JP3744136B2

JP3744136B2 - 訳語選択装置と記憶媒体

Info

Publication number: JP3744136B2
Application number: JP21211197A
Authority: JP
Inventors: 友樹長瀬
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1996-09-17
Filing date: 1997-08-06
Publication date: 2006-02-08
Anticipated expiration: 2017-08-06
Also published as: JPH10149364A

Description

【０００１】
【発明の属する技術分野】
本発明は言語間の機械翻訳又は辞書引きに於いて、文章中のキーワードに対する訳語が複数存在、即ち多訳語（多義語）の場合の訳語選択を適切に行い、意味の通ずる品質の良い訳文を生成する技術に関する。
【０００２】
【従来の技術】
異なった言語間の機械翻訳又は辞書引き支援システムに於いて、例えば英和にしろ和英にしろ、過去、多少とも品質の良い訳文を生成するため、種々な翻訳処理方式が研究・考案されてきたが、元来多様で柔軟性に富んだ言語間の翻訳を機械（コンピュータ）に試行させるとなると、どんな分野の文章にも通用するような万能の翻訳システムを構築することは容易なことではない。
【０００３】
特に訳そうとする文章中のキーワードとなるような単語の多訳語から不適切な訳語を選択してしまうと、殆ど意味の分からない又は本来の意味とは全く異なった文章になってしまう様なことも多々存在し、その意味でキーワードの訳語選択は、翻訳の出来上がり品質に大きな影響を与える重要な要素といえる。
【０００４】
従来より多訳語から適切な訳語を選択するための方法として次のような二つの方法が知られている。即ちその一つは、専門用語辞書によるもので、予め翻訳（辞書引き）対象の分野が分かっているような場合に適用される方法であり、該当する分野の専門用語辞書に適切な訳語を予め登録しておくことによって分野固有の当訳語を優先的に訳出するものである。
【０００５】
二つ目は、訳語選択規則によるもので、翻訳（辞書引き）対象文の中で、単語相互間の依存関係を解析し、修飾語と被修飾語の関係から適切な訳語を選択する方法で、例えば『ハンドルをきる』という文の場合、修飾語の『ハンドルを』と、被修飾語の『きる』の関係から『きる』の英訳語、即ち『CUT 』や『TURN』や『WEAR』などから適切な訳語として『TURN』を選択する方法である。
【０００６】
【発明が解決しようとする課題】
前述のことから、一般に専門分野に属する単語の訳語選択には第一の方法で、又専門分野に分類出来ないタイプの訳語選択には第二の方法で対処している。
【０００７】
然るに、実際の訳語選択では上記二つの方法だけでは不十分であり、専門分野に於いても現在の２０種類程度の分類では、文種や場面に対応した適切な訳し分けが十分には出来ず、より一層の分野細分化にも、消費する膨大な労力などを考慮すると現実的とはいえない。
【０００８】
又、訳語選択規則による方法に於いても、一文単位で処理されるため、その文の中に十分な訳語選択の手掛かりがない（前述の単語間の修飾関係が不明確）場合には、基本辞書のデフォルト訳を出力するしかなく不適切な訳語になってしまうケースが多いという課題がある。
【０００９】
本発明はこのような点にかんがみて、メイン翻訳処理の前処理として一文単位ではなく文章（連続する複数の文、段落、文書全体等）単位を基本に、文章を構成する単語から適切なキーワードを抽出し、予め用意した多量のコーパス（文書の集成）から生成した共起データベース（単語間の相関の強さを表現したデータベース：以降データベースをＤＢと略す）を参照しながら当キーワードに対する適切な訳語を選択する手段を提供することを目的とする。
【００１０】
【課題を解決するための手段】
上記の課題は下記の如くに構成された訳語選択装置によって解決される。
図１は、本発明のシステム構成図である。即ち、
辞書データベースを基にした言語間の翻訳又は辞書引きを支援するコンピュータを利用した訳語選択装置に於いて、
複数の文からなる翻訳対象の文章中の単語の利用度からキーワードを抽出するキーワード抽出手段と、単語の多訳語に対する共起語と出現頻度を記憶する共起データ記憶部と、該共起データ記憶部の内容に基づいて前記キーワード抽出手段により抽出されたキーワードに対する複数の訳語の中から一つの訳語を選択する訳語選択手段とを備えることにより、専門分野或いはそれ以外の分野の文章に関する翻訳又は辞書引きに於いて、文章中のキーワードに対し文種や場面に対応した適切な訳し分けが可能となり、翻訳の出来上がり品質が向上する。
【００１１】
【発明の実施の形態】
翻訳前処理部としての本発明のシステム構成図である図１により、先ず全体の処理プロセスを説明する。尚、本システムは処理プロセッサ、記憶装置、該記憶装置上に記憶され該処理プロセッサにより実行されるプログラム及びその他必要な周辺装置により構成される。
【００１２】
又、本発明に於けるコンピュータ処理は、コンピュータプログラムにより当該コンピュータの主記憶装置上で実行されるが、このコンピュータプログラムの提供形態は、当該コンピュータに接続された補助記憶装置をはじめ、フロッピーディスクやＣＤ−ＲＯＭ等の可搬型記憶装置やネットワーク接続された他のコンピュータの主記憶装置及び補助記憶装置等の各記録媒体に格納されて提供されるもので、このコンピュータプログラムの実行に際しては、当該コンピュータの主記憶装置上にローディングされ実行されるものである。
【００１３】
ＯＣＲなどから読み込んだ或いはキーボード入力した翻訳又は辞書引き対象のテキスト文章（連続する複数の文、段落、文書全体等）を翻訳対象入力手段により指定し、この指定された文章に対して、辞書引き手段により辞書ＤＢ（図２）を参照しながら各単語の出現頻度をカウントし、単語出現頻度テーブル（図３）に格納・記憶する。
【００１４】
次に、予め用意された大量のコーパス（corpus: 文書の集成）から生成された単語の一般的な使用頻度を記憶した単語使用頻度記憶部に当たる単語使用頻度ＤＢ（図３）と、前述の単語出現頻度テーブルの各内容とから、キーワード抽出手段により各表記語の出現度合いを表す利用度が求められ、その結果から当文章に於ける複数のキーワードが抽出・選定される。
【００１５】
これ等キーワードに対してキーワード訳語選択手段は、前述の単語使用頻度ＤＢの場合と同様に、予め用意された大量のコーパス（文書の集成）から生成された各表記語の訳語に対応した共起語とその出現頻度を記憶した共起データ記憶部に当たる共起ＤＢ（図４）の内容を参照して、各訳語の適合度を算出することにより多訳語中から適切な訳語を選択し、これをキーワードの訳語としてキーワード辞書に一時登録するように構成される。尚、ここで共起語とは、或る単語に対し相関関係にある他の単語を指している。
【００１６】
当該翻訳前処理に引き続いて実施されるメイン翻訳処理に於いては、基本となる前述の辞書ＤＢに優先して当キーワード辞書の訳語が選択・使用されるが、キーワード辞書は翻訳処理終了と同時に消去され、別文章の翻訳処理に使用されることはない。
【００１７】
以下、本発明のシステムの構成要素である各種データの形式について例示し、説明する。
図２は、辞書引きの基本となる辞書ＤＢの内容であり、表記語（見出し）、品詞、及び一つ以上の訳語から構成される一般的な辞書で、同図では英和辞書の例を示しているが言語は問わない。
【００１８】
図３は、単語出現頻度テーブル又は単語使用頻度ＤＢの内容でほぼ同一形式であり、表記語、品詞、出現（使用）頻度、及びキーワード印から構成されるが、キーワード印は単語出現頻度テーブルにのみ存在する項目であり、同図では英文の例を示しているが言語は問わない。
【００１９】
図４は、共起ＤＢの内容であり表記語、複数の訳語、及び訳語毎の一つ以上の共起語（頻度）から構成されており、共起語の後のカッコ内数字は相関の強さを示す使用頻度が書かれている。同図では英語の例を示しているが言語は問わない。
【００２０】
続いて、これら各種データを使用してキーワードの訳語を如何に選択するか、図５のフローチャートをもとに説明する。
先ず、ステップ５０で一文を読み込み、ステップ５１に於いて辞書ＤＢを参照しながら単語の切れ目を正しく判別し、単語をピックアップする。ステップ５２では、これら単語を図３の単語出現頻度テーブルに書き込むが、同単語の最初の出現である場合には新規書き込みとなり、二回目以降の出現の場合には同テーブルの頻度欄をカウントアップし頻度を累算することになる。そしてステップ５３に於いて指定の全ての文について処理が完了したか判別し、完了するまでステップ５０〜５３の処理を繰り返す。
【００２１】
ステップ５３で文脈を持った全ての文についての処理が完了したら、次のステップ５４によるキーワードの抽出処理に移るが、このキーワードの抽出は次のような方法で行う。即ち、
大規模なコーパス（文書の集成）から単語の一般的な使用頻度を予めカウントし、これを単語使用頻度ＤＢ（図３）として用意しておき、この内容と、先に翻訳対象文について単語の出現頻度を求め記憶している単語出現頻度テーブルとから、各単語について例えば次のような式により単語i の利用度を求める。
【００２２】

この単語の利用度が所定のしきい値（例えば２）以上の単語をキーワードとして抽出し、単語出現頻度テーブル中のキーワード欄に印を付け書き込む。
【００２３】
図３の単語出現頻度テーブルの例に於いては、英語の表記語『order 』、『ｒeserve』、『restaurant』、『menu』がキーワードとして抽出されている。
続いてステップ５５以降に於いて前記抽出した複数のキーワードの訳語を選定するプロセスに入るが、先ずステップ５５で単語出現頻度テーブルから一語のキーワードを取り出し、ステップ５６に於いて当該キーワードと一致する単語が共起ＤＢの表記語中に存在するかチェックし、存在が確認されるとステップ５７に於いて、共起ＤＢ中のキーワードに対応する共起語と一致する他のキーワードが単語出現頻度テーブル中に存在するかチェックする。
【００２４】
尚、ステップ５６、ステップ５７のチェックの結果存在しない場合には、チャート上では省略しているが、前者（ステップ５６）に於いては共起ＤＢに当キーワードの表記語、訳語、及び共起語を登録、又後者（ステップ５７）に於いては共起ＤＢに当キーワードの訳語、及び共起語を登録する必要が生ずる。
【００２５】
次にステップ５７に於いて、共起語と一致する他のキーワードが一つ以上存在する場合には、次のステップ５８により、一致した共起語に対応する各訳語の適合度が算出される。即ち、一致した共起語が一つの場合には共起ＤＢ中のその共起語の頻度が適合度となる。又一致した共起語が複数で、それ等が同一の訳語に対応する共起語の場合には、共起ＤＢ中のそれ等共起語の頻度の合計値が適合度となり、それ等複数の共起語が、別の訳語に対応する共起語の場合には、それぞれの頻度が適合度となる。尚、ここで適合度とは、コーパス中に於けるキーワード（表記語）の訳語に対応する共起語の出現頻度により、キーワード（表記語）の訳語と共起語の相関の強さを表現した値である。
【００２６】
この様にしてキーワードの各訳語に対応する共起語の適合度が算出される訳であるが、中には複数の訳語について共起関係が満足される場合も生ずる。
そこでステップ５９では複数訳語についての共起関係が判定され、複数訳語の共起関係が存在する場合には、ステップ６０に於いて前記合計値の適合度も含め、適合度の最も高い訳語が選択され、又当然のことながら共起関係が単一の訳語の場合にはその訳語が選択され、これがステップ６１に於いてキーワード辞書に登録されて一つのキーワードに対する訳語が選択されたことになる。尚、この適合度による訳語選択に於いて、適合度にしきい値を設け、このしきい値以下の適合度の低い訳語については、本前処理で選択された訳語は使用せず、前述の基本となる辞書ＤＢ（図２）による訳語選択に従うような処理とすることも可能である。
【００２７】
この様な処理が全てのキーワードについて終了したかステップ６２で判定され、未済の場合には最初のステップ５５に戻り、次のキーワードについて同様な処理が行われる。
【００２８】
以下、ステップ５４に於いてキーワード抽出が全て終了した後に行われるキーワードの訳語選択について、図３単語出現頻度テーブル中のキーワードの一つである『order 』を例に説明する。
【００２９】
先ず、表記語『order 』をキーとして図４の共起ＤＢ上の表記語『order 』を索引し、次に共起ＤＢ上の各共起語（『shopping』『card』・・など) をキーとして、図３単語出現頻度テーブル中の他のキーワード、即ち『reserve 』、『resutaurant 』や『menu』などと同一の共起語がないか検索する。本例では『resutaurant 』と『menu』という複数の共起語が検索され、いづれも同一訳語『注文』の共起語であり、適合度は『resutaurant 』の頻度（６）と『menu』の頻度（８）の合計（１４）であるが、この場合は同一訳語で一つのため無条件で『注文』が訳語として選択されることになる。従ってキーワード辞書には表記語『order 』の訳語は『注文』として書き込まれて一キーワードについての処理を終了する。
【００３０】
図６はこのキーワード辞書の形式例であり、メインの翻訳処理に於いては、キーワードに関する辞書引きに於いて、基本となる辞書ＤＢ（図２）に優先して本キーワード辞書の訳語が選択される。
【００３１】
次に、訳語選択の中心となる共起ＤＢの構築方法について説明する。
先に掲げた図４の共起ＤＢは英語の共起ＤＢ例であるが、その構築に当たり、ここでは例えば日本語のコーパス原文をもとに構築する方法を図７をもとに説明する。
【００３２】
本例では、複数の文章から共起ＤＢを構築する場合を想定したフローチャートであり、先ずステップ６９に於いて最初の日本語文章を読み込み、その後のステップ７０〜ステップ７４の処理は、当日本語文章に於けるキーワードの抽出処理であり、前述の図５に於ける訳語選択処理で説明したステップ５０〜ステップ５４の処理と全く同様の処理であるため説明を割愛する。
【００３３】
ステップ７５では、前記単語出現頻度テーブル中で抽出された日本語のキーワードを一語取り出し、ステップ７６に於いてこのキーワードをもとに図２に示した辞書ＤＢ形式の和英辞書を引き、該当する英単語を共起ＤＢの表記語欄にセットすると共に、日本語のキーワードを共起ＤＢの訳語欄にセットする。尚、キーワードに対して複数の英訳語が存在する場合には全ての英単語を共起ＤＢの表記語欄にセットする。更に、単語出現頻度テーブル中の他の日本語キーワードについても同様に和英辞書を引き、該当する英単語を共起ＤＢの共起語欄にセットしてキーワード一語分の登録が終了する。
【００３４】
ステップ７７で、単語出現頻度テーブル中の全ての日本語キーワードについて登録処理が終わったか判定され、未済の場合はステップ７５へ戻り同様の処理が繰り返され、全ての日本語キーワードについて終了、即ち共起ＤＢへの一文章についての登録処理が完了すると、ステップ７８の文章判別で次の文章に対する処理のためステップ６９へ戻る。この様に大量のコーパス原文から共起ＤＢが自動的に構築出来るため、その労力削減の効果は極めて大きいと言える。
【００３５】
この様な方法で構築された共起ＤＢを使用して、訳語選択は前述の様な所定の規則に従って自動的に行われるが、この共起ＤＢの内容にもノイズが混入している可能性があり、その意味で完全なものではなくケースにより不適切な翻訳をして仕舞うこともある。
【００３６】
本発明では、この様なことを極力少なくするために、利用者による判断を介入させ、共起ＤＢの内容を利用する毎に充実して行くような学習手段を備えている。即ちキーワードに対する表記語、複数の訳語、及び共起語を図８のように表示画面上に表示し、利用者が適切な訳語を『選択』欄でマウスクリックするなりして訳語選択を行うものである。この時、同時に共起ＤＢの内容に対する項目の追加登録の機能を持ち、表示画面上に訳語が無記入（表記語の初登録時）又は訳語中にフィットするものがない場合には、適切な訳語と単語出現頻度テーブル中の他のキーワードを共起語として追加登録し、又、既存の訳語に対応する共起語に対しては単語出現頻度テーブル中の他のキーワードを共起語として追加登録、或いは既に存在するキーワードについては当共起語の頻度にプラス１する様な機能を保持しており、これ等をフローチャート化したものが図９であるが、ここでは図５に於いてキーワード抽出処理が済んだ以降の処理について記述してある。
【００３７】
即ち、単語出現頻度テーブル上に抽出されたキーワードからステップ９０でキーワードを一語取り出し、これを表記語とした図８の様な訳語選択／登録画面をステップ９１で表示する。表示内容はキーワード、訳語の選択欄、訳語、及び共起語（頻度）であり、空白のカッコ内には必要に応じて新規の登録語がセットされることを意味する。
【００３８】
次に、ステップ９２に於いて、利用者がこの訳語選択／登録画面に表示された訳語の中に適切な訳語が存在するかを判断し、存在しない、即ち共起ＤＢへの当該キーワードの初登録時、又は単語出現頻度テーブル上の他のキーワードに適合する共起語が見当たらない場合、或いは表示されている訳語以外の訳語を登録したい場合には、ステップ９３に於いて適切な訳語、及び他のキーワードを共起語として新規登録する。
【００３９】
ステップ９２で適切な訳語が存在すれば、該当する訳語の選択欄をマウスクリックすることにより、ステップ９４に於いて当訳語の共起語として他のキーワードを新規登録するか、既に登録済の共起語であればカッコ内の頻度にプラス１してカウンタを更新する。
【００４０】
ステップ９５では、これ等操作により確保された訳語を前記キーワード辞書に登録した後、ステップ９６で最後のキーワードか判定され、全てのキーワードについて同様な処理が繰り返される。
【００４１】
以上の様な処理を繰り返し行うことにより、利用者による共起語も含めた訳語選択の結果が共起ＤＢに反映されるため利用の都度学習効果が得られ、共起ＤＢの充実が図られる。
【００４２】
更に、前記図５で説明したシステムによる自動的な訳語選択機能とこれ等利用者による共起ＤＢに対する選択又は追加登録機能とを組み合わせ、前記図８の画面表示に際し、システムで自動選択した訳語を強調表示し、利用者が不適切な訳語選択と判断した場合のみ正解の訳語をマウスクリックして、システムで行った訳語選択を修正又は追加登録することにより、利用者の負担を軽減することが可能である。
【００４３】
【発明の効果】
以上の説明から明らかなように本発明によれば、メイン翻訳処理の前処理として、文脈を持った文章単位で適切なキーワードを抽出し、そのキーワードに対して共起データベースを中心に適切な訳語選択をすることによりキーワード辞書を生成し、これをメイン翻訳処理で優先的に参照することによって、従来にない一層高品質の機械翻訳（辞書引き）結果が短時間のうちに得られると同時に、利用する毎に共起データベースの内容が学習効果により一層充実して行くという好循環が期待出来、工業的にも著しい効果がある。
【図面の簡単な説明】
【図１】本発明のシステム構成図
【図２】辞書ＤＢの形式例
【図３】単語出現頻度テーブル／単語使用頻度ＤＢの形式例
【図４】本発明の共起ＤＢの形式例
【図５】本発明の訳語選択処理のフローチャート
【図６】キーワード辞書の形式例
【図７】本発明の共起ＤＢ構築方法のフローチャート
【図８】本発明の利用者による訳語選択／登録画面例
【図９】本発明の利用者による訳語選択／登録処理のフローチャート

Claims

辞書データベースを基にした言語間の翻訳又は辞書引きを支援するコンピュータを利用した訳語選択装置に於いて、
複数の文からなる翻訳対象の文章中の単語の出現頻度が所定値以上の単語を抽出する単語抽出手段と、
単語ごとに複数の訳語候補、及び該訳語候補各々に対応する複数の共起語を記憶する共起データ記憶部と、
前記共起データ記憶部を参照し、前記単語抽出手段により抽出された単語毎に、該単語の各訳語候補の共起語に含まれる単語に対し、前記単語抽出手段により抽出された他の単語が共起語に含まれるか否かを判定し、共起語に含まれる該単語の頻度合計の大小によって、翻訳語候補の中から訳語を選択する訳語選択手段と、
を備えたことを特徴とする訳語選択装置。
前記単語抽出手段は、さらに、単語の使用頻度を予め記憶した使用頻度記憶部を備え、翻訳対象文章中の単語の出現頻度と、前記使用頻度記憶部から求めた該単語の使用頻度の割合が所定のしきい値以上であることをもって、当該単語を抽出することを特徴とする請求項１記載の訳語選択装置。
前記訳語選択手段は、さらに、前記抽出された単語と該単語の各訳語候補とを表示し利用者が訳語を選択することを特徴とする請求項１又は請求項２記載の訳語選択装置。
前記利用者が選択した訳語に対応する共起語を、前記他の抽出された単語により更新し、前記共起データ記憶部に記憶することを特徴とする請求項３記載の訳語選択装置。
前記訳語選択手段として、単語ごとに複数の訳語候補、及び該訳語候補各々に対応する複数の共起語を表示し利用者が追加登録した訳語及び前記他の抽出された単語を共起語として共起データ記憶部に記憶することを特徴とする請求項１乃至請求項４記載の訳語選択装置。
コンピュータを、
複数の文からなる翻訳対象の文章中の単語の出現頻度が所定値以上の単語を抽出する単語抽出手段と、
単語ごとに複数の訳語候補、及び該訳語候補各々に対応する複数の共起語を記憶する共起データ記憶部と、
前記共起データ記憶部を参照し、前記単語抽出手段により抽出された単語毎に、該単語の各訳語候補の共起語に含まれる単語に対し、前記単語抽出手段により抽出された他の単語が共起語に含まれるか否かを判定し、共起語に含まれる該単語の頻度合計の大小によって、翻訳語候補の中から訳語を選択する訳語選択手段と、
して機能させるためのコンピュータプログラムを記憶した記憶媒体。