JP3628580B2

JP3628580B2 - 類似文検索方法、装置、および類似文検索プログラムを記録した記録媒体

Info

Publication number: JP3628580B2
Application number: JP2000056235A
Authority: JP
Inventors: 成宏池田; 一内野; 蔵古瀬
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2000-03-01
Filing date: 2000-03-01
Publication date: 2005-03-16
Anticipated expiration: 2020-03-01
Also published as: JP2001243245A

Description

【０００１】
【発明の属する技術分野】
本発明は、複数の自然文を収めた用例集から、自然言語の文である入力文に類似している候補文を検索する類似文検索方法および装置に関する。
【０００２】
【従来の技術】
電子技術の発達に伴い、コンピュータを用いて第１自然言語の文を第２自然言語の文に翻訳する実例型自然言語翻訳装置が実用段階にある。実例型自然言語翻訳の例を図８に示す。実例型自然言語翻訳装置では、第１自然言語の文と第２自然言語の文との対からなる用例集から、第１自然言語の入力文に類似した候補文を用例集から検索し、入力文と候補文の単語対応に基づいて候補文の第２自然言語の文を編集することにより、入力文の第２自然言語の訳文を作成する。そのため、実例型自然言語翻訳装置では入力文に対して適切な類似文を検索し、また入力文と類似文の語順の異なりに依らず、適切な単語対応を求める方法が望まれていた。
【０００３】
入力文に対する類似文を検索するために用いられる従来の類似文検索方法として、「Ｎｉｒｅｎｂｕｒｇ，Ｓ．，ｅｔａｌ．， ”ＴｗｏＡｐｐｒｏａｃｈｅｓｔｏＭａｔｃｈｉｎｇｉｎＥｘａｍｐｌｅ−ＢａｓｅｄＭａｃｈｉｎｅＴｒａｎｓｌａｔｉｏｎ”，ｐｒｏｃｅｅｄｉｎｇｓｏｆＴＭＩ−９３，ｐｐ．４７−５７（１９９３）．」に記載されている方法（以下、従来方法１と称す）がある。この従来方法１では、入力文と候補文のどちらか一方にのみ含まれるため対応づけられない単語の数を調べ、対応づけられない単語の数が少ない候補文ほど入力文に類似しているとみなして、類似文として検索する。
【０００４】
他に、「Ｐｌａｎａｓ，Ｅ．，Ｆｕｒｕｓｅ，Ｏ．， ”ＦｏｒｍａｌｉｚｉｎｇＴｒａｎｓｌａｔｉｏｎＭｅｍｏｒｉｅｓ”，ｐｒｏｃｅｅｄｉｎｇｓｏｆＭＴＳｕｍｍｉｔＶＩＩ，ｐｐ．３３１−３３９（１９９９）」に記載されている方法（以下、従来方法２と称す）がある。この従来方法２は動的計画法に基づいており、入力文の単語の並びが候補文の単語の並びに一致するように、入力文に対して先頭から漸進的に編集操作が行われる。この編集操作は入力文と候補文とで対応しない単語に対して行われるため、編集操作が少ない文を類似文として検索している。
【０００５】
【発明が解決しようとする課題】
上述した従来の類似文検索方法のうち従来方法１では、語順を無視した単語の照合が行われ、語順の異なりを類似度に全く反映しないため、入力文と候補文との語順の違いのために意味が異なる文を検索する可能性がある。また、入力文と候補文に同一の単語が複数個ある場合には、正しい単語対応の組み合せを求めることができないため。実例型自然言語翻訳装置に適用すると入力文の訳文として不適当な訳文が作成される。
【０００６】
一方、従来方法２では、入力文と候補文の先頭から漸進的に単語の対応づけが行われるため、入力文と候補文とで単語の出現順序が異なる場合には、入力文と用例文とに同一の単語が存在するにも関わらず、正しい単語対応づけを行うことができない。また、検出される単語対応が少なくなると類似度が低下してしまうため、入力文と語順が異なる候補文は検索されない可能性もある。
【０００７】
本発明の目的は、入力文と候補文との語順が異なる場合でも最適な単語対応の組み合せを求め、最適な単語対応の組み合せに基づいて語順の異なりを反映した類似度を算出することによって、類似文を検索する類似文検索方法、装置、および類似文検索プログラムを記録した記録媒体を提供することにある。
【０００８】
【課題を解決するための手段】
本発明の類似文検索方法は、用例集格納手段と単語対応表生成手段と文マッチングスコア計算手段と単語対応最適化手段と類似文検索手段を有する類似文検索装置において、複数の自然言語の文である候補文を収めた用例集格納手段から自然言語の文である入力文に類似した類似文を検索する類似文検索方法であって、
単語対応表生成手段が、入力文と候補文の形態素解析を行い、入力文と候補文の各単語同士の類似性を表す単語マッチングスコアを求めて、入力文と候補文のすべての単語間の単語マッチングスコアを格納した単語対応表を作成する単語対応表生成ステップと、
文マッチングスコア計算手段が、入力文と候補文との単語対応の組み合わせについて、入力文と候補文でそれぞれ対応する文節毎に、前記単語間の単語マッチングスコアを加算し、二乗して文節間のマッチングスコアとし、さらに、入力文と候補文で対応する文節が連続する範囲で前記文節間のマッチングスコアを加算し、二乗して連続対応部分のマッチングスコアとし、前記求められる連続対応部分のマッチングスコアを全て加算することによって文マッチングスコアを計算する文マッチングスコア計算ステップと、
単語対応最適化手段が、前記文マッチングスコア計算手段が計算する入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせを決定し、入力文同士、候補文同士でそれぞれ文マッチングスコアの最大値を算出し、前記入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせの文マッチングスコアを前記算出した入力文同士の文マッチングスコアの最大値と前記算出した候補文同士の文マッチングスコアの最大値によって正規化した値、を入力文と候補文の類似度として求める単語対応最適化ステップと、
類似文検索手段が、用例集格納手段に格納された複数の候補文をそれぞれ読み出して前記単語対応最適化手段で入力文と候補文の類似度をそれぞれ求め、前記複数の候補文それぞれに対応する入力文と候補文の類似度のうち、類似度が最も高い候補文を類似文として選択するステップと
を有する。
【０００９】
本発明は、入力文と候補文で対応する単語が多いほど入力文と候補文が類似していること、および入力文と候補文で連続する単語同士が対応しているほど入力文と候補文が類似していることを反映した類似度を算出することを特徴としている。そのため、入力文とは語順が異なる候補文でも、語順の異なりの度合いを反映させて候補文を検索することができる。
【００１２】
【発明の実施の形態】
次に、本発明の実施の形態を図面を参照して説明する。
【００１３】
図１を参照すると、本発明の一実施の形態の類似文検索装置は入力部１と用例集格納部２と類似度計算部３と類似文検索部４と検索結果出力部５で構成されている。
【００１４】
入力部１では入力文を読み込む。
【００１５】
用例集格納部２には自然言語の文である複数の候補文が用例集として格納されている。
【００１６】
類似度計算部３は用例集格納部２に格納されている候補文と入力部１で読み込まれた入力文の類似度を計算するもので、図２に示すように、入力文と候補文の単語対応を調べ、単語対応表を作成する単語対応表生成部１１と、単語対応に基づいて入力文と候補文の文マッチングスコアを計算する文マッチングスコア計算部１２と、文マッチングスコアから単語対応の組み合せを最適化し、類似文とその類似度（文マッチングスコア）、単語対応情報を出力する単語対応最適化部１３から構成されている。
【００１７】
類似文検索部４は用例集格納部２から次々と候補文を読みだし、類似度計算部３で各候補文の類似度を計算し、類似度計算部３で計算された類似度のうち最も高い類似度の候補文を類似文として選択する。
【００１８】
検索結果出力部５は類似文検索部４で選択された類似文について、文とその類似度、および入力文と単語の対応情報を出力する。
【００１９】
次に、本実施形態の動作を説明する。
【００２０】
以上のように構成された類似文検索装置において、入力部１から自然言語の文が入力されると、類似文検索部４は用例集格納部２から候補文を読み込み、類似度計算部３で入力文と各候補文の類似度を計算する。
【００２１】
類似度計算部３では、まず単語対応表生成部１１において、入力文と候補文の形態素解析を行い、形態素解析結果に基づいて、入力文と候補文の単語同士の類似性を表す単語対応表を作成する。単語対応最適化部１３では、文マッチングスコア計算部１２において単語対応表の単語対応の組み合せから計算される文マッチングスコアを最大化するように、最適な単語対応の組み合せを漸進的に求めていく。最終的に、最適な単語対応の組み合せによって計算される文マッチングスコアが、入力文と候補文の類似度となる。
【００２２】
単語対応の組み合せの最適化は、具体的には図３に示される流れ図に基づいて計算される。
【００２３】
まず、ステップ２１で単語対応の組み合せＣを空とし、一組も単語対応がない状態から始まる。ステップ２２では、入力文の単語インデックスｔの単語と候補文の単語インデックスｅの単語の単語マッチングスコアＭ［ｔ］［ｅ］がＭ［ｔ］［ｅ］＞０で、Ｃに含まれない単語対応（ｔ，ｅ）について、Ｃと（ｔ，ｅ）の組み合せから文マッチングスコアを計算する。ただし、単語対応は一対一に限るため、Ｃに入力文の単語インデックスｔを持つ単語対応がある場合や、候補文の単語インデックスｅを持つ単語対応がある場合には、Ｃからそれらの単語対応を削除した単語対応の組み合せと（ｔ，ｅ）から文マッチングスコアを計算する。ステップ２３では、ステップ２２において計算された全文マッチングスコアのうち最大の文マッチングスコアが、単語対応の組み合せＣの文マッチングスコアよりも増加しているか調べ、増加している場合にはステップ２４を実行する。ステップ２４では、ステップ２２で最大の文マッチングスコアとなる単語対応の組み合せを新たにＣとし、再びステップ２２に戻り、単語対応の組み合せの最適化処理を継続する。一方、ステップ２３において、文マッチングスコアが増加しない場合には、Ｃが最適な単語対応となり、ステップ２５に移る。最後に、ステップ２５で、文マッチングスコアが単語数によらないようにするために、文マッチングスコアを正規化し、その値を入力文と候補文の類似度とする。
【００２４】
以上のようにして求められた類似度を利用して、類似文検索部４では類似度が高い候補文を類似文として選択する。そして、検索結果出力部５では選択された類似文について、文とその類似度、および入力文との単語対応情報を出力する。
【００２５】
なお、単語対応の組み合せＣに新しい単語対応（ｔ、ｅ）を追加する際に複数の（ｔ、ｅ）で文マッチングスコアが同点となる場合、▲１▼ｔが小さい程優先される、▲２▼ｔが同じ場合にはｅが優先される、という優先順位を用いる。
【００２６】
次に、本実施形態の動作を具体例により説明する。
具体例１
ここでは、入力文が「５−１でブラジルはスペインに完勝」、候補文が「日本は韓国に３−０で勝利」の場合の類似度の計算例を示す。
【００２７】
まず、入力文と候補文の単語対応の候補を調べるために単語対応表生成部１１により単語対応表を作成する。ここでは、単語の類似性を表す単語マッチングスコアが表１のように与えられているものとする。
【００２８】
【表１】

このとき、単語対応表は表１の単語マッチングスコアに基づき、表２に示すようになる。
【００２９】
【表２】

次に、入力文Ｔと候補文Ｅに対してある単語対応の組み合せＣが与えられたときの文マッチングスコアＷＴＥＣの計算方法について説明する。
【００３０】
今、単語対応の組み合せＣが図４のようにＣ＝｛（３，１），（４，２），（５，３），（６，４），（１，５），（２，６），（７，７）｝と与えられたとしよう。このとき、スコアＷＴＥＣは次のようになる。
【００３１】
ＷＴＥＣ＝｛（７＋８）＾２＋（７＋８）＾２｝＾２＋｛（７＋８）＾２｝＾２＋｛４＾２｝＾２
文マッチングスコアＷＴＥＣは上記のように計算されるため、入力文と候補文の単語同士が連続して対応する程その値が大きくなる。また、全ての単語対応がスコアに寄与しているため、語順の異なりがある場合でも一致する単語が多いほど文マッチングスコアは大きくなる。なお、図４で文節毎に単語マッチングスコアをまとめているのは、文節による文法的な区切りを反映させるためである。ただし、文節のような文法的な区切りを持たない自然言語の場合には図４に示すような文節単位の区切りはない。
【００３２】
そして、単語対応最適化部１３で表２の単語対応表を利用して文マッチングスコアが最大となるような最適な単語対応が求められる。
【００３３】
単語対応の最適化は図３の流れ図に基づいて行われる。まず、ステップ２１において単語対応の組み合せＣは空に初期化される。次に、ステップ２２において、Ｍ［ｔ］［ｅ］＞０の単語対応（ｔ，ｅ）の中から、（ｔ，ｅ）をＣに追加した場合の文マッチングスコアを単語マッチングスコアが０のものを除いて、ｔ＝１、ｅ＝１から順次計算する。このとき、文マッチングスコアが最も大きくなるのは単語マッチングスコアＭ［ｔ］［ｅ］が８となっている単語対応である。ここでは、まずそれらの単語対応の中から、（２，６）が選択されたとしよう。（２，６）が選択されたことによって文マッチングスコアは増加するので、ステップ２３からステップ２４に処理が移る。ステップ２４では、Ｃに（２，６）を追加し、Ｃ＝｛（２，６）｝となる。そして、Ｃ＝｛（２，６）｝で再びステップ２２が実行される。Ｃ＝｛（２，６）｝のとき、１組の単語対応を追加することによって最も文マッチングスコアが大きくなるのは（２，６）と連続する（１，５）である。そのため、ステップ２４ではＣに（１，５）が追加され、Ｃ＝｛（１，５），（２，６）｝となる。次に、マッチングスコアが最も大きくなるのはＣに（４，２）が追加された場合である。そのため、Ｃに（４，２）が追加され、Ｃ＝｛（１，５），（２，６），（４，２）｝となる。そして、再びステップ２２が実行される。このとき文マッチングスコアが最も大きくなるのはＣに（３，１）が追加された場合であるため、（３，１）がＣに追加される。以下同様にして、（５，３），（６，４），（７，７）がＣに追加され、最終的には単語対応の組み合せＣ＝｛（１，５），（２，６），（３，１），（４，２），（５，３），（６，４），（７，７）｝が得られる。図４はこのときの文マッチングスコアを示しており、
ＷＴＥＣ＝｛（７＋８）＾２＋（７＋８）＾２｝＾２＋｛（７＋８）＾２｝＾２＋（４＾２）＾２
となる。
【００３４】
スコアＷＴＥＣは、１文の単語数が多いほど大きくなる。そこで、単語数に依らないようにＷＴＥＣを正規化し、それを文マッチングスコアＳＴＥＣとする。文マッチングスコアＳＴＥＣは、入力文Ｔ同士で文マッチングスコアを計算した場合の最大値ＷＴＴｍａｘと候補文Ｅ同士で文マッチングスコアを計算した場合の最大値ＷＥＥｍａｘから
ＳＴＥＣ＝（ＷＴＥＣ／（（ＷＴＴｍａｘ＾１／２）×（ＷＥＥｍａｘ＾１／２）））＾１／４・・・・・（１）
と求められる。同一文のスコアの最大値は、同一の単語が全て対応付けられた場合であり、図５に示す入力文Ｔ同士のスコアの場合、最大値ＷＴＴｍａｘは、ＷＴＴｍａｘ＝｛（８＋８）＾２＋（８＋８）＾２＋（８＋８）＾２＋８＾２｝＾２となる。なお、全体に１／４乗しているのは、スケーリングのためである。そして、上記のようにＳＴＥＣを計算するとＳＴＥＣ＝０．７８となる。
具体例２
次に、入力文が「５−１でブラジルはスペインに完勝」、候補文が「日本は４−０で韓国に完勝した」の例について説明する。
【００３５】
まず、単語対応表作成部１１で表３のような単語対応表が作成される。そして、単語対応最適化部１３で、表３の単語対応表を利用して文マッチングスコアが最大となるような最適な単語対応が求められる。
【００３６】
【表３】

単語対応最適化部１３では、ステップ２１において単語対応の組み合せＣは空に初期化される。次に、ステップ２２ではＭ［ｔ］［ｅ］＞０となる各（ｔ，ｅ）についてＣ＝｛（ｔ，ｅ）｝としたときの文マッチングスコアを計算する。ここでは、文マッチングスコアが最も増加する単語対応の中で（２，４）が選ばれたとすると、ステップ２４でＣ＝｛（２，４）｝となる。次に文マッチングスコアの増分が最大となるのは、（２，４）と連続する（１，３）である。そのためステップ２４において、単語対応ＣはＣ＝｛（１，３），（２，４）｝となる。その次に選択されるのは、（２，４）と連続しているため文マッチングスコアの増分が最も大きくなる（３，５）であり、Ｃ＝｛（１，３），（２，４），（３，５）｝となる。
【００３７】
再びステップ２２を実行すると、（４，２）で文マッチングスコアの増分が最大となるため、ステップ２４ではＣ＝｛（１，３），（２，４），（３，５），（４，２）｝となる。次に、（３，１）をＣに追加すると、一対一の単語対応の制約に反するため、（３，５）と（３，１）のうち、文マッチングスコアの増分が最大となるのは、（３，１）を追加した場合であるので、（３，５）をＣから除去して、（３，１）を新たにＣに追加する。その結果、単語対応ＣはＣ＝｛（１，３），（２，４），（３，１），（４，２）｝となり、誤った単語対応（３，５）は除去される。
【００３８】
以上のようにして単語対応を最適化すると、処理の途中で誤った単語対応が一時的に選択されることがあるが、最終的には図６のような最適な単語対応が得られる。そして、この単語対応に基づいて類似度を（１）式により計算すると、類似度（文マッチングスコア）ＳＴＥＣはＳＴＥＣ＝０．６９となる。
【００３９】
図７を参照すると、本発明の他の実施形態の類似文検索装置は入力装置３１と記憶装置３２，３３と出力装置３４と記録媒体３５とデータ処理装置３６で構成されている。
【００４０】
入力装置３１は入力文を入力するための、キーボード等の入力装置である。記憶装置３２には、自然言語の文である複数の候補文が用例集として格納されている。記憶装置３３はハードディスクである。出力装置３４は類似文とその類似度、および入力文との一致データが出力される、ディスプレイまたはプリンタである。記録媒体３５は、図１中の類似度計算部３と類似文検索部４の各処理からなる類似文検索プログラムが記録されている、フロッピィ・ディスク、ＣＤ−ＲＯＭ、光磁気ディスク等の記録媒体である。データ処理装置３６はＣＰＵ、各種インタフェース等を含み、記録媒体から類似文検索プログラムを記憶装置３３に読み込んだ後、これを実行する。
【００４１】
【発明の効果】
以上説明したように、本発明によれば、入力文と候補文とで語順が異なる場合でも、語順に依らない最適な単語対応を効率的に求め、語順の異なりを反映した類似度に基づいて類似文を検索することができる。
【００４２】
また、本発明を実例型自然言語翻訳装置に適用した場合、入力文とは語順が異なる類似文を検索することができるだけでなく、入力文と類似文の最適な単語対応情報を利用して翻訳処理を行うことができるため、入力文と類似文の単語対応の誤りに起因する誤訳を低減することができるという効果がある。
【図面の簡単な説明】
【図１】本発明の一実施形態の類似文検索装置の構成図である。
【図２】類似度計算部３の構成図である。
【図３】単語対応最適化部１３の処理を示す流れ図である。
【図４】入力文「５−１でブラジルはスペインに完勝」と候補文「日本は韓国に３−０で勝利」の最適な単語対応とそのときのスコア計算例を示す図である。
【図５】入力文「５−１でブラジルはスペインに完勝」同士の最適な単語対応を示す図である。
【図６】入力文「５−１でブラジルはスペインに完勝」と候補文「日本は４−０で韓国に完勝した」の最適な単語対応とそのときのスコア計算例を示す図である。
【図７】本発明の他の実施形態の類似文検索装置の構成図である。
【図８】実例型自然言語翻訳方法による翻訳の例を示す図である。
【符号の説明】
１入力部
２用例集格納部
３類似度計算部
４類似文検索部
５検索結果出力部
１１単語対応表生成部
１２文マッチングスコア計算部
１３単語対応最適化部
２１〜２５ステップ
３１入力装置
３２，３３記憶装置
３４出力装置
３５記録媒体
３６データ処理装置

Claims

用例集格納手段と単語対応表生成手段と文マッチングスコア計算手段と単語対応最適化手段と類似文検索手段を有する類似文検索装置において、複数の自然言語の文である候補文を収めた用例集格納手段から自然言語の文である入力文に類似した類似文を検索する類似文検索方法であって、
前記単語対応表生成手段が、入力文と候補文の形態素解析を行い、入力文と候補文の各単語同士の類似性を表す単語マッチングスコアを求めて、入力文と候補文のすべての単語間の単語マッチングスコアを格納した単語対応表を作成する単語対応表生成ステップと、
前記文マッチングスコア計算手段が、入力文と候補文との単語対応の組み合わせについて、入力文と候補文でそれぞれ対応する文節毎に、前記単語間の単語マッチングスコアを加算し、二乗して文節間のマッチングスコアとし、さらに、入力文と候補文で対応する文節が連続する範囲で前記文節間のマッチングスコアを加算し、二乗して連続対応部分のマッチングスコアとし、前記求められる連続対応部分のマッチングスコアを全て加算することによって文マッチングスコアを計算する文マッチングスコア計算ステップと、
前記単語対応最適化手段が、前記文マッチングスコア計算手段が計算する入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせを決定し、入力文同士、候補文同士でそれぞれ文マッチングスコアの最大値を算出し、前記入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせの文マッチングスコアを前記算出した入力文同士の文マッチングスコアの最大値と前記算出した候補文同士の文マッチングスコアの最大値によって正規化した値、を入力文と候補文の類似度として求める単語対応最適化ステップと、
前記類似文検索手段が、前記用例集格納手段に格納された複数の候補文をそれぞれ読み出して前記単語対応最適化手段で入力文と候補文の類似度をそれぞれ求め、前記複数の候補文それぞれに対応する入力文と候補文の類似度のうち、類似度が最も高い候補文を類似文として選択するステップと、
を有することを特徴とする類似文検索方法。
複数の自然言語の文である候補文を収めた用例集格納手段から自然言語の文である入力文に類似した類似文を検索する類似文検索装置であって、
入力文と候補文の形態素解析を行い、入力文と候補文の各単語同士の類似性を表す単語マッチングスコアを求めて、入力文と候補文のすべての単語間の単語マッチングスコアを格納した単語対応表を作成する単語対応表生成手段と、
入力文と候補文との単語対応の組み合わせについて、入力文と候補文でそれぞれ対応する文節毎に、前記単語間の単語マッチングスコアを加算し、二乗して文節間のマッチングスコアとし、さらに、入力文と候補文で対応する文節が連続する範囲で前記文節間のマッチングスコアを加算し、二乗して連続対応部分のマッチングスコアとし、前記求められる連続対応部分のマッチングスコアを全て加算することによって文マッチングスコアを計算する文マッチングスコア計算手段と、
前記文マッチングスコア計算手段が計算する入力文と候補文のマッチングスコアを最大化する入力文と候補文の単語対応の組み合わせを決定し、入力文同士、候補文同士でそれぞれ文マッチングスコアの最大値を算出し、前記入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせの文マッチングスコアを前記算出した入力文同士の文マッチングスコアの最大値と前記算出した候補文同士の文マッチングスコアの最大値によって正規化した値、を入力文と候補文の類似度として求める単語対応最適化手段と、
前記用例集格納手段に格納された複数の候補文をそれぞれ読み出して前記単語対応最適化手段で入力文と候補文の類似度をそれぞれ求め、前記複数の候補文それぞれに対応する入力文と候補文の類似度のうち、類似度が最も高い候補文を類似文として選択する手段と、
を有することを特徴とする類似文検索装置。
コンピュータを用例集格納手段と単語対応表生成手段と文マッチングスコア計算手段と単語対応最適化手段と類似文検索手段を有する類似文検索装置として動作させ、複数の自然言語の文である候補文を収めた用例集格納手段から自然言語の文である入力文に類似した類似文を検索する類似文検索プログラムを格納したコンピュータ読み取り可能な記録媒体であって、
前記単語対応表生成手段が、入力文と候補文の形態素解析を行い、入力文と候補文の各単語同士の類似性を表す単語マッチングスコアを求めて、入力文と候補文のすべての単語間の単語マッチングスコアを格納した単語対応表を作成し、
前記文マッチングスコア計算手段が、入力文と候補文との単語対応の組み合わせについて、入力文と候補文でそれぞれ対応する文節毎に、前記単語間の単語マッチングスコアを加算し、二乗して文節間のマッチングスコアとし、さらに、入力文と候補文で対応する文節が連続する範囲で前記文節間のマッチングスコアを加算し、二乗して連続対応部分のマッチングスコアとし、前記求められた連続対応部分のマッチングスコアを全て加算することによって文マッチングスコアを計算し、
前記単語対応最適化手段が、前記文マッチングスコア計算手段が計算する入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせを決定し、入力文同士、候補文同士でそれぞれ文マッチングスコアの最大値を算出し、前記入力文と候補文の文マッチングスコアを最大化する入力文と候補文の単語対応の組み合わせの文マッチングスコアを前記算出した入力文同士の文マッチングスコアの最大値と前記算出した候補文同士の文マッチングスコアの最大値によって正規化した値、を入力文と候補文の類似度として求め、
前記類似文検索手段が、前記用例集格納手段に格納された複数の候補文をそれぞれ読み出して前記単語対応最適化手段で入力文と候補文の類似度をそれぞれ求め、前記複数の候補文それぞれに対応する入力文と候補文の類似度のうち、類似度が最も高い候補文を類似文として選択する
ことを特徴とする類似文検索装置としてコンピュータを機能させるための類似文検索プログラムを格納したコンピュータ読み取り可能な記録媒体。