知识库的方法及装置 |
US10241644B2 (en) | 2011-06-03 | 2019-03-26 | Apple Inc. | Actionable reminder entries |
US10540976B2 (en) | 2009-06-05 | 2020-01-21 | Apple Inc. | Contextual voice commands |
US20120311585A1 (en) | 2011-06-03 | 2012-12-06 | Apple Inc. | Organizing task items that represent tasks to perform |
US10241752B2 (en) | 2011-09-30 | 2019-03-26 | Apple Inc. | Interface for a virtual digital assistant |
US9858925B2 (en) | 2009-06-05 | 2018-01-02 | Apple Inc. | Using context information to facilitate processing of commands in a virtual assistant |
US9431006B2 (en) | 2009-07-02 | 2016-08-30 | Apple Inc. | Methods and apparatuses for automatic speech recognition |
WO2011059997A1 (en) | 2009-11-10 | 2011-05-19 | Voicebox Technologies, Inc. | System and method for providing a natural language content dedication service |
US9171541B2 (en) | 2009-11-10 | 2015-10-27 | Voicebox Technologies Corporation | System and method for hybrid processing in a natural language voice services environment |
US8682649B2 (en) | 2009-11-12 | 2014-03-25 | Apple Inc. | Sentiment prediction from textual data |
US8600743B2 (en) | 2010-01-06 | 2013-12-03 | Apple Inc. | Noise profile determination for voice-related feature |
US8381107B2 (en) | 2010-01-13 | 2013-02-19 | Apple Inc. | Adaptive audio feedback system and method |
US8311838B2 (en) | 2010-01-13 | 2012-11-13 | Apple Inc. | Devices and methods for identifying a prompt corresponding to a voice input in a sequence of prompts |
US10679605B2 (en) | 2010-01-18 | 2020-06-09 | Apple Inc. | Hands-free list-reading by intelligent automated assistant |
US10705794B2 (en) | 2010-01-18 | 2020-07-07 | Apple Inc. | Automatically adapting user interfaces for hands-free interaction |
US10276170B2 (en) | 2010-01-18 | 2019-04-30 | Apple Inc. | Intelligent automated assistant |
US10553209B2 (en) | 2010-01-18 | 2020-02-04 | Apple Inc. | Systems and methods for hands-free notification summaries |
DE202011111062U1 (de) | 2010-01-25 | 2019-02-19 | Newvaluexchange Ltd. | Vorrichtung und System für eine Digitalkonversationsmanagementplattform |
US8682667B2 (en) | 2010-02-25 | 2014-03-25 | Apple Inc. | User profiling for selecting user specific voice input processing information |
US20110239146A1 (en) * | 2010-03-23 | 2011-09-29 | Lala Dutta | Automatic event generation |
US8713021B2 (en) | 2010-07-07 | 2014-04-29 | Apple Inc. | Unsupervised document clustering using latent semantic density analysis |
US8719006B2 (en) | 2010-08-27 | 2014-05-06 | Apple Inc. | Combined statistical and rule-based part-of-speech tagging for text-to-speech synthesis |
US8719014B2 (en) | 2010-09-27 | 2014-05-06 | Apple Inc. | Electronic device with text error correction based on voice recognition data |
US10762293B2 (en) | 2010-12-22 | 2020-09-01 | Apple Inc. | Using parts-of-speech tagging and named entity recognition for spelling correction |
US10515147B2 (en) | 2010-12-22 | 2019-12-24 | Apple Inc. | Using statistical language models for contextual lookup |
US8781836B2 (en) | 2011-02-22 | 2014-07-15 | Apple Inc. | Hearing assistance system for providing consistent human speech |
US9262612B2 (en) | 2011-03-21 | 2016-02-16 | Apple Inc. | Device access using voice authentication |
US10672399B2 (en) | 2011-06-03 | 2020-06-02 | Apple Inc. | Switching between text data and audio data based on a mapping |
US10057736B2 (en) | 2011-06-03 | 2018-08-21 | Apple Inc. | Active transport based notifications |
US8812294B2 (en) | 2011-06-21 | 2014-08-19 | Apple Inc. | Translating phrases from one language into another using an order-based set of declarative rules |
US8706472B2 (en) | 2011-08-11 | 2014-04-22 | Apple Inc. | Method for disambiguating multiple readings in language conversion |
US8994660B2 (en) | 2011-08-29 | 2015-03-31 | Apple Inc. | Text correction processing |
US8762156B2 (en) | 2011-09-28 | 2014-06-24 | Apple Inc. | Speech recognition repair using contextual information |
CN103198057B (zh) * | 2012-01-05 | 2017-11-07 | 深圳市世纪光速信息技术有限公司 | 一种自动给文档添加标签的方法和装置 |
US10134385B2 (en) | 2012-03-02 | 2018-11-20 | Apple Inc. | Systems and methods for name pronunciation |
US9483461B2 (en) | 2012-03-06 | 2016-11-01 | Apple Inc. | Handling speech synthesis of content for multiple languages |
US9280610B2 (en) | 2012-05-14 | 2016-03-08 | Apple Inc. | Crowd sourcing information to fulfill user requests |
US10417037B2 (en) | 2012-05-15 | 2019-09-17 | Apple Inc. | Systems and methods for integrating third party services with a digital assistant |
US8775442B2 (en) | 2012-05-15 | 2014-07-08 | Apple Inc. | Semantic search using a single-source semantic model |
US9721563B2 (en) | 2012-06-08 | 2017-08-01 | Apple Inc. | Name recognition system |
WO2013185109A2 (en) | 2012-06-08 | 2013-12-12 | Apple Inc. | Systems and methods for recognizing textual identifiers within a plurality of words |
US9495129B2 (en) | 2012-06-29 | 2016-11-15 | Apple Inc. | Device, method, and user interface for voice-activated navigation and browsing of a document |
US9576574B2 (en) | 2012-09-10 | 2017-02-21 | Apple Inc. | Context-sensitive handling of interruptions by intelligent digital assistant |
US9547647B2 (en) | 2012-09-19 | 2017-01-17 | Apple Inc. | Voice-based media searching |
US8935167B2 (en) | 2012-09-25 | 2015-01-13 | Apple Inc. | Exemplar-based latent perceptual modeling for automatic speech recognition |
WO2014071330A2 (en) | 2012-11-02 | 2014-05-08 | Fido Labs Inc. | Natural language processing system and method |
US9772995B2 (en) * | 2012-12-27 | 2017-09-26 | Abbyy Development Llc | Finding an appropriate meaning of an entry in a text |
US10199051B2 (en) | 2013-02-07 | 2019-02-05 | Apple Inc. | Voice trigger for a digital assistant |
US9965461B2 (en) | 2013-03-01 | 2018-05-08 | The Software Shop, Inc. | Systems and methods for improving the efficiency of syntactic and semantic analysis in automated processes for natural language understanding using argument ordering |
US9368114B2 (en) | 2013-03-14 | 2016-06-14 | Apple Inc. | Context-sensitive handling of interruptions |
US9733821B2 (en) | 2013-03-14 | 2017-08-15 | Apple Inc. | Voice control to diagnose inadvertent activation of accessibility features |
US10652394B2 (en) | 2013-03-14 | 2020-05-12 | Apple Inc. | System and method for processing voicemail |
US9977779B2 (en) | 2013-03-14 | 2018-05-22 | Apple Inc. | Automatic supplementation of word correction dictionaries |
US10572476B2 (en) | 2013-03-14 | 2020-02-25 | Apple Inc. | Refining a search based on schedule items |
US10642574B2 (en) | 2013-03-14 | 2020-05-05 | Apple Inc. | Device, method, and graphical user interface for outputting captions |
KR102057795B1 (ko) | 2013-03-15 | 2019-12-19 | 애플 인크. | 콘텍스트-민감성 방해 처리 |
US10748529B1 (en) | 2013-03-15 | 2020-08-18 | Apple Inc. | Voice activated device for use with a voice-based digital assistant |
CN110096712B (zh) | 2013-03-15 | 2023-06-20 | 苹果公司 | 通过智能数字助理的用户培训 |
CN105027197B (zh) | 2013-03-15 | 2018-12-14 | 苹果公司 | 训练至少部分语音命令系统 |
WO2014144579A1 (en) | 2013-03-15 | 2014-09-18 | Apple Inc. | System and method for updating an adaptive speech recognition model |
WO2014197336A1 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for detecting errors in interactions with a voice-based digital assistant |
US9582608B2 (en) | 2013-06-07 | 2017-02-28 | Apple Inc. | Unified ranking with entropy-weighted information for phrase-based semantic auto-completion |
WO2014197334A2 (en) | 2013-06-07 | 2014-12-11 | Apple Inc. | System and method for user-specified pronunciation of words for speech synthesis and recognition |
WO2014197335A1 (en) | 2013-06-08 | 2014-12-11 | Apple Inc. | Interpreting and acting upon commands that involve sharing information with remote devices |
CN110442699A (zh) | 2013-06-09 | 2019-11-12 | 苹果公司 | 操作数字助理的方法、计算机可读介质、电子设备和系统 |
US10176167B2 (en) | 2013-06-09 | 2019-01-08 | Apple Inc. | System and method for inferring user intent from speech inputs |
KR101809808B1 (ko) | 2013-06-13 | 2017-12-15 | 애플 인크. | 음성 명령에 의해 개시되는 긴급 전화를 걸기 위한 시스템 및 방법 |
DE112014003653B4 (de) | 2013-08-06 | 2024-04-18 | Apple Inc. | Automatisch aktivierende intelligente Antworten auf der Grundlage von Aktivitäten von entfernt angeordneten Vorrichtungen |
JP6062829B2 (ja) * | 2013-08-26 | 2017-01-18 | 日本電信電話株式会社 | 係り受け関係解析パラメータ学習装置、係り受け関係解析装置、方法、及びプログラム |
US10296160B2 (en) | 2013-12-06 | 2019-05-21 | Apple Inc. | Method for extracting salient dialog usage from live data |
US9620105B2 (en) | 2014-05-15 | 2017-04-11 | Apple Inc. | Analyzing audio input for efficient speech and music recognition |
CN104142917B (zh) * | 2014-05-21 | 2018-05-01 | 北京师范大学 | 一种用于语言理解的层次语义树构建方法及系统 |
US10592095B2 (en) | 2014-05-23 | 2020-03-17 | Apple Inc. | Instantaneous speaking of content on touch devices |
US9502031B2 (en) | 2014-05-27 | 2016-11-22 | Apple Inc. | Method for supporting dynamic grammars in WFST-based ASR |
US9715875B2 (en) | 2014-05-30 | 2017-07-25 | Apple Inc. | Reducing the need for manual start/end-pointing and trigger phrases |
US9842101B2 (en) | 2014-05-30 | 2017-12-12 | Apple Inc. | Predictive conversion of language input |
US9734193B2 (en) | 2014-05-30 | 2017-08-15 | Apple Inc. | Determining domain salience ranking from ambiguous words in natural speech |
US10170123B2 (en) | 2014-05-30 | 2019-01-01 | Apple Inc. | Intelligent assistant for home automation |
US9430463B2 (en) | 2014-05-30 | 2016-08-30 | Apple Inc. | Exemplar-based natural language processing |
EP3480811A1 (en) | 2014-05-30 | 2019-05-08 | Apple Inc. | Multi-command single utterance input method |
US9760559B2 (en) | 2014-05-30 | 2017-09-12 | Apple Inc. | Predictive text input |
US10289433B2 (en) | 2014-05-30 | 2019-05-14 | Apple Inc. | Domain specific language for encoding assistant dialog |
US10078631B2 (en) | 2014-05-30 | 2018-09-18 | Apple Inc. | Entropy-guided text prediction using combined word and character n-gram language models |
US9785630B2 (en) | 2014-05-30 | 2017-10-10 | Apple Inc. | Text prediction using combined word N-gram and unigram language models |
US9633004B2 (en) | 2014-05-30 | 2017-04-25 | Apple Inc. | Better resolution when referencing to concepts |
US9338493B2 (en) | 2014-06-30 | 2016-05-10 | Apple Inc. | Intelligent automated assistant for TV user interactions |
US10659851B2 (en) | 2014-06-30 | 2020-05-19 | Apple Inc. | Real-time digital assistant knowledge updates |
US10446141B2 (en) | 2014-08-28 | 2019-10-15 | Apple Inc. | Automatic speech recognition based on user feedback |
US9818400B2 (en) | 2014-09-11 | 2017-11-14 | Apple Inc. | Method and apparatus for discovering trending terms in speech requests |
US10789041B2 (en) | 2014-09-12 | 2020-09-29 | Apple Inc. | Dynamic thresholds for always listening speech trigger |
US9898459B2 (en) | 2014-09-16 | 2018-02-20 | Voicebox Technologies Corporation | Integration of domain information into state transitions of a finite state transducer for natural language processing |
CN107003996A (zh) | 2014-09-16 | 2017-08-01 | 声钰科技 | 语音商务 |
US10074360B2 (en) | 2014-09-30 | 2018-09-11 | Apple Inc. | Providing an indication of the suitability of speech recognition |
US9646609B2 (en) | 2014-09-30 | 2017-05-09 | Apple Inc. | Caching apparatus for serving phonetic pronunciations |
US9886432B2 (en) | 2014-09-30 | 2018-02-06 | Apple Inc. | Parsimonious handling of word inflection via categorical stem + suffix N-gram language models |
US9668121B2 (en) | 2014-09-30 | 2017-05-30 | Apple Inc. | Social reminders |
US10127911B2 (en) | 2014-09-30 | 2018-11-13 | Apple Inc. | Speaker identification and unsupervised speaker adaptation techniques |
CN107003999B (zh) | 2014-10-15 | 2020-08-21 | 声钰科技 | 对用户的在先自然语言输入的后续响应的系统和方法 |
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 |
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 |
US10552013B2 (en) | 2014-12-02 | 2020-02-04 | Apple Inc. | Data detection |
US9711141B2 (en) | 2014-12-09 | 2017-07-18 | Apple Inc. | Disambiguating heteronyms in speech synthesis |
US9865280B2 (en) | 2015-03-06 | 2018-01-09 | Apple Inc. | Structured dictation using intelligent automated assistants |
US9721566B2 (en) | 2015-03-08 | 2017-08-01 | Apple Inc. | Competing devices responding to voice triggers |
US10567477B2 (en) | 2015-03-08 | 2020-02-18 | Apple Inc. | Virtual assistant continuity |
US9886953B2 (en) | 2015-03-08 | 2018-02-06 | Apple Inc. | Virtual assistant activation |
US9899019B2 (en) | 2015-03-18 | 2018-02-20 | Apple Inc. | Systems and methods for structured stem and suffix language models |
US9842105B2 (en) | 2015-04-16 | 2017-12-12 | Apple Inc. | Parsimonious continuous-space phrase representations for natural language processing |
US10083688B2 (en) | 2015-05-27 | 2018-09-25 | Apple Inc. | Device voice control for selecting a displayed affordance |
US10127220B2 (en) | 2015-06-04 | 2018-11-13 | Apple Inc. | Language identification from short strings |
US10101822B2 (en) | 2015-06-05 | 2018-10-16 | Apple Inc. | Language input correction |
US10255907B2 (en) | 2015-06-07 | 2019-04-09 | Apple Inc. | Automatic accent detection using acoustic models |
US11025565B2 (en) | 2015-06-07 | 2021-06-01 | Apple Inc. | Personalized prediction of responses for instant messaging |
US10186254B2 (en) | 2015-06-07 | 2019-01-22 | Apple Inc. | Context-based endpoint detection |
US10671428B2 (en) | 2015-09-08 | 2020-06-02 | Apple Inc. | Distributed personal assistant |
US10747498B2 (en) | 2015-09-08 | 2020-08-18 | Apple Inc. | Zero latency digital assistant |
US9697820B2 (en) | 2015-09-24 | 2017-07-04 | Apple Inc. | Unit-selection text-to-speech synthesis using concatenation-sensitive neural networks |
US10366158B2 (en) | 2015-09-29 | 2019-07-30 | Apple Inc. | Efficient word encoding for recurrent neural network language models |
US11010550B2 (en) | 2015-09-29 | 2021-05-18 | Apple Inc. | Unified language modeling framework for word prediction, auto-completion and auto-correction |
US11587559B2 (en) | 2015-09-30 | 2023-02-21 | Apple Inc. | Intelligent device identification |
US10691473B2 (en) | 2015-11-06 | 2020-06-23 | Apple Inc. | Intelligent automated assistant in a messaging environment |
US10049668B2 (en) | 2015-12-02 | 2018-08-14 | Apple Inc. | Applying neural network language models to weighted finite state transducers for automatic speech recognition |
JP6070809B1 (ja) * | 2015-12-03 | 2017-02-01 | 国立大学法人静岡大学 | 自然言語処理装置及び自然言語処理方法 |
US10223066B2 (en) | 2015-12-23 | 2019-03-05 | Apple Inc. | Proactive assistance based on dialog communication between devices |
US10446143B2 (en) | 2016-03-14 | 2019-10-15 | Apple Inc. | Identification of voice inputs providing credentials |
US9934775B2 (en) | 2016-05-26 | 2018-04-03 | Apple Inc. | Unit-selection text-to-speech synthesis based on predicted concatenation parameters |
US9972304B2 (en) | 2016-06-03 | 2018-05-15 | Apple Inc. | Privacy preserving distributed evaluation framework for embedded personalized systems |
US10191899B2 (en) | 2016-06-06 | 2019-01-29 | Comigo Ltd. | System and method for understanding text using a translation of the text |
US10249300B2 (en) | 2016-06-06 | 2019-04-02 | Apple Inc. | Intelligent list reading |
US10049663B2 (en) | 2016-06-08 | 2018-08-14 | Apple, Inc. | Intelligent automated assistant for media exploration |
DK179309B1 (en) | 2016-06-09 | 2018-04-23 | Apple Inc | Intelligent automated assistant in a home environment |
US10586535B2 (en) | 2016-06-10 | 2020-03-10 | Apple Inc. | Intelligent digital assistant in a multi-tasking environment |
US10509862B2 (en) | 2016-06-10 | 2019-12-17 | Apple Inc. | Dynamic phrase expansion of language input |
US10192552B2 (en) | 2016-06-10 | 2019-01-29 | Apple Inc. | Digital assistant providing whispered speech |
US10490187B2 (en) | 2016-06-10 | 2019-11-26 | Apple Inc. | Digital assistant providing automated status report |
US10067938B2 (en) | 2016-06-10 | 2018-09-04 | Apple Inc. | Multilingual word prediction |
DK179343B1 (en) | 2016-06-11 | 2018-05-14 | Apple Inc | Intelligent task discovery |
DK179049B1 (en) | 2016-06-11 | 2017-09-18 | Apple Inc | Data driven natural language event detection and classification |
DK179415B1 (en) | 2016-06-11 | 2018-06-14 | Apple Inc | Intelligent device arbitration and control |
DK201670540A1 (en) | 2016-06-11 | 2018-01-08 | Apple Inc | Application integration with a digital assistant |
WO2018023106A1 (en) | 2016-07-29 | 2018-02-01 | Erik SWART | System and method of disambiguating natural language processing requests |
US10593346B2 (en) | 2016-12-22 | 2020-03-17 | Apple Inc. | Rank-reduced token representation for automatic speech recognition |
DK179745B1 (en) | 2017-05-12 | 2019-05-01 | Apple Inc. | SYNCHRONIZATION AND TASK DELEGATION OF A DIGITAL ASSISTANT |
DK201770431A1 (en) | 2017-05-15 | 2018-12-20 | Apple Inc. | Optimizing dialogue policy decisions for digital assistants using implicit feedback |
CN107784088A (zh) * | 2017-09-30 | 2018-03-09 | 杭州博世数据网络有限公司 | 基于知识点连接关系的知识图谱构建方法 |
US10956670B2 (en) | 2018-03-03 | 2021-03-23 | Samurai Labs Sp. Z O.O. | System and method for detecting undesirable and potentially harmful online behavior |
WO2021251972A1 (en) * | 2020-06-11 | 2021-12-16 | Hitachi, Ltd. | Method to improve probability calculation of knowledge base construction |
CN112036151B (zh) * | 2020-09-09 | 2024-04-05 | 平安科技(深圳)有限公司 | 基因疾病关系知识库构建方法、装置和计算机设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPS57201958A (en) * | 1981-06-05 | 1982-12-10 | Hitachi Ltd | Device and method for interpretation between natural languages |
JPS61105671A (ja) * | 1984-10-29 | 1986-05-23 | Hitachi Ltd | 自然言語処理装置 |
US4887212A (en) * | 1986-10-29 | 1989-12-12 | International Business Machines Corporation | Parser for natural language text |
JP2664915B2 (ja) * | 1988-01-12 | 1997-10-22 | 株式会社日立製作所 | 情報検索システム |
JPH0242572A (ja) * | 1988-08-03 | 1990-02-13 | Hitachi Ltd | 共起関係辞書生成保守方法 |
NL8900247A (nl) * | 1989-02-01 | 1990-09-03 | Bso Buro Voor Systeemontwikkel | Werkwijze en stelsel voor het weergeven van meervoudige analyses in een afhankelijkheidsgrammatica, alsmede ontleed-inrichting voor het genereren van een dergelijke weergave. |
NL8900587A (nl) * | 1989-03-10 | 1990-10-01 | Bso Buro Voor Systeemontwikkel | Werkwijze voor het bepalen van de semantische verwantheid van lexicale componenten in een tekst. |
-
1990
- 1990-06-15 JP JP15557090A patent/JP3266246B2/ja not_active Expired - Fee Related
-
1991
- 1991-06-12 US US07/714,408 patent/US5424947A/en not_active Expired - Fee Related
- 1991-06-14 EP EP19910305412 patent/EP0467527A3/en not_active Withdrawn
Non-Patent Citations (1)
Title |
---|
「技術抄録文からの関係情報の自動抽出」情報処理学会論文誌 Vol.25 No.2(1984) |
Also Published As
Publication number | Publication date |
---|---|
JPH0447364A (ja) | 1992-02-17 |
EP0467527A2 (en) | 1992-01-22 |
EP0467527A3 (en) | 1993-07-21 |
US5424947A (en) | 1995-06-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP3266246B2 (ja) | 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法 | |
US8185377B2 (en) | Diagnostic evaluation of machine translators | |
US9824083B2 (en) | System for natural language understanding | |
Drouin | Term extraction using non-technical corpora as a point of leverage | |
US10296584B2 (en) | Semantic textual analysis | |
US8041697B2 (en) | Semi-automatic example-based induction of semantic translation rules to support natural language search | |
JP2583386B2 (ja) | キーワード自動抽出装置 | |
Lytvyn et al. | Development of a method for determining the keywords in the slavic language texts based on the technology of web mining | |
Silberztein | INTEX: an FST toolbox | |
US20070073678A1 (en) | Semantic document profiling | |
US20050171757A1 (en) | Machine translation | |
JP2000315216A (ja) | 自然言語検索方法および装置 | |
JPWO2003012679A1 (ja) | データ処理方法、データ処理システムおよびプログラム | |
JPH083815B2 (ja) | 自然言語の共起関係辞書保守方法 | |
JPH08147299A (ja) | 自然言語処理方法及びシステム | |
JP2011118689A (ja) | 検索方法及びシステム | |
Montyne | The importance of formal ontologies: a case study in occupational health | |
Alias et al. | A Malay text corpus analysis for sentence compression using pattern-growth method | |
Hrytsiv et al. | Corpus Technologies in Translation Studies: Fiction as Document. | |
Litkowski | Question Answering Using XML-Tagged Documents. | |
Estiri et al. | Improvement of an abstractive summarization evaluation tool using lexical-semantic relations and weighted syntax tags in Farsi language | |
Hoque et al. | A content-aware hybrid architecture for answering questions from open-domain texts | |
Gavhal et al. | Sentence Compression Using Natural Language Processing | |
JP7312841B2 (ja) | 法律分析装置、及び法律分析方法 | |
Pandian et al. | Semantic role labeling for Tamil documents |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
LAPS | Cancellation because of no payment of annual fees |