JP3348909B2 - 形態素解析装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、擬音語・擬態語を含む
文章を解析する形態素解析装置に関する。

【０００２】

【従来技術】擬音語・擬態語の取り扱いにについて、特
開平３−１６１８６０号公報には、モーラ（音の区切り
の単位）２個の組み合せを元として、その繰り返し型や
その派生型も擬音語・擬態語として認識することが記載
されている。認識された擬音語・擬態語のかな漢字変換
結果として、全ての文字がひらがなである候補と、全て
の文字がカタカナである候補を得る。例えば、「にょろ
にょろ」は「にょ」と「ろ」という基本のモーラの組み
合せの繰り返し型である擬態語であると認識し、かな漢
字変換結果として「にょろにょろ」、「ニョロニョロ」
を得る。また、「にょっろーん」は「にょ」と「ろ」と
いう基本のモーラ組み合わせの派生型であると認識し、
かな漢字変換結果として「にょっろーん」、「ニョッロ
ーン」を得る。また、特開平３−１９９４５５号公報に
は、同一文字列の繰り返しを文章から取り出し、その全
ての文字をひらがな及びカタカナに変換する擬音語・擬
態語変換手段を備えることが記載されている。例えば、
入力文字列から「ぽいぽい」が繰り返し文字列として抽
出され、変換結果としては「ぽいぽい」と「ポイポイ」
を得る。

【０００３】

【発明が解決しようとする課題】上記特開平３−１６１
８６０号公報においては、基本のモーラの組み合わせは
擬音語・擬態語辞書に一つ一つ登録しておく必要があ
る。登録されていない組み合わせを元にする擬音語・擬
態語は、擬音語・擬態語として処理されない。しかし、
日本語の擬音語・擬態語の数は多く、その全てを擬音語
・擬態語辞書に登録するのは困難である。また、特開平
３−１９９４５５号公報においては、擬音語・擬態語、
あるいは、それらを作るモーラの組み合わせを辞書に登
録する必要はない。しかし、擬音語、擬態語が繰り返し
文字列でない場合は、変換対象とならない。例えば、
「ごろん」という文字列は、繰り返し文字列でないため
に、かな漢字変換を行った場合には「語呂ん」、「頃
ん」、「語論」、などの変換結果候補しか得られない可
能性がある。

【０００４】本発明においては、擬音語・擬態語をその
文字パターンで辞書に登録することにより、数多い擬音
語・擬態語を一々辞書登録する必要をなくし、辞書の容
量の増大を防ぎ、また、繰り返し文字列のみではなく、
他のパターンの擬音語・擬態語も認識する、形態素解析
装置を提供することを目的とする。

【０００５】

【課題を解決するための手段】本発明は上記課題を解決
するために、入力された日本語文字列を複数の形態素候
補列に分割し、この複数の形態素候補列の中から、最も
高い接続性をもつ形態素候補列を形態素解析結果とする
形態素解析装置において、擬音語・擬態語を文字パター
ンで記憶している擬音語・擬態語辞書と、単語辞書と、
前記入力された日本語文字列と前記擬音語・擬態語辞書
および前記単語辞書を照合して、複数の形態素候補列を
取り出す照合手段とを備え、前記擬音語・擬態語辞書
は、擬音語・擬態語の先頭文字を第一汎用記号とし、そ
の文字以降の各文字に対して、擬音語・擬態語に出現す
る特徴的な文字と前記第一汎用記号とで置き換えて生成
される文字列である非繰り返し型の文字パターンと、同
一部分文字列の繰り返しを含む擬音語・擬態語中の異な
る文字には異なる第二汎用記号と置き換えて生成される
文字列である繰り返し型の文字パターンとのいずれか
に、擬音語・擬態語を変換し、この変換した文字パター
ンを見出し語とし、この見出し語と品詞および後接可能
な品詞情報とを対応させて記憶し、前記照合手段は、前
記擬音語・擬態語辞書中の見出し語の先頭文字によって
いずれの型の文字パターンかを判断して前記入力された
日本語文字列と照合し、一致した部分の日本語文字列に
後接する形態素の品詞と、その一致した文字パターンに
対する後接可能な品詞情報とが一致する場合、その一致
した部分の日本語文字列を擬音語・擬態語の形態素候補
とすることを特徴としたものである。

【０００６】

【作用】擬音語・擬態語を文字パターンで記憶してお
き、形態素解析をする際にその文字パターンと照合し、
擬音語又は擬態語と認識させるようにし、擬音語・擬態
語を少ない辞書容量で数多く認識できるようにする。

【０００７】

【実施例】図１は、本発明の一実施例を説明するための
概略構成図で、図中、１は入力手段、２は辞書部、３は
辞書照合手段、４は接続情報部、５は接続判断手段、６
は出力手段である。入力手段１より入力された文字列は
辞書照合手段３により形態素辞書部２のエントリーと照
合される。接続情報部４は品詞と品詞のつながりの妥当
性に関する情報を持ち、接続判断手段５が前記辞書部２
のエントリーから出した候補と、前記接続情報部４の情
報とにより、最も妥当な候補の並びを決め、その結果を
出力手段６に出力する。

【０００８】図２は、本発明における辞書に記憶してあ
る擬音語・擬態語のパターンの例を示したもので、図
中、Ｃ、Ｘ、Ｙ、Ｚは任意の一文字である。また「ｍ＝
助動と連用」は、その擬音語・擬態語が助動詞「と」と
共に使われることを示し、「＋動詞する」は、その擬音
語・擬態語が動詞「する」と共に使われることを示す。
この擬音語・擬態語パターンは任意の文字（Ｃ、Ｘ、
Ｙ、Ｚ）を示す記号と、個別の文字（例えば、り、っ、
ん，リ、ッ、ン、ー）を使って表現することができる。
すなわち、任意の文字を示す記号によって、擬音語・擬
態語に用いられるいろいろな文字をまとめて表すことが
できる。また、個別の文字を使うことができるので、あ
る複数の擬音語・擬態語に共通して用いられる特徴的な
文字を指定することができる。この記述方法により擬音
語・擬態語の色々なパターンを容易に記述できる。

【０００９】擬音語・擬態語パターンには品詞情報を与
えることにより、通常の表記からなる辞書エントリーと
同じように、形態素として扱うことができる。さらに、
擬音語・擬態語パターンには形態素の接続の妥当性を判
断するのに必要な情報を与えることができる。なお、通
常の表記からなるエントリーと擬音語・擬態語エントリ
ーは別々の辞書に分けて登録することも可能である。

【００１０】以下、擬音語・擬態語を含む文字列の形態
素解析処理について説明する。形態素解析する文字列に
対し、辞書照合手段は解析対象文字列から一文字ずつ順
に照合の開始点をずらしながら、辞書見出しとの比較を
おこない、見出しと一致する部分文字列を解の候補とし
て取り出す。照合の時、辞書の通常の表記エントリーだ
けでなく、擬音語・擬態語エントリーとの照合も行な
う。

【００１１】擬音語・擬態語エントリーは、図２に示し
たように、パターンで記述する。表記エントリーとも、
擬音語・擬態語エントリーともマッチしない部分文字列
は辞書未登録語として処理される。照合されて切り出さ
れた形態素の候補は、普通、複数あるので、その中から
最も妥当なものを選ぶ。そのためには、接続判断手段が
形態素候補の品詞情報と、接続情報部に蓄えられている
接続に関するルールを参照し、隣り合う形態素の品詞と
品詞のつながりの最も妥当度の高いものを選んでいく。

【００１２】次に、解析対象文字列と辞書中の擬音語・
擬態語パターンの照合手順について説明する。見出し語
が、擬音語・擬態語パターンである場合の照合手順は、
通常の表記からなる見出しの場合と異なり、擬音語・擬
態語パターンによって二つに分れる。一つのパターンは
「り、っ、ん、ー」など擬音語・擬態語に特徴的な文字
を持ち、かつ同一文字列の繰り返しを含まないパターン
である。「ころり、ばったり、どすん、どーん」などが
このパターンの例である。このパターンを以下、非繰り
返し型と呼ぶ。非繰り返し型中の「り、っ、ん、ー」以
外の文字は任意の文字である。任意の文字は辞書の擬音
語・擬態語パターン見出し中、図２に示したように、
「Ｃ」で表してある。また、擬音語・擬態語がカタカナ
表記される場合にも照合できるように、辞書には、カタ
カナを使ったパターンも登録しておく。もう一つの擬音
語・擬態語パターンは二つ以上の文字を繰り返す繰り返
し型である。「ころころ」、「ふわりふわり」などがこ
のパターンの例である。辞書では、図２に示したよう
に、ＸＹまたはＸＹＺの繰り返しで表してある。繰り返
しの回数は、三回までとして辞書の例には示してある
が、繰り返し回数のより多いパターンを辞書に追加する
ことは可能である。

【００１３】図３は、擬音語・擬態語の照合を説明する
ためのフロー図で、照合手段が、辞書見出しを一つずつ
参照するとき（step１）、見出しの一文字目Ｐ１が、任
意の文字を示す「Ｃ」や個別の文字の「り、っ、ん、
リ、ッ、ン、ー」などであれば、非繰り返し型擬音語・
擬態語用の照合を行なうため、ステップ２以降へ進む。
Ｐ１が「り、っ、ん、リ、ッ、ン、ー」などの個別の文
字でなければ（step２）、照合手段は、解析対象文字列
の次の文字Ｓ（ｉ＋１）に進み（step４）、擬音語・擬
態語パターンの次の文字Ｐ（ｉ＋１）との照合を行な
う。ｉの値が１より大きい場合も、パターンの文字が
「Ｃ」の場合、ｉの値を１増やし、次の文字の照合に進
む（step１,２,４）。

【００１４】パターンの文字Ｐｉが「っ,ッ,り,リ,ン,
ん,ー」など、任意の文字「Ｃ」でなく、個々の文字で
ある場合（step２）、解析対象文字列の文字Ｓｉと比較
する（step３）。同じ文字である場合、ｉの値を１増や
し、次の文字に進んで照合を続ける（step４）。ステッ
プ３において、パターンの文字Ｐｉと解析対象文字Ｓｉ
が異なっていたら、解析対象文字列の解析開始文字Ｓ１
まで戻り、辞書の次の見出し語との照合を行なう（step
１６）。パターンＰ全体と文字列Ｓが一致し、ステップ
５において、パターンの終りが検出されたら、その文字
列Ｓを非繰り返し型擬音語・擬態語とし、解候補のひと
つとする。一致した擬音語・擬態語パターンの品詞情
報，接続情報を辞書から取り、接続判断手段に送る。

【００１５】ステップ１において、辞書見出しを一つず
つ参照するとき、辞書の擬音語・擬態語パターンの一文
字目Ｐ１が任意の一文字を示す「Ｃ」や個別の文字の
「り、っ、ん、リ、ッ、ン、ー」などでない場合は、繰
り返し型用の照合を行なうため、ステップ６へ進む。ス
テップ６において、Ｐ１が「Ｘ」の場合、解析対象文字
Ｓ１をＬ１に記憶し（step１０）、ｉを１増やして次の
文字に進む（step１４）。ステップ６において、Ｐ１が
「Ｘ」でない場合、見出し語は擬音語・擬態語パターン
でなく、表記による見出しと判断し、通常の照合を行な
う（step８）。擬音語・擬態語パターンの二文字目Ｐ２
が「Ｙ」の場合、解析対象文字Ｓ２をＬ２に記憶し（st
ep１０）、ｉを１増やして次の文字に進む（step１
４）。

【００１６】ステップ７において、パターンの三文字目
Ｐ３が「Ｚ」である場合は、パターンは三文字の繰り返
し型である。「Ｚ」でない場合は、二文字の繰り返し型
パターンとなる。三文字の繰り返し型パターンの場合、
Ｓ３をＬ３に記憶し（step１０）、ｉを１増やして４と
する。二文字の繰り返し型パターンの場合、解析対象文
字Ｓ３がＳ１と同じかどうか調べるため、Ｓ３とＬ１を
比較する（step１２）。同じであれば、ｉを１増やして
４とし（step１４）、解析対象文字Ｓ４がＳ２と同じか
どうか調べるため、Ｓ４とＬ２を比較する（step１
２）。同じであれば、ｉを１増やして５とする。ステッ
プ１５において、パターンが終わっていなければ、ステ
ップ６に戻り照合を続け、終わっていれば、照合した解
析対象文字Ｓ１からＳ４までをＸＹＸＹ型擬音語・擬態
語とし、解候補のひとつとする。

【００１７】辞書に記述されているＸＹＸＹ型の品詞情
報、接続情報は接続判断手段に送られる。照合手段は解
析対象文字列の解析開始文字まで戻り、辞書の次の見出
し語との照合を行なう（step１６）。step１２におい
て、Ｓ３とＬ１、またはＳ４とＬ２の比較をした結果、
同じ文字でない場合、二文字の繰り返し型パターンとの
比較を終わる。次いで、照合手段は解析対象文字列の解
析開始文字まで戻り、辞書の次の見出し語との照合を行
なう（step１６）。

【００１８】パターンが三文字の繰り返しである場合の
照合も二文字の繰り返し型パターンとの照合に準じて行
なうことができる。その場合、ステップ１３において比
較されるのは、Ｓ４とＬ１、Ｓ５とＬ２、Ｓ６とＬ３で
ある。

【００１９】実施例１ 「鐘がごーんとなった。」この文の擬音語部分「ごー
ん」が、辞書のエントリーに含まれていない場合、形態
素解析を行なうと表１に示すような候補が得られる。

【００２０】

【表１】

【００２１】以上のような候補の中から、つながりの妥
当性のもっとも高い組み合わせを接続ルールなどを使っ
て決める。この時、未登録語を最小限にするように品詞
が選ばれるので、文全体の解析結果としては表２に示す
ような結果を得る。

【００２２】

【表２】

【００２３】形態素辞書が擬音語・擬態語パターンをエ
ントリーとして含む場合、辞書照合手段は、「ごーん」
がそれらのエントリーとマッチするかどうか調べる。擬
音語・擬態語パターン「Ｃーん」とマッチすることがわ
かるので、これを解候補とする。接続判断手段におい
て、「Ｃーん」の接続情報である「助動詞と連用」と次
の形態素「と」の品詞「助動詞と連用」がマッチするの
で、この組み合わせを解候補とする。すなわち、「ごー
んと」という部分文字列について表３に示すような解を
得る。

【００２４】

【表３】

【００２５】文字列Ｓ「ごーん」と擬音語・擬態語パタ
ーンＰ「Ｃーん」の照合を、図３に示す、文字列と擬音
語・擬態語パターン照合のフロー図に沿って説明する。
まず、最初に、ｉは１にセットされる。ステップ１にお
いて、パターンの第一文字目Ｐ１が「Ｃ」なので、ステ
ップ２に進む。Ｐ１は、個別の文字ではないので（step
２）、文字Ｓ１「ご」との比較は行なわず、ｉを１増や
し第二文字目に進む（step４）。ステップ５で、パター
ンがＰ２を持ち、文字列Ｓが二文字目Ｓ２を持つとわか
るので、ステップ１に戻る。パターン「Ｃーん」の第二
文字目Ｐ２と、文字列「ごーん」の第二文字目Ｓ２
「ー」を比較すると、同じなので（step１，step２，st
ep３）、ｉをさらに１増やし第三文字目に進む。ステッ
プ５で、パターンがＰ３を持ち、文字列Ｓが三文字目Ｓ
３を持つとわかるので、ステップ１に戻る。パターン
「Ｃーん」の第三文字目Ｐ３と文字列「ごーん」の第三
文字目Ｓ３を比較すると、同じなので、ｉをさらに１増
やす。ステップ５において、パターンＰ及び文字列Ｓの
終わりを検出するので照合を終わり、文字列Ｓ「ごー
ん」を擬音語・擬態語とする。「Ｃーん」の辞書内容を
接続判断手段に送る。接続判断手段では「ごーん」の前
後の形態素の最適なものを接続情報を使って選ぶ。

【００２６】更に、接続妥当度の最も高いような品詞の
並びの組を解候補から選び、文全体の解を得る。この例
では「ご 接辞頭＋ー 未登録語＋ん 助動ず終止形」な
どより、「ごーん 副詞＋と 助動詞と連用」の接続が妥
当であるという基準から表４に示すような形態素解析結
果を得る。

【００２７】

【表４】

【００２８】実施例２ 「くよくよしない。」この文の擬音語部分「くよくよ」
が、辞書のエントリーに含まれていない場合、形態素解
析を行なうと「くよくよし」の部分に対して表５に示す
ような解候補が得られる。

【００２９】

【表５】

【００３０】以上のような候補の中から、つながりの妥
当性のもっとも高い組み合わせを接続ルールなどを使っ
て決める。この時、未登録語を最小限にするように品詞
が選ばれるので、表６に示すような解を得る。

【００３１】

【表６】

【００３２】形態素辞書が擬音語・擬疑語パターンをエ
ントリーとして含む場合、辞書照合手段は、「くよく
よ」がそれらのエントリーとマッチするかどうか調べ
る。擬音語・擬態語パターン「ＸＹＸＹ」とマッチする
ことがわかるので、これを解候補とする。接続判断手段
において、「ＸＹＸＹ」の接続情報である「＋動詞サ
変」と次の形態素「し」の品詞「助動サ変連用」がマッ
チするので、この組み合わせを解候補とする。そして、
「くよくよし」という部分文字列の解析結果としては、
表７に示すような結果を得る。

【００３３】

【表７】

【００３４】文字列Ｓ「くよくよ」と擬音語・擬態語パ
ターンＰ「ＸＹＸＹ」の照合を、図３に示す、文字列と
擬音語・擬態語パターン照合のフロー図に沿って説明す
る。まず、最初に、ｉを１にセットする。ステップ１に
おいて、パターンの第一文字目Ｐ１が「Ｃ」や、個別の
文字ではないのでステップ６に進む。Ｐ１は、「Ｚ」で
はないので、ステップ９に進み、ｉの値が１で３より小
さいので、ステップ１０に進み、Ｌ１にＳ１「く」を記
憶する。ステップ１４でｉを１増やす。ステップ１５
で、パターンがＰ２を持ち、文字列Ｓが二文字目Ｓ２を
持つとわかるので、ステップ６に戻る。ステップ８でＰ
２が、「Ｚ」ではないので、ステップ９に進む。ｉの値
は２で３より小さいので、ステップ１０に進み、Ｌ２に
Ｓ２「よ」を記憶する。ステップ１４でｉを１増やし３
にする。ステップ１５で、パターンがＰ３を持ち、文字
列Ｓが三文字目Ｓ３を持つとわかるので、ステップ６に
戻る。ステップ７において、Ｐ３が「Ｙ」なので、ステ
ップ９に進み、ｉが３なので、ステップ１２に進む。

【００３５】Ｓ３「く」がＬ１「く」と同じなので、ス
テップ１４に進みｉを１増やし４にする。ステップ１５
で、パターンがＰ４を持ち、文字列Ｓが四文字目Ｓ４を
持つとわかるので、ステップ６に戻る。ステップ７にお
いて、Ｐ４が「Ｚ」ではないので、ステップ９に進み、
ｉが４なので、ステップ１２に進む。Ｓ４「よ」が、Ｌ
２「よ」と同じなので、ステップ１４に進み、ｉを１増
やし５にする。ステップ１４でパターンＰ「ＸＹＸＹ」
が終了しているとわかるので、パターンＰ「ＸＹＸＹ」
との照合を終わる。「ＸＹＸＹ」の辞書内容を接続判断
手段に送り、接続判断手段では「くよくよ」の前後の形
態素の最適なものを接続情報を使って選ぶ。

【００３６】更に、接続妥当度の最も高いような品詞の
並びの組を解候補から選び、文全体の解を得る。この例
では「く 未登録語＋よく 助動詞よい連用＋よし 名詞
和語＋ない 形態詞ない終止」などの接続より、「くよ
くよ 副詞＋し 動詞サ変連用＋ない 助動詞ない終止」
の接続が妥当と判断され文全体の形態素解析結果として
は表８を得る。

【００３７】

【表８】

【００３８】

【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）個々の擬音語・擬態語を辞書に記述する必要がな
いので、辞書の容量の大きさを抑えたままで、擬音語・
擬態語を含む文字列の形態素解析の解析率を向上させる
ことができる。 （２）個別の文字と汎用的な記号を使って擬音語・擬態
語のパターンを容易に表現することができ、その結果、
辞書の保守が容易になる。 （３）通常の表記によって辞書に登録されている形態素
と同様、擬音語・擬態語についても、品詞を指定でき
る。 （４）通常の表記によって辞書に登録されている形態素
と同様、擬音語・擬態語についても、他の語とのつなが
りを指定することができる。

【図面の簡単な説明】

【図１】 本発明の一実施例を説明するためのブロック
図の一例である。

【図２】 形態素辞書の擬音語・擬態語の記述例を示し
たものである。

【図３】 文字列と擬音語・擬態語パターン照合のフロ
ー図の一例である。

【符号の説明】

１…入力手段、２…形態素辞書部、３…辞書照合手段、
４…接続情報部、５…接続判断手段、６…出力手段。

Claims (1)

(57)【特許請求の範囲】
1. 【請求項１】 入力された日本語文字列を複数の形態素
   候補列に分割し、この複数の形態素候補列の中から、最
   も高い接続性をもつ形態素候補列を形態素解析結果とす
   る形態素解析装置において、擬音語・擬態語を文字パタ
   ーンで記憶している擬音語・擬態語辞書と、単語辞書
   と、前記入力された日本語文字列と前記擬音語・擬態語
   辞書および前記単語辞書を照合して、複数の形態素候補
   列を取り出す照合手段とを備え、前記擬音語・擬態語辞
   書は、擬音語・擬態語の先頭文字を第一汎用記号とし、
   その文字以降の各文字に対して、擬音語・擬態語に出現
   する特徴的な文字と前記第一汎用記号とで置き換えて生
   成される文字列である非繰り返し型の文字パターンと、
   同一部分文字列の繰り返しを含む擬音語・擬態語中の異
   なる文字には異なる第二汎用記号と置き換えて生成され
   る文字列である繰り返し型の文字パターンとのいずれか
   に、擬音語・擬態語を変換し、この変換した文字パター
   ンを見出し語とし、この見出し語と品詞および後接可能
   な品詞情報とを対応させて記憶し、前記照合手段は、前
   記擬音語・擬態語辞書中の見出し語の先頭文字によって
   いずれの型の文字パターンかを判断して前記入力された
   日本語文字列と照合し、一致した部分の日本語文字列に
   後接する形態素の品詞と、その一致した文字パターンに
   対する後接可能な品詞情報とが一致する場合、その一致
   した部分の日本語文字列を擬音語・擬態語の形態素候補
   とすることを特徴とする形態素解析装置。