JP3690938B2 - インデックスの作成装置および作成方法、ならびに記憶媒体 - Google Patents
インデックスの作成装置および作成方法、ならびに記憶媒体 Download PDFInfo
- Publication number
- JP3690938B2 JP3690938B2 JP15580099A JP15580099A JP3690938B2 JP 3690938 B2 JP3690938 B2 JP 3690938B2 JP 15580099 A JP15580099 A JP 15580099A JP 15580099 A JP15580099 A JP 15580099A JP 3690938 B2 JP3690938 B2 JP 3690938B2
- Authority
- JP
- Japan
- Prior art keywords
- document
- term
- creating
- index
- language
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
- G06F16/36—Creation of semantic tools, e.g. ontology or thesauri
- G06F16/374—Thesaurus
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
【０００１】
【発明の属する技術分野】
本発明はインデックスを作成する方法および装置に関する。本発明はまた前記方法を実行するためのプログラムを格納する記憶媒体、インデックス、インデックスを含む記憶媒体、および文献にアクセスするためのインデックスの使用に関する。
【０００２】
【従来の技術】
本明細書中に開示される技術は情報管理に使用され得る。そのような応用の例として、インターネット上またはオフィス情報システム内の情報にアクセスするためのサーチエンジン等の情報検索システム、情報フィルタリングアプリケーション（情報ルーティングシステムとしても公知）、ならびに情報抽出アプリケーションが挙げられる。
【０００３】
機械読み出し式の文献を含み、情報を発見且つ検索するためにアクセスされ得るデータベースが多数存在する。同様に、主題に基づいて文献を発見する様々な公知の技術が存在する。公開された特許明細書の集合がこの例に該当する。国際分類に従って明細書が発行される場合、全ての特許明細書が主題に従ってインデックスを付けられる。各特許明細書の内容が国際分類に従って分析され、主題について関連する分類番号が、印刷された特許明細書および機械読み出し式の両方の見出し(heading)の一部を形成する。
【０００４】
【発明が解決しようとする課題】
特許明細書、または実際には他の文献(文献の集合は主題に従って同様に分類される)を発見するために、正確な国際分類を選択し、これを検索システム(searching system)に適用する必要がある。次に、検索システムは同じクラスに分類された全ての特許明細書を発見する。しかし、このシステムの欠点は、効果的に使用するためには、国際分類システムに精通し、且つこれを用いる経験が必要である点にある。また、この技術は特許明細書の正確な分類に依存する。不慣れな使用者は、結果的に関連する特許明細書を見逃し、それに対して、不正確な分類は関連する特許明細書がこの技術によって発見されることを妨げ得る。
【０００５】
別の公知の情報検索技術は、関連する特許明細書等の文献を検索するのに使用するキーワードの選択に基づく。この場合、関連する文献には含まれていそうで、関連しない文献には含まれていそうにない単語を識別する必要がある。キーワードを用いた検索は、キーワードまたはキーワードの組み合わせを含む全ての文献を明らかにする。
【０００６】
この技術には問題が複数存在する。例えば、主題が十分に定義されていないかまたは標準的な専門用語でない場合、関連する文献を識別し得る全てのキーワードを選択するのは困難であるかまたは不可能である。一方で、より一般的なキーワードの使用は、それらの多くが関連しないものであるが、非常に多くの数の文献が開示され得る。更に、このようなキーワードは、同じ言語の文献または完全にまたは部分的にキーワードの言語へと翻訳または要約された文献のみに使用することができる。従って、他の言語で文献を発見するこの技術の効果は貧弱となり得るかまたは存在し得ない。
【０００７】
D. A. Hull and G. Greffenstetteの"Querying across Languages: a Dictionary-Based Approach to Multilingual Information Retrieval", 19th Annual International Conference on Research and Development in Information Retrieval (SIGIR '96), pages 49-57, 1996および D. W. Oard and B. J. Dorrの"A Survey of Multilingual Text Retrieval", Technical Report UMIACS-TR-96-19, University of Maryland, Institute for Advanced Computer Studies, April 1996が多言語情報検索を実行する２つの技術を開示し、一方は文献翻訳に基づき、他方は質問式翻訳(query translation)に基づく。それぞれの場合で、各翻訳は機械翻訳システムによって実行される。従って、文献翻訳の場合、文献の集合を全てターゲット言語に翻訳するために機械翻訳システムが使用されるので、情報を発見且つ検索するための質問式が、例えばこれまでに説明したキーワード技術に基づいて、ソース（文献）言語またはターゲット言語で実行され得る。他の技術において、文献は翻訳されないが、各質問式がソース言語または文献言語に翻訳され、文献の集合を検索するのに訳語が使用される。
【０００８】
質問式翻訳の欠点は、質問式が複数の単語を含むことがあり、センテンスの文脈内にさえないことがあり得るということである。従って、このような質問式の自動言語処理は困難となり得、関連する文献の発見の失敗および関連しない文献の発見等の不十分な結果に至り得る。
【０００９】
インデックスを作成するために文献の集合全体を翻訳する自動機械翻訳の使用もまた問題である。コンピューティング時間および更なる記憶媒体の容量の点で必要とされるリソースが、この技術の魅力を失わせる。このような処理はリアルタイムで実行される必要なく、各情報検索要求の部分として必要とされないが、実質的なリソースが必要であり、更なる文献が集合に追加されるように要求が継続し得る。複数のターゲット言語への翻訳はリソース要求を増加させる。
【００１０】
機械翻訳システムはまた、情報検索および、特に多言語インデックスを作成するのに役立たないタスクも実行する。例えば、機械翻訳システムは文献に含まれる単語および単語の群を翻訳するのに加えて、人間が読むことのできる良質の翻訳を生成することも試みる。翻訳がインデックス付けのためにのみ要求される場合、ターゲット言語における語順修正等の機能が必要であり、従ってコンピュータリソースを浪費することになる。
【００１１】
インデックス付けを目的として文献をターゲット言語に翻訳するために使用される場合の機械翻訳システムでの更なる欠点は、インデックスの効果が著しく妥協され得ることである。いくつかの機械翻訳システムでは、ある入力されたテキストに対して１つの好適な訳文（訳語）を生成する。言い換えると、このようなシステムは、システム内の自動判定基準に従って最良の訳文（訳語）であると判断された１つの訳文（訳語）を識別し且つ生成することを試みる。訳文（訳語）が不正確である場合、関連する文献が発見されず関連しない文献が発見され得るので、不正確な訳文（訳語）に基づく情報は役に立たない。
【００１２】
他の機械翻訳システムは、入力されたテキストに対して考え得る全ての訳文（訳語）を生成することを試みる。従って、正確な訳文（訳語）が存在する場合でさえ、不適切または間違った他の訳文（訳語）が多数発生し得る。情報検索にこのような訳文（訳語）を使用することにより、システムに供給される質問式に対して偽りの一致を生成する結果となる。そのために、非常に多くの数の関連しない文献が関連する文献と共に発見され得る。
【００１３】
WO 97/08604は、文献および質問式が共通言語非依存型の概念図に変換されるかまたは低減される、文献検索システムを開示している。
【００１４】
EP 0 813 160は、各見出し語が補助的見出し語として１つ以上の関連する単語と共にメインワードまたは先頭ワードを含むタイプのデータベースにアクセスする技術を開示している。１ワードの質問式が見出し語の先頭ワードに突き合わされると、質問式のワードは補助的見出し語内のワードの有無をチェックされる。
【００１５】
EP 0 304 191は、質問式のワードが検索中に使用する同義語を見つけるように処理される検索システムを開示している。
【００１６】
上記問題に鑑み、本発明は、関連する文献を発見するために適切なインデックスを生成することにより、正確な文献の検索を可能にすることを目的とする。
【００１７】
【課題を解決するための手段】
本発明のインデックス作成装置は、複数のソース言語の文献について、インデクシングフィーチャーを含むインデックスを作成する装置であって、該文献内に存在する複数のソース言語のタームの各々を識別する識別手段と、該識別手段によって識別されたソース言語のタームのそれぞれから、ターゲット言語のタームを正確な訳語である可能性の優先度に従って順序付けした状態で生成するターム生成手段と、前記識別手段によって識別された前記ソース言語のタームのそれぞれについて、該ソース言語のタームと、該ソース言語のタームが存在する前記文献または該文献の識別子とを有する第１のインデクシングフィーチャーを作成する第１インデクシングフィーチャー作成手段と、前記ターム生成手段によって生成されたターゲット言語から前記優先度に基づいて選択されるターゲット言語のタームと、前記第１のインデクシングフィーチャーに含まれる前記文献または該文献の識別子とを有する第２のインデクシングフィーチャーを作成する第２インデクシングフィーチャー作成手段と、該第１および第２のインデクシングフィーチャーを含むインデックスを作成するインデックス作成手段とを含み、前記識別手段および前記ターム生成手段が、前記ソース言語のタームから生成されるターゲット言語のタームとして該ターゲット言語の訳語を作成し、作成された各訳語に前記優先度を割り当てるように構成された制限された非決定性グロッサー (glosser) であることを特徴とし、そのことにより上記目的が達成される。
【００１８】
文献が自然言語文献であってもよい。
【００２６】
また、プログラムされたデータプロセッサをさらに含んでいてもよい。
【００２７】
本発明のインデックス作成方法は、前記インデックス作成装置によってインデクシングフィーチャーを含むインデックスを作成する方法であって、前記グロッサーにより、該文献内に存在する複数のソース言語のタームの各々を識別する識別ステップと、前記グロッサーにより、該識別手段によって識別されたソース言語のタームのそれぞれから、ターゲット言語のタームを正確な訳語である可能性の優先度に従って順序付けした状態で生成するターム生成ステップと、前記第１インデクシングフィーチャー作成手段により、前記グロッサーによって識別された前記ソース言語のタームのそれぞれについて、該ソース言語のタームと、該ソース言語のタームが存在する前記文献または該文献の識別子とを有する第１のインデクシングフィーチャーを作成する第１インデクシングフィーチャー作成ステップと、前記第２インデクシングフィーチャー作成手段により、前記ターム生成工程によって生成されたターゲット言語から前記優先度に基づいて選択されるターゲット言語のタームと、前記第１のインデクシングフィーチャーに含まれる前記文献または該文献の識別子とを有する第２のインデクシングフィーチャーを作成する第２インデクシングフィーチャー作成ステップと、前記インデックス作成手段により、該第１および第２のインデクシングフィーチャーを含むインデックスを作成するインデックス作成ステップと、を含む。
【００２８】
文献が自然言語文献であってもよい。
【００３８】
本発明による記憶媒体は、本発明の方法を実行するデータプロセッサを制御するプログラムを含み、そのことにより上記目的が達成される。
【００４２】
【発明の実施の形態】
本発明においては、複数の文献についてインデックスを作成するために、単語または連語の各々が識別され、多言語リソースまたはシソーラスに付与される。異なる言語への翻訳またはシソーラスからの類義語等の、言語学的に関連するが異なるタームが生成される。これらの同義語が、多言語リソースまたはシソーラスに含まれる情報に基づいて、正確または適切である可能性に従って順序付けられる。文献内の単語または連語の各々ならびに最も適当なタームの各々が、それが出現する各文献についての識別子を付加することによりインデクシングフィーチャーを形成する。これにより、文献に含まれるタームを用いるだけでなく、異なる自然言語への訳語または類義語等の得られたタームも用いて文献を発見する際に使用され得るインデックスが提供される。
【００４３】
本明細書中で用いる「ターム」という言葉は、個々の単語、文献内の互いに隣接して出現するリンクされた単語のグループ（連続連語）、または、互いにリンクされているが、グループの仲間ではない１つ以上の単語によって文献内で分離された単語からなる少なくとも２つのサブグループに分割された単語のグループ（非連続連語）を意味する。
【００４４】
本明細書中で用いる「識別子(identifier)」という言葉は、１つ以上のタームの位置、例えば、タームを含む文献のヘディング(heading)または任意の連続番号を識別する任意の手段を意味する。本明細書中で用いる「インデクシングフィーチャー」という言葉はタームおよび識別子を意味する。
【００４５】
本明細書中で用いる「言語的に関連のある」という語句は、同じ、同様の、または関連のある意味を有するタームを意味する。例えば、言語学的に関連のあるタームは、同じ（自然）言語および異なる（自然）言語への訳文（訳語）内の類義語、より一般的なタームおよびより特定的なタームを含む。
【００４６】
文献は高級コンピュータプログラミング言語等の任意のタイプの言語であり得るが、文献は好適には自然言語文献である。
【００４７】
本発明により、文献内に出現するタームに制限されないインデクシングフィーチャーを有する文献の集合にインデックスを作成することが可能である。シソーラスの見出し語の使用により、類義語で、より一般的で、且つ、より特定的なタームがインデックスに追加され、任意の質問式が関連の文献を発見する可能性を増加し得る。多言語リソースの使用により、ソース言語または文献言語以外の言語において、効率的且つ効果的な様態でインデックス付けが実行され得る。
【００４８】
任意のタイプの多言語リソースが使用され得るが、軽量の言語間グロッシングシステム(cross-linguistic glossing system)が有利である。このようなグロッシングシステムは制限された非決定性を用い、インデクシングフィーチャーにおいて使用される尤もらしいターゲット言語での訳語を生成する。このようなグロッシングシステムまたはグロッサーは、EP 0 813 160およびGB 2 314 183に開示されたタイプであり得、この内容を本明細書中で参考として援用する。このタイプのグロッサーは、先頭語によってインデックス付けされる順次的な（連続的な）および非順次的な（非連続的な）連語を識別し翻訳することができる。更に、このシステムは、単語または連語の複数の訳語のうちのどれが実際に選択されるかに関わらず、テキストの完全なセクションの矛盾のない訳文（訳語）が常に得られるように、優先度を選択される訳文（訳語）に与える(ascribe)ために使用され得る。更に、選択される訳文（訳語）の優先度決定により、例えば優先度情報に基づいて、これらの訳文（訳語）のうちの限られた数の訳文（訳語）を使用することができる。
【００４９】
このようなグロッサーは機械翻訳システムよりも効率的である。インデックスは単にタームの識別および翻訳のみを要求し、機械翻訳システムによって提供される読解可能な訳文（訳語）の解析(parsing)および生成等の他の処理ステップを要求しない。従って、グロッシングの使用は、計算の点でより効率的であり、計算に要求される時間は実質的に低減される。
【００５０】
機械翻訳システムによる最も尤もらしいがおそらく不正確な１つの訳文（訳語）の選択、および、不正確且つインデックス付けに用いるには全く不適切であり得る訳文（訳語）を含む、考え得る全ての訳文（訳語）の選択に結びついた問題が、グロッサーの使用により克服され得る。非決定性技術(non-deterministic technique)の使用により、制限された数の、タームの最も適当な訳語が提供され得る。考え得る全ての訳語の中から選択された、この制限された数の訳語が最良または正確な訳語を含む可能性は極めて高い。従って、このように作成されたインデックスを用いて文献にアクセスすることにより、発見され得る関連しない文献の数を低減しつつ、関連する全ての文献を発見する高い可能性が提供される。
【００５１】
以下、図面を参照して本発明の実施の形態を説明する。
【００５２】
図１は、磁気ディスクまたはＣＤ-ＲＯＭ等の光記憶媒体等の文献記憶装置１に格納された機械読み取り形式の複数の文献へのインデックスを作成する装置を示す。装置はコンピュータ等のプログラムされたデータプロセッサ型の装置であり、キーボードおよびマウス等の入力インターフェース３を備えたプログラム可能データプロセッサ２、ならびにディスプレイおよびプリンタ等の出力インターフェース４を含む。データプロセッサ２は、データ処理中に一時的にデータを記憶するためのランダムアクセスメモリ（ＲＡＭ）５の形態の「ワーキングメモリ」を有する。不揮発性読み出し／書き込みメモリ６が、例えば装置への電源のスイッチがオフになった場合に保持する必要のあるデータを格納するために提供される。読み出し専用メモリ（ＲＯＭ）の形態のプログラムメモリ７が、データプロセッサ２の動作を制御するプログラムを含む。
【００５３】
装置は他のメモリデバイスも備え得る。例えば、これらのメモリデバイスはＣＤ-ＲＯＭ８、フロッピーディスク９およびデジタルビデオディスク（ＤＶＤ）１０に適したドライブを含み得る。これらの装置は読み出し専用型であり得、例えばフロッピーディスク９の場合、読み出し書き込み型である。このようなデバイスは文献記憶装置１を提供し、且つ、装置のための出力媒体を提供し得る。例えば、装置によって作成されたインデックスは、図１に示す記憶媒体８、９、１０のいずれかに書き込まれ得る。
【００５４】
プログラムメモリ７は、本明細書中で説明する様々な動作を実行するために、データプロセッサ２および／または多言語リソース１１および／またはシソーラス１２によって実行される前述のプログラムを含む。コンピュータプログラムの技術分野の当業者には容易に理解されるように、プログラムは、様々な公知のコンピュータ言語のいずれかで書き込まれ得る。従って、説明を簡潔にするために、特定のコード自体に関する更なる詳細は省略する。
【００５５】
多言語リソース１１および機械読み出し式シソーラス１２を独立した装置として図１に示す。しかし、これらの装置は既述の装置の構成要素内に一体化され得る。例えば、メモリおよび装置７から１０のいずれかがデータを含み得、メモリ７が多言語リソースおよび／またはシソーラス１２の動作を実行するためのプログラムを含み得る。
【００５６】
多言語リソース１１は、装置の動作中に使用され得る４つのリソースを示す。文献グロッサー１３は「順序づけられた」複数のソース言語の単語または連語（単語のグループ）をターゲット言語での訳語でラベルする。グロッサーは、好適には、各単語または連語の訳語を「正しい」訳語である可能性の順に並べるタイプのグロッサーである。好適には、これは例えばEP 0 813 160およびGB 2 314 183に開示されているように、非決定性のタイプのグロッサーである。
【００５７】
装置にとって、文献グロッサー１３が好適なタイプの多言語リソースであるが、図１には違うタイプのリソースを示す。従って多言語リソース１１は機械翻訳システム１４を含み得る。好適な機械翻訳システムが、W. John HutchinsおよびHarold L. Somersの"An Introduction to Machine Translation"(Academic Press, 1992, ISBN 0-12-362830-X)に開示されている。（なお、この文献の内容を本明細書中で参考として援用する。）機械翻訳システムはグロッサーよりも深い言語ソースの分析を実行し、通常「生成」と呼ばれるステップも実行する。「生成」は、ソース言語の単語または連語のターゲット言語での訳語を、ターゲット言語にとって正しい文法的順序に並べることを試み、正しい語形変化(inflection)等を生成する。これまでに説明したように、このような機械翻訳システムはグロッサーよりも多くの処理を実行し且つ多くのリソースを必要とするが、適切な状況において多言語リソース１１として使用され得る。
【００５８】
多言語リソース１１は機械読み出し型の二カ国語辞書１５を含み得る。例えば、ソース言語テキストは処理されなくてもよく、単に単語に、ことによると連語に分けられ得る。これらの単語または連語は、テキストの逐語的な訳文（訳語）を提供する辞書１５にアクセスするために使用される。
【００５９】
多言語リソース１１は、スピーチタガー１６の一部分を含み得る。このような「装置」はソース言語テキストの制限された文法的分析を実行し、各単語のスピーチの部分を決定する。辞書１５のみを用いることによって得られ得る訳文（訳語）よりも改良された逐語的な訳文（訳語）を提供するように、この制限された分析の結果が二カ国語辞書１５に付与され得る。
【００６０】
図２および図３は、図１に示した装置によって実行され得るインデックスの作成方法を示す。文献記憶装置１は、自然言語等のソース言語の文献の集合Ｓを含む。説明のみを目的として、集合Ｓの文献が英語であり、英語とオランダ語のインデックスが要求される場合についての動作を説明する。しかし、シソーラス１２を利用する単一言語インデックスを提供するために本願方法が使用され得、文献に含まれる単語および連語のみに基づくのでなく、シソーラス１２にアクセスして得られる同じ言語の単語および連語（但し、必ずしも文献内に存在するわけではない）に基づくインデクシングフィーチャーを提供する。
【００６１】
ステップ２０において、パラメータ「ｄ」は１の値に設定され、パラメータＮは文献集合Ｓの濃度(cardinality)、つまり集合内の文献の数に等しくなるように設定される。ステップ２１は「ｄ」がＮより小さいのかまたはＮと等しいのかをテストし、そうである場合には、ルーチン２２を実行する。ルーチン２２は、言語間インデクシングフィーチャー生成器(cross-linguistic indexing feature
generator)を、「ｄ」として識別される文献に適用する。
【００６２】
ソース言語文献ｄをボックス２３に示す。ソース言語文献ｄは、ステップ２４において「任意の」非決定性分析に供給され、続けてステップ２５に進む。ステップ２５において、文献ｄから文献の個々の単語および連語が識別され、それらがセットＤに格納される。ステップ２４は文献ｄの各センテンス上で実行され、センテンスのソース言語の非決定性分析を示す。分析されたセンテンスはステップ２５に送られる。ステップ２５において、ターゲット言語において潜在的に翻訳相等物(translation equivalent)を有する個々の単語または連語が識別される。ステップ２４および２５は、文献グロッサー１３によって実行される。
【００６３】
ステップ２６において、パラメータ「element」は１の値に設定され、パラメータＸはセットＤの濃度の値、つまりセットＤ内の単語および連語の数と等しくなるように設定される。ステップ２７は「element」がＸより小さいのかまたはＸと等しいのかをテストし、そうである場合には、ステップ２８が実行される。ステップ２８において、Ｄelementとして識別される単語または連語が、辞書１５等の二カ国語リソースで調べられる。辞書から得られる可能な訳文（訳語）の各々がセットＴelementに格納される。ターゲット言語への翻訳が意味をなすことを確実にするために、単語または連語の文脈が考慮される。例えば、これは、センテンスのある部分の翻訳について為されたある決定が同じセンテンスの他の部分の翻訳に影響し得る可能性を考慮している。
【００６４】
ステップ２９において、パラメータエレメントは１増加し、再びステップ２７が実行される。このループはセットＤ内の全ての単語および連語が翻訳されるまで続き、その後ステップ３０が実行される。
【００６５】
ステップ３０がパラメータｉを１の値に設定し、ステップ３１がｉはＸより小さいのかまたはＸと等しいのかをテストする。そうである場合には、ステップ３２がセットＴｉに格納されたターゲット言語での訳語を、ステップ２８の間に二カ国語辞書から得られる優先度情報に従ってソートする。従ってステップ３２は、ソース言語の単語または連語に対応する訳語の各セットの優先度または順序を提供する。このような優先度情報を得る技術は、EP 0 813 160およびGB 2 314 183に開示されている。
【００６６】
ステップ３３がｉを１減少させ、再びステップ３１が実行される。全てのターゲット言語での訳語がステップ３２によってソートされるまでループが継続し、その後、ステップ３４が、セットＴｉ（１≦ｉ≦Ｘ）に格納された情報からインデクシングフィーチャーを生成する。特に、ステップ３４は、ステップ３２で生成された順序を用いて最も相応しい訳語を選択する。ソースの単語および連語ならびに残りのターゲット言語での訳語が、それらを含むまたはそれらが得られる文献ｄの識別子を添付することによって、インデクシングフィーチャーとして構成される。得られたインデクシングフィーチャーをボックス３５に模式的に示す。
【００６７】
図２に示すように、ステップ３６においてターゲット言語機構がターゲット言語インデックスＴに追加される。ステップ３７においてパラメータｄが１増加し、再びステップ２１が実行される。全てのソース言語文献が処理されるまでこの手順が繰り返され、全てのソース言語文献の処理が終了した時点で、ボックス３８に示すように、ターゲット言語インデックスＴがソース言語インデックスと共に出力インターフェース４および／または記憶媒体８、９および１０のいずれかに戻される。
【００６８】
この方法を説明するために特定的な実施例を説明する。この特定的な実施例において、ソース言語文献は英語であり、英語またはオランダ語で文献にアクセスすることが可能になる必要がある。文献は、図２に示すステップ２０、２１および３７によって、図３に示す分析で１度に１つずつ分析される。例えば、図３に示す分析の動作を、識別子番号＃８を有する文献を参照しながら説明する。文献＃８は１度に１つずつ分析される英語のセンテンスを含む。一例として、以下の英語のセンテンスが文献内に生じる。
"air passes out of the furnace"（「空気が加熱炉から出て来る。」）
分析ステップ２４は、"air"が名詞または動詞のいずれであり得るか、"passes"が複数名詞または三人称動詞のいずれであり得るか等を識別する。ステップ２５はセンテンス内の全ての単語および連語を識別し、以下の分析を提供する。
air＿NOUN (名詞)
air＿VERB (動詞）
pass＿VERB (動詞）
pass＿NOUN (名詞）
pass＿VERB (動詞） out＿PREP (前置詞）
out＿PREP (前置詞）
out＿PREP (前置詞） of＿PREP (前置詞）
of＿PREP (前置詞）
the＿DET (定冠詞）
furnace＿NOUN (名詞）
ステップ２８は単語および連語を二カ国語辞書またはレキシコンで調べ、以下のようにオランダ語の訳語を引き出す。（"<none>"は、単語または連語に訳語を与えられないことを示す）
air＿NOUN (名詞) →｛lucht, hemel｝
air＿VERB (動詞） →｛luchten, uiten｝
pass＿VERB (動詞） →｛doorgeven, halen｝
pass＿NOUN (名詞） →｛pas, kaart, voldoende｝
pass＿VERB (動詞） out＿PREP (前置詞） →｛doorvoeren, flauwvallen｝
out＿PREP (前置詞） →｛uit, buiten, extern van｝
out＿PREP (前置詞） of＿PREP (前置詞） →｛uit, buiten｝
of＿PREP (前置詞） →｛<none>, van｝
the＿DET (定冠詞） →｛de, het｝
furnace＿NOUN (名詞） →｛oven, fornuis｝
ステップ３２はターゲット言語での訳語を正確である可能性の順序に順序づけ、それらを以下の入力センテンスに割り当てる。
air →｛lucht, luchten, hemel, uiten｝
pass →｛doorvoeren, doorgeven, pas, kaart, voldoende,
halen, flauwvallen｝
out →｛uit, buiten, extern van｝
of →｛<none>, van｝
the →｛de, het｝
furnace →｛oven, fornuis｝
ステップ３４は、制限された非決定性を付与すること、つまり最も相応しい訳語を選択し、ソース言語の単語および連語ならびにターゲット言語での訳語を分析中の文献の識別子（＃８）と関連付けることによって、インデクシングフィーチャーを生成する。
("air", #8)
("lucht", #8)
("luchten", #8)
("doorvoeren", #8)
("pass", #8)
("doorgeven", #8)
("pas", #8)
("kaart", #8)
("out of", #8)
("uit", #8)
("the", #8)
("de", #8)
("het", #8)
("furnace", #8)
("oven", #8)
一旦このような方法で全ての文献が分析されると、例えば記憶媒体に最後のインデックスが提供されるが、これは次のような形態である。
［"aardvark"］ → #1, #17, #21, #47, #109
［"air"］ → #5, #8, #87
... ... ...
［"out of"］ → #8, #10
... ... ...
［"doorvoeren"］ → #1, #8, #79
... ... ...
［"zebra"］ → #9, #10, #94, #187
従って、情報を文献集合から検索することが望まれる場合、情報検索システムによって、英語またはオランダ語での質問式がインデックスに付与される。これらの質問式は、検索される主題に関する単語または連語の形態であり得る。情報検索システムは、これらの質問式をインデックスに付与し、インデクシングフィーチャーとの一致が見つかった場合、所望の主題を含んでいそうな１つまたは複数の文献を識別するように、関連する１つまたは複数の文献番号が戻される。
【００６９】
【発明の効果】
本発明によれば、文献内に出現するタームに制限されないインデクシングフィーチャーを有する文献の集合にインデックスを作成することが可能である。シソーラスの見出し語の使用により、類義語で、より一般的で、且つ、より特定的なタームがインデックスに追加され、任意の質問式が関連の文献を発見する可能性を増加し得る。多言語リソースの使用により、ソース言語または文献言語以外の言語において、効率的且つ効果的な様態でインデックス付けが実行され得る。
【図面の簡単な説明】
【図１】本発明の実施形態を構成するインデックスを作成するための装置の模式的なブロック図である。
【図２】図１に示す装置によって実行される、本発明の実施形態を構成するインデックスの作成方法を示す流れ図である。
【図３】図１に示す装置によって実行される、本発明の実施形態を構成するインデックスの作成方法を示す流れ図である。
【符号の説明】
１ 文献記憶装置
２ プログラム可能データプロセッサ
３ 入力インターフェース
４ 出力インターフェース
５ ワーキングメモリ
６ 不揮発性読み出し／書き込みメモリ
７ プログラムメモリ
８ ＣＤ-ＲＯＭ
９ フロッピーディスク
１０ デジタルビデオディスク（ＤＶＤ）
１１ 多言語リソース
１２ シソーラス
１３ 文献グロッサー
１４ 機械翻訳システム
１５ 二カ国語辞書
１６ スピーチタガー
【発明の属する技術分野】
本発明はインデックスを作成する方法および装置に関する。本発明はまた前記方法を実行するためのプログラムを格納する記憶媒体、インデックス、インデックスを含む記憶媒体、および文献にアクセスするためのインデックスの使用に関する。
【０００２】
【従来の技術】
本明細書中に開示される技術は情報管理に使用され得る。そのような応用の例として、インターネット上またはオフィス情報システム内の情報にアクセスするためのサーチエンジン等の情報検索システム、情報フィルタリングアプリケーション（情報ルーティングシステムとしても公知）、ならびに情報抽出アプリケーションが挙げられる。
【０００３】
機械読み出し式の文献を含み、情報を発見且つ検索するためにアクセスされ得るデータベースが多数存在する。同様に、主題に基づいて文献を発見する様々な公知の技術が存在する。公開された特許明細書の集合がこの例に該当する。国際分類に従って明細書が発行される場合、全ての特許明細書が主題に従ってインデックスを付けられる。各特許明細書の内容が国際分類に従って分析され、主題について関連する分類番号が、印刷された特許明細書および機械読み出し式の両方の見出し(heading)の一部を形成する。
【０００４】
【発明が解決しようとする課題】
特許明細書、または実際には他の文献(文献の集合は主題に従って同様に分類される)を発見するために、正確な国際分類を選択し、これを検索システム(searching system)に適用する必要がある。次に、検索システムは同じクラスに分類された全ての特許明細書を発見する。しかし、このシステムの欠点は、効果的に使用するためには、国際分類システムに精通し、且つこれを用いる経験が必要である点にある。また、この技術は特許明細書の正確な分類に依存する。不慣れな使用者は、結果的に関連する特許明細書を見逃し、それに対して、不正確な分類は関連する特許明細書がこの技術によって発見されることを妨げ得る。
【０００５】
別の公知の情報検索技術は、関連する特許明細書等の文献を検索するのに使用するキーワードの選択に基づく。この場合、関連する文献には含まれていそうで、関連しない文献には含まれていそうにない単語を識別する必要がある。キーワードを用いた検索は、キーワードまたはキーワードの組み合わせを含む全ての文献を明らかにする。
【０００６】
この技術には問題が複数存在する。例えば、主題が十分に定義されていないかまたは標準的な専門用語でない場合、関連する文献を識別し得る全てのキーワードを選択するのは困難であるかまたは不可能である。一方で、より一般的なキーワードの使用は、それらの多くが関連しないものであるが、非常に多くの数の文献が開示され得る。更に、このようなキーワードは、同じ言語の文献または完全にまたは部分的にキーワードの言語へと翻訳または要約された文献のみに使用することができる。従って、他の言語で文献を発見するこの技術の効果は貧弱となり得るかまたは存在し得ない。
【０００７】
D. A. Hull and G. Greffenstetteの"Querying across Languages: a Dictionary-Based Approach to Multilingual Information Retrieval", 19th Annual International Conference on Research and Development in Information Retrieval (SIGIR '96), pages 49-57, 1996および D. W. Oard and B. J. Dorrの"A Survey of Multilingual Text Retrieval", Technical Report UMIACS-TR-96-19, University of Maryland, Institute for Advanced Computer Studies, April 1996が多言語情報検索を実行する２つの技術を開示し、一方は文献翻訳に基づき、他方は質問式翻訳(query translation)に基づく。それぞれの場合で、各翻訳は機械翻訳システムによって実行される。従って、文献翻訳の場合、文献の集合を全てターゲット言語に翻訳するために機械翻訳システムが使用されるので、情報を発見且つ検索するための質問式が、例えばこれまでに説明したキーワード技術に基づいて、ソース（文献）言語またはターゲット言語で実行され得る。他の技術において、文献は翻訳されないが、各質問式がソース言語または文献言語に翻訳され、文献の集合を検索するのに訳語が使用される。
【０００８】
質問式翻訳の欠点は、質問式が複数の単語を含むことがあり、センテンスの文脈内にさえないことがあり得るということである。従って、このような質問式の自動言語処理は困難となり得、関連する文献の発見の失敗および関連しない文献の発見等の不十分な結果に至り得る。
【０００９】
インデックスを作成するために文献の集合全体を翻訳する自動機械翻訳の使用もまた問題である。コンピューティング時間および更なる記憶媒体の容量の点で必要とされるリソースが、この技術の魅力を失わせる。このような処理はリアルタイムで実行される必要なく、各情報検索要求の部分として必要とされないが、実質的なリソースが必要であり、更なる文献が集合に追加されるように要求が継続し得る。複数のターゲット言語への翻訳はリソース要求を増加させる。
【００１０】
機械翻訳システムはまた、情報検索および、特に多言語インデックスを作成するのに役立たないタスクも実行する。例えば、機械翻訳システムは文献に含まれる単語および単語の群を翻訳するのに加えて、人間が読むことのできる良質の翻訳を生成することも試みる。翻訳がインデックス付けのためにのみ要求される場合、ターゲット言語における語順修正等の機能が必要であり、従ってコンピュータリソースを浪費することになる。
【００１１】
インデックス付けを目的として文献をターゲット言語に翻訳するために使用される場合の機械翻訳システムでの更なる欠点は、インデックスの効果が著しく妥協され得ることである。いくつかの機械翻訳システムでは、ある入力されたテキストに対して１つの好適な訳文（訳語）を生成する。言い換えると、このようなシステムは、システム内の自動判定基準に従って最良の訳文（訳語）であると判断された１つの訳文（訳語）を識別し且つ生成することを試みる。訳文（訳語）が不正確である場合、関連する文献が発見されず関連しない文献が発見され得るので、不正確な訳文（訳語）に基づく情報は役に立たない。
【００１２】
他の機械翻訳システムは、入力されたテキストに対して考え得る全ての訳文（訳語）を生成することを試みる。従って、正確な訳文（訳語）が存在する場合でさえ、不適切または間違った他の訳文（訳語）が多数発生し得る。情報検索にこのような訳文（訳語）を使用することにより、システムに供給される質問式に対して偽りの一致を生成する結果となる。そのために、非常に多くの数の関連しない文献が関連する文献と共に発見され得る。
【００１３】
WO 97/08604は、文献および質問式が共通言語非依存型の概念図に変換されるかまたは低減される、文献検索システムを開示している。
【００１４】
EP 0 813 160は、各見出し語が補助的見出し語として１つ以上の関連する単語と共にメインワードまたは先頭ワードを含むタイプのデータベースにアクセスする技術を開示している。１ワードの質問式が見出し語の先頭ワードに突き合わされると、質問式のワードは補助的見出し語内のワードの有無をチェックされる。
【００１５】
EP 0 304 191は、質問式のワードが検索中に使用する同義語を見つけるように処理される検索システムを開示している。
【００１６】
上記問題に鑑み、本発明は、関連する文献を発見するために適切なインデックスを生成することにより、正確な文献の検索を可能にすることを目的とする。
【００１７】
【課題を解決するための手段】
本発明のインデックス作成装置は、複数のソース言語の文献について、インデクシングフィーチャーを含むインデックスを作成する装置であって、該文献内に存在する複数のソース言語のタームの各々を識別する識別手段と、該識別手段によって識別されたソース言語のタームのそれぞれから、ターゲット言語のタームを正確な訳語である可能性の優先度に従って順序付けした状態で生成するターム生成手段と、前記識別手段によって識別された前記ソース言語のタームのそれぞれについて、該ソース言語のタームと、該ソース言語のタームが存在する前記文献または該文献の識別子とを有する第１のインデクシングフィーチャーを作成する第１インデクシングフィーチャー作成手段と、前記ターム生成手段によって生成されたターゲット言語から前記優先度に基づいて選択されるターゲット言語のタームと、前記第１のインデクシングフィーチャーに含まれる前記文献または該文献の識別子とを有する第２のインデクシングフィーチャーを作成する第２インデクシングフィーチャー作成手段と、該第１および第２のインデクシングフィーチャーを含むインデックスを作成するインデックス作成手段とを含み、前記識別手段および前記ターム生成手段が、前記ソース言語のタームから生成されるターゲット言語のタームとして該ターゲット言語の訳語を作成し、作成された各訳語に前記優先度を割り当てるように構成された制限された非決定性グロッサー (glosser) であることを特徴とし、そのことにより上記目的が達成される。
【００１８】
文献が自然言語文献であってもよい。
【００２６】
また、プログラムされたデータプロセッサをさらに含んでいてもよい。
【００２７】
本発明のインデックス作成方法は、前記インデックス作成装置によってインデクシングフィーチャーを含むインデックスを作成する方法であって、前記グロッサーにより、該文献内に存在する複数のソース言語のタームの各々を識別する識別ステップと、前記グロッサーにより、該識別手段によって識別されたソース言語のタームのそれぞれから、ターゲット言語のタームを正確な訳語である可能性の優先度に従って順序付けした状態で生成するターム生成ステップと、前記第１インデクシングフィーチャー作成手段により、前記グロッサーによって識別された前記ソース言語のタームのそれぞれについて、該ソース言語のタームと、該ソース言語のタームが存在する前記文献または該文献の識別子とを有する第１のインデクシングフィーチャーを作成する第１インデクシングフィーチャー作成ステップと、前記第２インデクシングフィーチャー作成手段により、前記ターム生成工程によって生成されたターゲット言語から前記優先度に基づいて選択されるターゲット言語のタームと、前記第１のインデクシングフィーチャーに含まれる前記文献または該文献の識別子とを有する第２のインデクシングフィーチャーを作成する第２インデクシングフィーチャー作成ステップと、前記インデックス作成手段により、該第１および第２のインデクシングフィーチャーを含むインデックスを作成するインデックス作成ステップと、を含む。
【００２８】
文献が自然言語文献であってもよい。
【００３８】
本発明による記憶媒体は、本発明の方法を実行するデータプロセッサを制御するプログラムを含み、そのことにより上記目的が達成される。
【００４２】
【発明の実施の形態】
本発明においては、複数の文献についてインデックスを作成するために、単語または連語の各々が識別され、多言語リソースまたはシソーラスに付与される。異なる言語への翻訳またはシソーラスからの類義語等の、言語学的に関連するが異なるタームが生成される。これらの同義語が、多言語リソースまたはシソーラスに含まれる情報に基づいて、正確または適切である可能性に従って順序付けられる。文献内の単語または連語の各々ならびに最も適当なタームの各々が、それが出現する各文献についての識別子を付加することによりインデクシングフィーチャーを形成する。これにより、文献に含まれるタームを用いるだけでなく、異なる自然言語への訳語または類義語等の得られたタームも用いて文献を発見する際に使用され得るインデックスが提供される。
【００４３】
本明細書中で用いる「ターム」という言葉は、個々の単語、文献内の互いに隣接して出現するリンクされた単語のグループ（連続連語）、または、互いにリンクされているが、グループの仲間ではない１つ以上の単語によって文献内で分離された単語からなる少なくとも２つのサブグループに分割された単語のグループ（非連続連語）を意味する。
【００４４】
本明細書中で用いる「識別子(identifier)」という言葉は、１つ以上のタームの位置、例えば、タームを含む文献のヘディング(heading)または任意の連続番号を識別する任意の手段を意味する。本明細書中で用いる「インデクシングフィーチャー」という言葉はタームおよび識別子を意味する。
【００４５】
本明細書中で用いる「言語的に関連のある」という語句は、同じ、同様の、または関連のある意味を有するタームを意味する。例えば、言語学的に関連のあるタームは、同じ（自然）言語および異なる（自然）言語への訳文（訳語）内の類義語、より一般的なタームおよびより特定的なタームを含む。
【００４６】
文献は高級コンピュータプログラミング言語等の任意のタイプの言語であり得るが、文献は好適には自然言語文献である。
【００４７】
本発明により、文献内に出現するタームに制限されないインデクシングフィーチャーを有する文献の集合にインデックスを作成することが可能である。シソーラスの見出し語の使用により、類義語で、より一般的で、且つ、より特定的なタームがインデックスに追加され、任意の質問式が関連の文献を発見する可能性を増加し得る。多言語リソースの使用により、ソース言語または文献言語以外の言語において、効率的且つ効果的な様態でインデックス付けが実行され得る。
【００４８】
任意のタイプの多言語リソースが使用され得るが、軽量の言語間グロッシングシステム(cross-linguistic glossing system)が有利である。このようなグロッシングシステムは制限された非決定性を用い、インデクシングフィーチャーにおいて使用される尤もらしいターゲット言語での訳語を生成する。このようなグロッシングシステムまたはグロッサーは、EP 0 813 160およびGB 2 314 183に開示されたタイプであり得、この内容を本明細書中で参考として援用する。このタイプのグロッサーは、先頭語によってインデックス付けされる順次的な（連続的な）および非順次的な（非連続的な）連語を識別し翻訳することができる。更に、このシステムは、単語または連語の複数の訳語のうちのどれが実際に選択されるかに関わらず、テキストの完全なセクションの矛盾のない訳文（訳語）が常に得られるように、優先度を選択される訳文（訳語）に与える(ascribe)ために使用され得る。更に、選択される訳文（訳語）の優先度決定により、例えば優先度情報に基づいて、これらの訳文（訳語）のうちの限られた数の訳文（訳語）を使用することができる。
【００４９】
このようなグロッサーは機械翻訳システムよりも効率的である。インデックスは単にタームの識別および翻訳のみを要求し、機械翻訳システムによって提供される読解可能な訳文（訳語）の解析(parsing)および生成等の他の処理ステップを要求しない。従って、グロッシングの使用は、計算の点でより効率的であり、計算に要求される時間は実質的に低減される。
【００５０】
機械翻訳システムによる最も尤もらしいがおそらく不正確な１つの訳文（訳語）の選択、および、不正確且つインデックス付けに用いるには全く不適切であり得る訳文（訳語）を含む、考え得る全ての訳文（訳語）の選択に結びついた問題が、グロッサーの使用により克服され得る。非決定性技術(non-deterministic technique)の使用により、制限された数の、タームの最も適当な訳語が提供され得る。考え得る全ての訳語の中から選択された、この制限された数の訳語が最良または正確な訳語を含む可能性は極めて高い。従って、このように作成されたインデックスを用いて文献にアクセスすることにより、発見され得る関連しない文献の数を低減しつつ、関連する全ての文献を発見する高い可能性が提供される。
【００５１】
以下、図面を参照して本発明の実施の形態を説明する。
【００５２】
図１は、磁気ディスクまたはＣＤ-ＲＯＭ等の光記憶媒体等の文献記憶装置１に格納された機械読み取り形式の複数の文献へのインデックスを作成する装置を示す。装置はコンピュータ等のプログラムされたデータプロセッサ型の装置であり、キーボードおよびマウス等の入力インターフェース３を備えたプログラム可能データプロセッサ２、ならびにディスプレイおよびプリンタ等の出力インターフェース４を含む。データプロセッサ２は、データ処理中に一時的にデータを記憶するためのランダムアクセスメモリ（ＲＡＭ）５の形態の「ワーキングメモリ」を有する。不揮発性読み出し／書き込みメモリ６が、例えば装置への電源のスイッチがオフになった場合に保持する必要のあるデータを格納するために提供される。読み出し専用メモリ（ＲＯＭ）の形態のプログラムメモリ７が、データプロセッサ２の動作を制御するプログラムを含む。
【００５３】
装置は他のメモリデバイスも備え得る。例えば、これらのメモリデバイスはＣＤ-ＲＯＭ８、フロッピーディスク９およびデジタルビデオディスク（ＤＶＤ）１０に適したドライブを含み得る。これらの装置は読み出し専用型であり得、例えばフロッピーディスク９の場合、読み出し書き込み型である。このようなデバイスは文献記憶装置１を提供し、且つ、装置のための出力媒体を提供し得る。例えば、装置によって作成されたインデックスは、図１に示す記憶媒体８、９、１０のいずれかに書き込まれ得る。
【００５４】
プログラムメモリ７は、本明細書中で説明する様々な動作を実行するために、データプロセッサ２および／または多言語リソース１１および／またはシソーラス１２によって実行される前述のプログラムを含む。コンピュータプログラムの技術分野の当業者には容易に理解されるように、プログラムは、様々な公知のコンピュータ言語のいずれかで書き込まれ得る。従って、説明を簡潔にするために、特定のコード自体に関する更なる詳細は省略する。
【００５５】
多言語リソース１１および機械読み出し式シソーラス１２を独立した装置として図１に示す。しかし、これらの装置は既述の装置の構成要素内に一体化され得る。例えば、メモリおよび装置７から１０のいずれかがデータを含み得、メモリ７が多言語リソースおよび／またはシソーラス１２の動作を実行するためのプログラムを含み得る。
【００５６】
多言語リソース１１は、装置の動作中に使用され得る４つのリソースを示す。文献グロッサー１３は「順序づけられた」複数のソース言語の単語または連語（単語のグループ）をターゲット言語での訳語でラベルする。グロッサーは、好適には、各単語または連語の訳語を「正しい」訳語である可能性の順に並べるタイプのグロッサーである。好適には、これは例えばEP 0 813 160およびGB 2 314 183に開示されているように、非決定性のタイプのグロッサーである。
【００５７】
装置にとって、文献グロッサー１３が好適なタイプの多言語リソースであるが、図１には違うタイプのリソースを示す。従って多言語リソース１１は機械翻訳システム１４を含み得る。好適な機械翻訳システムが、W. John HutchinsおよびHarold L. Somersの"An Introduction to Machine Translation"(Academic Press, 1992, ISBN 0-12-362830-X)に開示されている。（なお、この文献の内容を本明細書中で参考として援用する。）機械翻訳システムはグロッサーよりも深い言語ソースの分析を実行し、通常「生成」と呼ばれるステップも実行する。「生成」は、ソース言語の単語または連語のターゲット言語での訳語を、ターゲット言語にとって正しい文法的順序に並べることを試み、正しい語形変化(inflection)等を生成する。これまでに説明したように、このような機械翻訳システムはグロッサーよりも多くの処理を実行し且つ多くのリソースを必要とするが、適切な状況において多言語リソース１１として使用され得る。
【００５８】
多言語リソース１１は機械読み出し型の二カ国語辞書１５を含み得る。例えば、ソース言語テキストは処理されなくてもよく、単に単語に、ことによると連語に分けられ得る。これらの単語または連語は、テキストの逐語的な訳文（訳語）を提供する辞書１５にアクセスするために使用される。
【００５９】
多言語リソース１１は、スピーチタガー１６の一部分を含み得る。このような「装置」はソース言語テキストの制限された文法的分析を実行し、各単語のスピーチの部分を決定する。辞書１５のみを用いることによって得られ得る訳文（訳語）よりも改良された逐語的な訳文（訳語）を提供するように、この制限された分析の結果が二カ国語辞書１５に付与され得る。
【００６０】
図２および図３は、図１に示した装置によって実行され得るインデックスの作成方法を示す。文献記憶装置１は、自然言語等のソース言語の文献の集合Ｓを含む。説明のみを目的として、集合Ｓの文献が英語であり、英語とオランダ語のインデックスが要求される場合についての動作を説明する。しかし、シソーラス１２を利用する単一言語インデックスを提供するために本願方法が使用され得、文献に含まれる単語および連語のみに基づくのでなく、シソーラス１２にアクセスして得られる同じ言語の単語および連語（但し、必ずしも文献内に存在するわけではない）に基づくインデクシングフィーチャーを提供する。
【００６１】
ステップ２０において、パラメータ「ｄ」は１の値に設定され、パラメータＮは文献集合Ｓの濃度(cardinality)、つまり集合内の文献の数に等しくなるように設定される。ステップ２１は「ｄ」がＮより小さいのかまたはＮと等しいのかをテストし、そうである場合には、ルーチン２２を実行する。ルーチン２２は、言語間インデクシングフィーチャー生成器(cross-linguistic indexing feature
generator)を、「ｄ」として識別される文献に適用する。
【００６２】
ソース言語文献ｄをボックス２３に示す。ソース言語文献ｄは、ステップ２４において「任意の」非決定性分析に供給され、続けてステップ２５に進む。ステップ２５において、文献ｄから文献の個々の単語および連語が識別され、それらがセットＤに格納される。ステップ２４は文献ｄの各センテンス上で実行され、センテンスのソース言語の非決定性分析を示す。分析されたセンテンスはステップ２５に送られる。ステップ２５において、ターゲット言語において潜在的に翻訳相等物(translation equivalent)を有する個々の単語または連語が識別される。ステップ２４および２５は、文献グロッサー１３によって実行される。
【００６３】
ステップ２６において、パラメータ「element」は１の値に設定され、パラメータＸはセットＤの濃度の値、つまりセットＤ内の単語および連語の数と等しくなるように設定される。ステップ２７は「element」がＸより小さいのかまたはＸと等しいのかをテストし、そうである場合には、ステップ２８が実行される。ステップ２８において、Ｄelementとして識別される単語または連語が、辞書１５等の二カ国語リソースで調べられる。辞書から得られる可能な訳文（訳語）の各々がセットＴelementに格納される。ターゲット言語への翻訳が意味をなすことを確実にするために、単語または連語の文脈が考慮される。例えば、これは、センテンスのある部分の翻訳について為されたある決定が同じセンテンスの他の部分の翻訳に影響し得る可能性を考慮している。
【００６４】
ステップ２９において、パラメータエレメントは１増加し、再びステップ２７が実行される。このループはセットＤ内の全ての単語および連語が翻訳されるまで続き、その後ステップ３０が実行される。
【００６５】
ステップ３０がパラメータｉを１の値に設定し、ステップ３１がｉはＸより小さいのかまたはＸと等しいのかをテストする。そうである場合には、ステップ３２がセットＴｉに格納されたターゲット言語での訳語を、ステップ２８の間に二カ国語辞書から得られる優先度情報に従ってソートする。従ってステップ３２は、ソース言語の単語または連語に対応する訳語の各セットの優先度または順序を提供する。このような優先度情報を得る技術は、EP 0 813 160およびGB 2 314 183に開示されている。
【００６６】
ステップ３３がｉを１減少させ、再びステップ３１が実行される。全てのターゲット言語での訳語がステップ３２によってソートされるまでループが継続し、その後、ステップ３４が、セットＴｉ（１≦ｉ≦Ｘ）に格納された情報からインデクシングフィーチャーを生成する。特に、ステップ３４は、ステップ３２で生成された順序を用いて最も相応しい訳語を選択する。ソースの単語および連語ならびに残りのターゲット言語での訳語が、それらを含むまたはそれらが得られる文献ｄの識別子を添付することによって、インデクシングフィーチャーとして構成される。得られたインデクシングフィーチャーをボックス３５に模式的に示す。
【００６７】
図２に示すように、ステップ３６においてターゲット言語機構がターゲット言語インデックスＴに追加される。ステップ３７においてパラメータｄが１増加し、再びステップ２１が実行される。全てのソース言語文献が処理されるまでこの手順が繰り返され、全てのソース言語文献の処理が終了した時点で、ボックス３８に示すように、ターゲット言語インデックスＴがソース言語インデックスと共に出力インターフェース４および／または記憶媒体８、９および１０のいずれかに戻される。
【００６８】
この方法を説明するために特定的な実施例を説明する。この特定的な実施例において、ソース言語文献は英語であり、英語またはオランダ語で文献にアクセスすることが可能になる必要がある。文献は、図２に示すステップ２０、２１および３７によって、図３に示す分析で１度に１つずつ分析される。例えば、図３に示す分析の動作を、識別子番号＃８を有する文献を参照しながら説明する。文献＃８は１度に１つずつ分析される英語のセンテンスを含む。一例として、以下の英語のセンテンスが文献内に生じる。
"air passes out of the furnace"（「空気が加熱炉から出て来る。」）
分析ステップ２４は、"air"が名詞または動詞のいずれであり得るか、"passes"が複数名詞または三人称動詞のいずれであり得るか等を識別する。ステップ２５はセンテンス内の全ての単語および連語を識別し、以下の分析を提供する。
air＿NOUN (名詞)
air＿VERB (動詞）
pass＿VERB (動詞）
pass＿NOUN (名詞）
pass＿VERB (動詞） out＿PREP (前置詞）
out＿PREP (前置詞）
out＿PREP (前置詞） of＿PREP (前置詞）
of＿PREP (前置詞）
the＿DET (定冠詞）
furnace＿NOUN (名詞）
ステップ２８は単語および連語を二カ国語辞書またはレキシコンで調べ、以下のようにオランダ語の訳語を引き出す。（"<none>"は、単語または連語に訳語を与えられないことを示す）
air＿NOUN (名詞) →｛lucht, hemel｝
air＿VERB (動詞） →｛luchten, uiten｝
pass＿VERB (動詞） →｛doorgeven, halen｝
pass＿NOUN (名詞） →｛pas, kaart, voldoende｝
pass＿VERB (動詞） out＿PREP (前置詞） →｛doorvoeren, flauwvallen｝
out＿PREP (前置詞） →｛uit, buiten, extern van｝
out＿PREP (前置詞） of＿PREP (前置詞） →｛uit, buiten｝
of＿PREP (前置詞） →｛<none>, van｝
the＿DET (定冠詞） →｛de, het｝
furnace＿NOUN (名詞） →｛oven, fornuis｝
ステップ３２はターゲット言語での訳語を正確である可能性の順序に順序づけ、それらを以下の入力センテンスに割り当てる。
air →｛lucht, luchten, hemel, uiten｝
pass →｛doorvoeren, doorgeven, pas, kaart, voldoende,
halen, flauwvallen｝
out →｛uit, buiten, extern van｝
of →｛<none>, van｝
the →｛de, het｝
furnace →｛oven, fornuis｝
ステップ３４は、制限された非決定性を付与すること、つまり最も相応しい訳語を選択し、ソース言語の単語および連語ならびにターゲット言語での訳語を分析中の文献の識別子（＃８）と関連付けることによって、インデクシングフィーチャーを生成する。
("air", #8)
("lucht", #8)
("luchten", #8)
("doorvoeren", #8)
("pass", #8)
("doorgeven", #8)
("pas", #8)
("kaart", #8)
("out of", #8)
("uit", #8)
("the", #8)
("de", #8)
("het", #8)
("furnace", #8)
("oven", #8)
一旦このような方法で全ての文献が分析されると、例えば記憶媒体に最後のインデックスが提供されるが、これは次のような形態である。
［"aardvark"］ → #1, #17, #21, #47, #109
［"air"］ → #5, #8, #87
... ... ...
［"out of"］ → #8, #10
... ... ...
［"doorvoeren"］ → #1, #8, #79
... ... ...
［"zebra"］ → #9, #10, #94, #187
従って、情報を文献集合から検索することが望まれる場合、情報検索システムによって、英語またはオランダ語での質問式がインデックスに付与される。これらの質問式は、検索される主題に関する単語または連語の形態であり得る。情報検索システムは、これらの質問式をインデックスに付与し、インデクシングフィーチャーとの一致が見つかった場合、所望の主題を含んでいそうな１つまたは複数の文献を識別するように、関連する１つまたは複数の文献番号が戻される。
【００６９】
【発明の効果】
本発明によれば、文献内に出現するタームに制限されないインデクシングフィーチャーを有する文献の集合にインデックスを作成することが可能である。シソーラスの見出し語の使用により、類義語で、より一般的で、且つ、より特定的なタームがインデックスに追加され、任意の質問式が関連の文献を発見する可能性を増加し得る。多言語リソースの使用により、ソース言語または文献言語以外の言語において、効率的且つ効果的な様態でインデックス付けが実行され得る。
【図面の簡単な説明】
【図１】本発明の実施形態を構成するインデックスを作成するための装置の模式的なブロック図である。
【図２】図１に示す装置によって実行される、本発明の実施形態を構成するインデックスの作成方法を示す流れ図である。
【図３】図１に示す装置によって実行される、本発明の実施形態を構成するインデックスの作成方法を示す流れ図である。
【符号の説明】
１ 文献記憶装置
２ プログラム可能データプロセッサ
３ 入力インターフェース
４ 出力インターフェース
５ ワーキングメモリ
６ 不揮発性読み出し／書き込みメモリ
７ プログラムメモリ
８ ＣＤ-ＲＯＭ
９ フロッピーディスク
１０ デジタルビデオディスク（ＤＶＤ）
１１ 多言語リソース
１２ シソーラス
１３ 文献グロッサー
１４ 機械翻訳システム
１５ 二カ国語辞書
１６ スピーチタガー
Claims (6)
- 複数のソース言語の文献について、インデクシングフィーチャーを含むインデックスを作成する装置であって、
該文献内に存在する複数のソース言語のタームの各々を識別する識別手段と、
該識別手段によって識別されたソース言語のタームのそれぞれから、ターゲット言語のタームを正確な訳語である可能性の優先度に従って順序付けした状態で生成するターム生成手段と、
前記識別手段によって識別された前記ソース言語のタームのそれぞれについて、該ソース言語のタームと、該ソース言語のタームが存在する前記文献または該文献の識別子とを有する第１のインデクシングフィーチャーを作成する第１インデクシングフィーチャー作成手段と、
前記ターム生成手段によって生成されたターゲット言語から前記優先度に基づいて選択されるターゲット言語のタームと、前記第１のインデクシングフィーチャーに含まれる前記文献または該文献の識別子とを有する第２のインデクシングフィーチャーを作成する第２インデクシングフィーチャー作成手段と、
該第１および第２のインデクシングフィーチャーを含むインデックスを作成するインデックス作成手段とを含み、
前記識別手段および前記ターム生成手段が、前記ソース言語のタームから生成されるターゲット言語のタームとして該ターゲット言語の訳語を作成し、作成された各訳語に前記優先度を割り当てるように構成された制限された非決定性グロッサー (glosser) であることを特徴とするインデックス作成装置。 - 前記文献が自然言語文献である、請求項１に記載のインデックス作成装置。
- プログラムされたデータプロセッサをさらに含む、請求項１または２に記載のインデックス作成装置。
- 請求項１に記載のインデックス作成装置によってインデクシングフィーチャーを含むインデックスを作成する方法であって、
前記グロッサーにより、該文献内に存在する複数のソース言語のタームの各々を識別する識別ステップと、
前記グロッサーにより、該識別手段によって識別されたソース言語のタームのそれぞれから、ターゲット言語のタームを正確な訳語である可能性の優先度に従って順序付けした状態で生成するターム生成ステップと、
前記第１インデクシングフィーチャー作成手段により、前記グロッサーによって識別された前記ソース言語のタームのそれぞれについて、該ソース言語のタームと、該ソース言語のタームが存在する前記文献または該文献の識別子とを有する第１のインデクシングフィーチャーを作成する第１インデクシングフィーチャー作成ステップと、
前記第２インデクシングフィーチャー作成手段により、前記ターム生成工程によって生成されたターゲット言語から前記優先度に基づいて選択されるターゲット言語のタームと、前記第１のインデクシングフィーチャーに含まれる前記文献または該文献の識別子とを有する第２のインデクシングフィーチャーを作成する第２インデクシングフィーチャー作成ステップと、
前記インデックス作成手段により、該第１および第２のインデクシングフィーチャーを含むインデックスを作成するインデックス作成ステップと、
を含むインデックス作成方法。 - 前記文献が自然言語文献である、請求項４に記載のインデックス作成方法。
- 請求項４に記載の方法を実行するデータプロセッサを制御するプログラムを含む記憶媒体。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| GB9811744.3 | 1998-06-02 | ||
| GB9811744A GB2338089A (en) | 1998-06-02 | 1998-06-02 | Indexing method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPH11353314A JPH11353314A (ja) | 1999-12-24 |
| JP3690938B2 true JP3690938B2 (ja) | 2005-08-31 |
Family
ID=10833024
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP15580099A Expired - Fee Related JP3690938B2 (ja) | 1998-06-02 | 1999-06-02 | インデックスの作成装置および作成方法、ならびに記憶媒体 |
Country Status (5)
| Country | Link |
|---|---|
| US (1) | US6389387B1 (ja) |
| EP (1) | EP0964344B1 (ja) |
| JP (1) | JP3690938B2 (ja) |
| DE (1) | DE69930690T2 (ja) |
| GB (1) | GB2338089A (ja) |
Families Citing this family (76)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP3055545B1 (ja) * | 1999-01-19 | 2000-06-26 | 富士ゼロックス株式会社 | 関連文検索装置 |
| US6823492B1 (en) | 2000-01-06 | 2004-11-23 | Sun Microsystems, Inc. | Method and apparatus for creating an index for a structured document based on a stylesheet |
| NL1015151C2 (nl) * | 2000-05-10 | 2001-12-10 | Collexis B V | Inrichting en werkwijze voor het catalogiseren van tekstuele informatie. |
| CN1465018A (zh) * | 2000-05-11 | 2003-12-31 | 南加利福尼亚大学 | 机器翻译技术 |
| US7493250B2 (en) * | 2000-12-18 | 2009-02-17 | Xerox Corporation | System and method for distributing multilingual documents |
| JP4066600B2 (ja) * | 2000-12-20 | 2008-03-26 | 富士ゼロックス株式会社 | 多言語文書検索システム |
| US20020123878A1 (en) * | 2001-02-05 | 2002-09-05 | International Business Machines Corporation | Mechanism for internationalization of web content through XSLT transformations |
| US7177792B2 (en) * | 2001-05-31 | 2007-02-13 | University Of Southern California | Integer programming decoder for machine translation |
| US8214196B2 (en) | 2001-07-03 | 2012-07-03 | University Of Southern California | Syntax-based statistical translation model |
| EP1300773A1 (en) * | 2001-10-02 | 2003-04-09 | Sun Microsystems, Inc. | Information service using a thesaurus |
| FR2835334A1 (fr) * | 2002-01-31 | 2003-08-01 | France Telecom | Systeme et procedes d'indexation et de recherche a extension de requetes, moteurs d'indexation et de recherche |
| US7260570B2 (en) * | 2002-02-01 | 2007-08-21 | International Business Machines Corporation | Retrieving matching documents by queries in any national language |
| US6952691B2 (en) | 2002-02-01 | 2005-10-04 | International Business Machines Corporation | Method and system for searching a multi-lingual database |
| US7620538B2 (en) | 2002-03-26 | 2009-11-17 | University Of Southern California | Constructing a translation lexicon from comparable, non-parallel corpora |
| NL1020670C2 (nl) * | 2002-05-24 | 2003-11-25 | Oce Tech Bv | Het bepalen van een semantische afbeelding. |
| EP1576586A4 (en) * | 2002-11-22 | 2006-02-15 | Transclick Inc | LANGUAGE TRANSLATION SYSTEM AND METHOD |
| US7854009B2 (en) | 2003-06-12 | 2010-12-14 | International Business Machines Corporation | Method of securing access to IP LANs |
| US7711545B2 (en) * | 2003-07-02 | 2010-05-04 | Language Weaver, Inc. | Empirical methods for splitting compound words with application to machine translation |
| US8548794B2 (en) | 2003-07-02 | 2013-10-01 | University Of Southern California | Statistical noun phrase translation |
| US8014997B2 (en) | 2003-09-20 | 2011-09-06 | International Business Machines Corporation | Method of search content enhancement |
| US7698125B2 (en) * | 2004-03-15 | 2010-04-13 | Language Weaver, Inc. | Training tree transducers for probabilistic operations |
| US8296127B2 (en) * | 2004-03-23 | 2012-10-23 | University Of Southern California | Discovery of parallel text portions in comparable collections of corpora and training using comparable texts |
| US8666725B2 (en) * | 2004-04-16 | 2014-03-04 | University Of Southern California | Selection and use of nonstatistical translation components in a statistical machine translation framework |
| US8600728B2 (en) | 2004-10-12 | 2013-12-03 | University Of Southern California | Training for a text-to-text application which uses string to tree conversion for training and decoding |
| US20060282256A1 (en) * | 2005-06-13 | 2006-12-14 | Werner Anna F | Translation method utilizing core ancient roots |
| US8676563B2 (en) | 2009-10-01 | 2014-03-18 | Language Weaver, Inc. | Providing human-generated and machine-generated trusted translations |
| US8886517B2 (en) | 2005-06-17 | 2014-11-11 | Language Weaver, Inc. | Trust scoring for language translation systems |
| US7974833B2 (en) | 2005-06-21 | 2011-07-05 | Language Weaver, Inc. | Weighted system of expressing language information using a compact notation |
| CN101223521B (zh) * | 2005-07-15 | 2010-06-16 | 惠普开发有限公司 | 社群特有表现检测装置及方法 |
| US7389222B1 (en) | 2005-08-02 | 2008-06-17 | Language Weaver, Inc. | Task parallelization in a text-to-text system |
| US7813918B2 (en) * | 2005-08-03 | 2010-10-12 | Language Weaver, Inc. | Identifying documents which form translated pairs, within a document collection |
| US7624020B2 (en) * | 2005-09-09 | 2009-11-24 | Language Weaver, Inc. | Adapter for allowing both online and offline training of a text to text system |
| US10319252B2 (en) | 2005-11-09 | 2019-06-11 | Sdl Inc. | Language capability assessment and training apparatus and techniques |
| US20100280818A1 (en) * | 2006-03-03 | 2010-11-04 | Childers Stephen R | Key Talk |
| EP1835417A1 (en) * | 2006-03-13 | 2007-09-19 | Alcatel Lucent | Web service with associated lexical tree |
| US8943080B2 (en) | 2006-04-07 | 2015-01-27 | University Of Southern California | Systems and methods for identifying parallel documents and sentence fragments in multilingual document collections |
| US7853555B2 (en) * | 2006-04-19 | 2010-12-14 | Raytheon Company | Enhancing multilingual data querying |
| US7991608B2 (en) * | 2006-04-19 | 2011-08-02 | Raytheon Company | Multilingual data querying |
| US7523108B2 (en) * | 2006-06-07 | 2009-04-21 | Platformation, Inc. | Methods and apparatus for searching with awareness of geography and languages |
| US8886518B1 (en) | 2006-08-07 | 2014-11-11 | Language Weaver, Inc. | System and method for capitalizing machine translated text |
| US8433556B2 (en) | 2006-11-02 | 2013-04-30 | University Of Southern California | Semi-supervised training for statistical word alignment |
| US9122674B1 (en) | 2006-12-15 | 2015-09-01 | Language Weaver, Inc. | Use of annotations in statistical machine translation |
| US20080155399A1 (en) * | 2006-12-20 | 2008-06-26 | Yahoo! Inc. | System and method for indexing a document that includes a misspelled word |
| US20080162109A1 (en) * | 2006-12-28 | 2008-07-03 | Motorola, Inc. | Creating and managing a policy continuum |
| US8468149B1 (en) | 2007-01-26 | 2013-06-18 | Language Weaver, Inc. | Multi-lingual online community |
| US8615389B1 (en) | 2007-03-16 | 2013-12-24 | Language Weaver, Inc. | Generation and exploitation of an approximate language model |
| US8831928B2 (en) | 2007-04-04 | 2014-09-09 | Language Weaver, Inc. | Customizable machine translation service |
| US8117194B2 (en) * | 2007-05-07 | 2012-02-14 | Microsoft Corporation | Method and system for performing multilingual document searches |
| US8825466B1 (en) | 2007-06-08 | 2014-09-02 | Language Weaver, Inc. | Modification of annotated bilingual segment pairs in syntax-based machine translation |
| JP5007977B2 (ja) * | 2008-02-13 | 2012-08-22 | 独立行政法人情報通信研究機構 | 機械翻訳装置、機械翻訳方法、及びプログラム |
| US8135580B1 (en) * | 2008-08-20 | 2012-03-13 | Amazon Technologies, Inc. | Multi-language relevance-based indexing and search |
| US20100049496A1 (en) * | 2008-08-22 | 2010-02-25 | Inventec Corporation | Word translation enquiry system across multiple thesauri and the method thereof |
| US20100106704A1 (en) * | 2008-10-29 | 2010-04-29 | Yahoo! Inc. | Cross-lingual query classification |
| US20100125566A1 (en) * | 2008-11-18 | 2010-05-20 | Patentcafe.Com, Inc. | System and method for conducting a patent search |
| US8990064B2 (en) | 2009-07-28 | 2015-03-24 | Language Weaver, Inc. | Translating documents based on content |
| US8380486B2 (en) | 2009-10-01 | 2013-02-19 | Language Weaver, Inc. | Providing machine-generated translations and corresponding trust levels |
| US8756215B2 (en) * | 2009-12-02 | 2014-06-17 | International Business Machines Corporation | Indexing documents |
| US10417646B2 (en) | 2010-03-09 | 2019-09-17 | Sdl Inc. | Predicting the cost associated with translating textual content |
| US8498972B2 (en) * | 2010-12-16 | 2013-07-30 | Sap Ag | String and sub-string searching using inverted indexes |
| US8527518B2 (en) * | 2010-12-16 | 2013-09-03 | Sap Ag | Inverted indexes with multiple language support |
| RU2452002C1 (ru) * | 2011-03-04 | 2012-05-27 | Сергей Иванович Колесник | Способ создания многоязыкового автоматического индекса электронной цифровой лоции |
| US11003838B2 (en) | 2011-04-18 | 2021-05-11 | Sdl Inc. | Systems and methods for monitoring post translation editing |
| US20120278302A1 (en) * | 2011-04-29 | 2012-11-01 | Microsoft Corporation | Multilingual search for transliterated content |
| US8694303B2 (en) | 2011-06-15 | 2014-04-08 | Language Weaver, Inc. | Systems and methods for tuning parameters in statistical machine translation |
| US8682644B1 (en) | 2011-06-30 | 2014-03-25 | Google Inc. | Multi-language sorting index |
| US9509757B2 (en) | 2011-06-30 | 2016-11-29 | Google Inc. | Parallel sorting key generation |
| US8886515B2 (en) | 2011-10-19 | 2014-11-11 | Language Weaver, Inc. | Systems and methods for enhancing machine translation post edit review processes |
| US20130106894A1 (en) | 2011-10-31 | 2013-05-02 | Elwha LLC, a limited liability company of the State of Delaware | Context-sensitive query enrichment |
| US8942973B2 (en) | 2012-03-09 | 2015-01-27 | Language Weaver, Inc. | Content page URL translation |
| US10261994B2 (en) | 2012-05-25 | 2019-04-16 | Sdl Inc. | Method and system for automatic management of reputation of translators |
| US9152622B2 (en) | 2012-11-26 | 2015-10-06 | Language Weaver, Inc. | Personalized machine translation via online adaptation |
| CN104281583B (zh) * | 2013-07-02 | 2018-01-12 | 索意互动（北京）信息技术有限公司 | 信息检索方法及装置 |
| US9213694B2 (en) | 2013-10-10 | 2015-12-15 | Language Weaver, Inc. | Efficient online domain adaptation |
| US10319035B2 (en) | 2013-10-11 | 2019-06-11 | Ccc Information Services | Image capturing and automatic labeling system |
| US9558182B1 (en) * | 2016-01-08 | 2017-01-31 | International Business Machines Corporation | Smart terminology marker system for a language translation system |
| US10275462B2 (en) * | 2017-09-18 | 2019-04-30 | Sap Se | Automatic translation of string collections |
Family Cites Families (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US4823306A (en) * | 1987-08-14 | 1989-04-18 | International Business Machines Corporation | Text search system |
| US5301109A (en) * | 1990-06-11 | 1994-04-05 | Bell Communications Research, Inc. | Computerized cross-language document retrieval using latent semantic indexing |
| US5708829A (en) * | 1991-02-01 | 1998-01-13 | Wang Laboratories, Inc. | Text indexing system |
| JP3428068B2 (ja) * | 1993-04-30 | 2003-07-22 | オムロン株式会社 | 文書処理装置および方法，ならびにデータ・ベース検索装置および方法 |
| JP3617096B2 (ja) * | 1994-05-25 | 2005-02-02 | 富士ゼロックス株式会社 | 関係表現抽出装置および関係表現検索装置、関係表現抽出方法、関係表現検索方法 |
| JP3612769B2 (ja) * | 1994-05-25 | 2005-01-19 | 富士ゼロックス株式会社 | 情報検索装置および情報検索方法 |
| US5794177A (en) * | 1995-07-19 | 1998-08-11 | Inso Corporation | Method and apparatus for morphological analysis and generation of natural language text |
| US6006221A (en) * | 1995-08-16 | 1999-12-21 | Syracuse University | Multilingual document retrieval system and method using semantic vector matching |
| US5963940A (en) * | 1995-08-16 | 1999-10-05 | Syracuse University | Natural language information retrieval system and method |
| US5778361A (en) * | 1995-09-29 | 1998-07-07 | Microsoft Corporation | Method and system for fast indexing and searching of text in compound-word languages |
| JP3254642B2 (ja) * | 1996-01-11 | 2002-02-12 | 株式会社日立製作所 | 索引の表示方法 |
| GB2314183A (en) * | 1996-06-14 | 1997-12-17 | Sharp Kk | Accessing a database |
| US5956740A (en) * | 1996-10-23 | 1999-09-21 | Iti, Inc. | Document searching system for multilingual documents |
| US6101492A (en) * | 1998-07-02 | 2000-08-08 | Lucent Technologies Inc. | Methods and apparatus for information indexing and retrieval as well as query expansion using morpho-syntactic analysis |
-
1998
- 1998-06-02 GB GB9811744A patent/GB2338089A/en not_active Withdrawn
-
1999
- 1999-05-27 US US09/321,016 patent/US6389387B1/en not_active Expired - Fee Related
- 1999-05-28 DE DE69930690T patent/DE69930690T2/de not_active Expired - Lifetime
- 1999-05-28 EP EP99304218A patent/EP0964344B1/en not_active Expired - Lifetime
- 1999-06-02 JP JP15580099A patent/JP3690938B2/ja not_active Expired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| DE69930690T2 (de) | 2006-11-16 |
| GB9811744D0 (en) | 1998-07-29 |
| JPH11353314A (ja) | 1999-12-24 |
| US6389387B1 (en) | 2002-05-14 |
| EP0964344A2 (en) | 1999-12-15 |
| DE69930690D1 (de) | 2006-05-18 |
| GB2338089A (en) | 1999-12-08 |
| EP0964344B1 (en) | 2006-04-05 |
| EP0964344A3 (en) | 2002-07-17 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP3690938B2 (ja) | インデックスの作成装置および作成方法、ならびに記憶媒体 | |
| US5842206A (en) | Computerized method and system for qualified searching of electronically stored documents | |
| US7260570B2 (en) | Retrieving matching documents by queries in any national language | |
| US7266553B1 (en) | Content data indexing | |
| JPH11345249A (ja) | 情報検索のための方法および装置ならびに記憶媒体 | |
| US7809551B2 (en) | Concept matching system | |
| Dingli et al. | Automatic semantic annotation using unsupervised information extraction and integration | |
| US20060031207A1 (en) | Content search in complex language, such as Japanese | |
| JPS63231674A (ja) | コンピュータによる形態論的テキスト解析方法 | |
| Jabbar et al. | A survey on Urdu and Urdu like language stemmers and stemming techniques | |
| Kishida et al. | Overview of CLIR task at the fourth NTCIR workshop | |
| US20090234852A1 (en) | Sub-linear approximate string match | |
| JP2007058706A (ja) | 文書検索システム、文書検索方法及び文書検索プログラム | |
| JP2007157123A (ja) | 改善された中国語−英語翻訳ツール | |
| Shreve | Corpus enhancement and computer-assisted localization and translation | |
| Ezeani et al. | Introducing the Welsh text summarisation dataset and baseline systems | |
| EP1605371A1 (en) | Content search in complex language, such as japanese | |
| Morris et al. | Welsh automatic text summarisation | |
| JPH0561902A (ja) | 機械翻訳システム | |
| JPS63132379A (ja) | 自然言語文生成方法 | |
| Sujatha et al. | Evaluation of English-Telugu and English-Tamil Cross Language Information Retrieval System using Dictionary Based Query Translation Method | |
| Mizera-Pietraszko | Model design of user interfaces for multilingual digital libraries | |
| Borchmann et al. | From Printed Materials to Electronic Demonstrative Dictionary–the Story of the National Photocorpus of Polish and its Korean and Vietnamese Descendants | |
| Bowker | Information retrieval in translation memory systems: Assessment of current limitations and possibilities for future development | |
| JP3884001B2 (ja) | 言語解析システムおよび方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050113 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050308 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20050401 |
|
| A521 | Written amendment |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20050523 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20050614 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20050614 |
|
| R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20090624 Year of fee payment: 4 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100624 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20100624 Year of fee payment: 5 |
|
| FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20110624 Year of fee payment: 6 |
|
| LAPS | Cancellation because of no payment of annual fees |