JP3873305B2 - 仮名漢字変換装置および仮名漢字変換方法 - Google Patents

Description

【０００１】
【発明の属する技術分野】
本発明は、仮名漢字変換装置および仮名漢字変換方法に関し、詳しくは入力した文字列から辞書を参照して仮名漢字混じり文字列候補を生成する仮名漢字変換装置および仮名漢字変換方法に関する。
【０００２】
【従来の技術】
従来、入力された仮名文字列を、所望の仮名漢字混じり文字列に変換するための仮名漢字変換装置が種々提案されている。特に最近では、仮名漢字変換を行なう際に、使用者が仮名の入力にあわせて単語や文節などの区切りをいちいち指定することなく、仮名べた書きの文字列を入力すれば所望の仮名漢字混じり文字列が得られるよう、様々な工夫がなされている。
【０００３】
仮名べた書きの文字列を正しく文節分かち書きするための処理としては、２文節を基本単位として解析し、成り立ち得る文節の中で最長の文節が得られる２文節を第１候補とする２文節最長一致法や、文節を構成する単語の候補となり得る単語および単語同士の組合わせに各種の数値（コスト）を付け、その数値の合計が最小となる文節を第１候補とする最小コスト法などがある。後者の方法では、文節を、基本的には自立語と付属語の結合からなるものとして扱い、自立語に付属語が接続する場合には、文節が取る数値は付属語が付属する場合でも変わらないとして扱っている。この結果、自立語＋自立語などの組み合わせより、自立語＋付属語の組み合わせが優先されやすくなる。
【０００４】
他方、こうした仮名漢字変更装置により得られた最初の単語候補が非所望のものである場合には、次候補の指示により、各文節毎に、第２候補以下の単語を表示する。日本語には、同音異義語が多いので、かなり詳細に品詞情報を付与して、文節や単語の連なりの数値を調整しても、一度の変換では所望の候補文字列が得られない場合は少なくない。こうした場合には、複数の同音異義語の中から使用者が一つの単語を選択すると、この選択した単語を最優先で次回の候補とすることが行なわれている。これがいわゆる同音異義語の学習であるが、このほか、文節区切りの位置が非所望なものであり、これを変更した場合に、使用者が指定した文節区切りの位置を記憶して、次に同じ文字列が入力された場合には、この文節区切りの位置を優先的に区切り位置とするいわゆる文節区切り学習などの学習処理も知られている。
【０００５】
【発明が解決しようとする課題】
以上説明したように、仮名漢字変換では、自立語と付属語からなる文節を基本として文字列の構成を考えることが基本となるが、自立語や付属語の一部には、単に自立語としてあるいは付属語として一律に扱ったのでは、仮名漢字変換の処理をスムースに行なうことができないものが存在することが分かった。例えば、形式名詞（「こと」、「とき」など）等の場合、品詞的には名詞と言えるから、これを自立語として扱うことが考えられるが、自立語として扱ったのでは、非所望な変換結果を招来することが多い。
【０００６】
「はやしをはしるときえだがじゃまだ」という文字列が入力されて文節分かち書きをする場合を考えると、形式名詞である「とき」を自立語として扱うと、▲１▼「林（自立語）＋を（付属語）」＋▲２▼「走る（自立語＋活用語尾）」＋▲３▼「とき（自立語）」＋▲４▼「枝（自立語）＋が（付属語）」＋▲５▼「邪魔（自立語）＋だ（付属語）」という文節分かち書きよりも、▲１▼「林（自立語）＋を（付属語）」＋▲２▼「走る（自立語＋活用語尾）」＋▲３▼「時枝（人名・自立語）＋が（付属語）」＋▲４▼「邪魔（自立語）＋だ（付属語）」の方が、文節数が少なくなり、数値の総和も小さくなるから、後者の文節分かち書きがなされてしまう。しかもこの場合には、「時枝が」の文節にカーソルをおいて次候補キーを操作しても、「時枝が」の次候補が得られるに過ぎず、「とき」＋「枝が」が得られることはない。従って、使用者は、文節長の変更を行なって、「とき」や「えだが」を得てから改めて変換（次候補キー）を操作を行なう必要があった。他方、形式名詞である「とき」や「こと」を一律に付属語として扱うと、「はしるとき」が一つの文節として扱われるから、第一候補として得られた「走るとき」を「走る時」に変換しようとすると、予め両方の語候補（「走るとき」と「走る時」）を辞書に登録しておくか、文節の区切り位置を強制的に「はしる」と「とき」との間に指定し、「とき」を自立語として扱って次候補「時」に変換する他なかった。
【０００７】
同様の問題は、補助用言や接辞（接頭語、接尾語）等にも問題となる。接辞は、付属語として扱うことが可能であるが、この場合には、「接頭語＋自立語＋付属語」や「自立語＋接尾語＋付属語」を一つの文節と見るので、接辞（例えば「御」「回」など）が非所望のものであっても、これを変更しようとすると、文節区切りの位置を変更せねばならないと言う問題があった。仮に「ごしゅっせき」という文字列を入力して文節分かち書きした結果、第一候補文字列として「御出席」という文字列を得たとする。この時、「御」の文字を「ご」に変更しようとすると、「御出席」「ご出席」の両方を辞書に登録しておかなければならない。接辞や形式名詞は広汎な語に付属するから、これらをすべて登録することは、辞書の肥大化や検索時間の長期化という問題を招来してしまう。
【０００８】
本発明の仮名漢字変換装置および仮名漢字変換方法は、こうした問題を解決し、文節分かち書きの使い勝手を向上することを目的としてなされ、次の構成を採った。
【０００９】
【課題を解決するための手段およびその作用・効果】
本発明の第１の仮名漢字変換装置は、
辞書を参照して、入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換装置であって、
自立語の読みと表記とを記憶した自立語辞書を記憶する自立語辞書記憶手段と、
助詞、助動詞などの付属語に加えて、補助用言、形式名詞、接辞を付属語として、かつ他の付属語とは区別可能な見掛け自立語として、付属語辞書に、読みと表記とを記憶する付属語辞書記憶手段と、
自立語のみの文節、および自立語と付属語が結合した文節を前記文節分かち書きの基本単位として扱うものとし、自立語と付属語とが結合した文節のコストが自立語のみからなる文節のコストを上回らないという規則の下で、前記入力した仮名文字列を、前記文節に与えられたコストの総和が最小となる前記文節の連なりとして分かち書きする手段と、
前記分かち書きされて得られた各文節のうち自立語と前記見掛け自立語に属する付属語との結合からなる文節については、該付属語と自立語とを区切って各々独立に単語候補を表示し、他方、自立語と前記見掛け自立語に属さない付属語との結合からなる文節については、該文節を単位とする区切りで単語候補を表示し、前記各単語候補について他の単語候補を表示する際には、該区切り毎にカーソルを表示する手段と
を備えること要旨とする。
【００１０】
また、本発明の仮名漢字変換方法によれば、
辞書を参照して、入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換方法であって、
自立語の読みと表記とを記憶した自立語辞書と、付属語の読みと表記とを記憶した付属語辞書とが記憶装置に予め記憶されており、
しかも、前記付属語辞書には、助詞、助動詞などの付属語に加えて、補助用言、形式名詞、接辞が付属語として、かつ他の付属語とは区別可能な見掛け自立語として記憶されており、
自立語のみの文節、および自立語と付属語が結合した文節を前記文節分かち書きの基本単位として扱うものとし、自立語と付属語とが結合した文節のコストが自立語のみからなる文節のコストを上回らないという規則を、前記入力した仮名文字列に対してコンピュータが適用し、前記文節に与えられたコストの総和が最小となる前記文節の連なりとして、前記仮名文字列を分かち書きし、
前記分かち書きされて得られた各文節のうち自立語と前記見掛け自立語に属する付属語との結合からなる文節については、コンピュータが、該付属語と自立語とを区切って各々独立に単語候補を表示装置に表示し、他方、自立語と前記見掛け自立語に属さない付属語との結合からなる文節については、該文節を単位とする区切りで単語候補を前記表示装置に表示し、前記各単語候補について他の単語候補を表示する際には、前記コンピュータが、該区切り毎にカーソルを表示すること
を要旨とする。
【００１１】
かかる仮名漢字変換装置および仮名漢字変換方法では、自立語と付属語の結合を文節の基本単位として扱うが、このうち所定の付属語との結合からなる文節については、文節を構成する単語候補の表示においては、この付属語と自立語とを独立に表示する。したがって、文節分かち書きにおける最小単位である文節と表示における最小単位とが異なるものとなり、文節分かち書きの正確さと使い勝手とを両立させることができる。
【００１３】
また、前記所定の付属語について、異なる単語候補が選択された場合には、他の文節におけるその付属語について、該選択された単語候補を第一候補として表示する学習手段を備えることも好適である。接頭語を例に取ると、「ごしゅっせき」という文節で、「ご出席」に代えて「御出席」が選択された場合には、以後の「ごあいさつ」などの文節でも「御挨拶」を優先するのである。
【００１５】
本発明の第二の仮名漢字変換装置は、
辞書を参照して、入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換装置であって、
自立語の読みと表記とを記憶した自立語辞書を記憶する自立語辞書記憶手段と、
助詞、助動詞などの付属語に加えて、補助用言、形式名詞、接辞を付属語として、かつ他の付属語とは区別可能な見掛け自立語として、付属語辞書に、読みと表記とを記憶する付属語辞書記憶手段と、
自立語のみの文節、および自立語と付属語が結合した文節を前記文節分かち書きの基本単位として扱うものとし、自立語と付属語とが結合した文節のコストが自立語のみからなる文節のコストを上回らないという規則の下で、前記入力した仮名文字列を、前記文節に与えられたコストの総和が最小となる前記文節の連なりとして分かち書きする手段と、
前記分かち書きされて得られた各文節のうち自立語と前記見掛け自立語に属する付属語との結合からなる文節については、該付属語と自立語とを区切って各々独立に単語候補を表示し、他方、自立語と前記見掛け自立語に属さない付属語との結合からなる文節については、該文節を単位とする区切りで単語候補を表示する文節表示手段と、
前記カーソルが表示された区切り毎に次候補の指示がなされたとき、同じ変換手続により、前記見掛け自立語に属する付属語と前記自立語については、個別に次候補を表示する次候補表示手段と
を備えたことを要旨とする。
【００１６】
この仮名漢字変換装置は、分かち書き手段が、自立語と付属語の結合を文節の基本単位として扱うものとし、入力した仮名文字列を、所定の規則に照らして妥当と判断される文節の連なりとして分かち書きするが、得られた各文節のうち自立語と所定の付属語との結合からなる文節については、文節表示手段が、文節を構成する単語候補の表示において、付属語と自立語とを独立に表示する。その上で、文節について次候補の指示がなされたとき、次候補表示手段が、付属語と自立語については、個別に次候補を表示する。従って、文節分かち書きのための文節と次候補表示のための文節とを異なる扱いとすることができ、正確な文節分かち書き処理と使い勝手の良い次候補表示とを両立させることができる。
【００１７】
【発明の他の態様】
本発明の他の態様としては、
コンピュータのメモリにロードされることで、コンピュータに備えられた入力手段から仮名文字列を入力し、辞書を参照して、該入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換装置を実現するプログラムを記録した媒体であって、
自立語と付属語の結合を文節の基本単位として扱うものとし、前記入力した仮名文字列を、所定の規則に照らして妥当と判断される前記文節の連なりとして分かち書きすると共に、
該各文節のうち自立語と所定の付属語との結合からなる文節については、該文節を構成する単語候補の表示においては、該付属語と自立語とを独立に表示するプログラムを記録した媒体などを考えることができる。
【００１８】
この媒体はコンピュータのフレキシブルディスク装置や光磁気ディスク装置などに装着され、磁気的な手段や光学的な手段により記録したプログラムをコンピュータのメモリに転送することにより、コンピュータにおける仮名漢字変換機能を実現するものである。
【００１９】
また、文節分かち書きやその後の候補単語の表示において、係り受けの情報を利用することも、所望の日本語文字列を得る上で好適である。
【００２０】
【発明の実施の形態】
以上説明した本発明の構成・作用を一層明らかにするために、以下本発明の実施の形態を実施例に基づき説明する。図１は本発明の好適な一実施例である仮名漢字変換装置において、仮名漢字変換制御ロジックが実際に動作するハードウェアの構成を示すブロック図である。図１に示すように、この装置は、予め設定されたプログラムに従って仮名漢字変換に関わる動作を制御するための各種演算処理を実行するＣＰＵ２１を中心に、バス３１により相互に接続された次の各部を備える。ＲＯＭ２２は、ＣＰＵ２１で各種演算処理を実行するのに必要な仮名漢字変換に関わるプログラムやデータなどを予め格納しており、ＲＡＭ２３は、同じくＣＰＵ２１で各種演算処理を実行するのに必要な仮名漢字変換に関わる各種データが一時的に読み書きされるメモリである。キーボードインターフェース２５は、キーボード２４からのキー入力を司り、ＣＲＴＣ２７は、カラーで表示可能なＣＲＴ２６への信号出力を制御し、プリンタインターフェース２９は、プリンタ２８へのデータの出力を制御する。ハードディスク３２には、ＲＡＭ２３にロードされて実行される各種プログラムやデバイスドライバの形式で提供される仮名漢字変換処理プログラム、あるいは各種変換辞書などが記憶されており、このハードディスク３２をハードディスクコントローラ（ＨＤＣ）３０が制御する。タイマ３３は、現時点における時刻、年月日などの所定の時点を示す日時情報を発生している。
【００２１】
このように構成されたハードウェアにより、文字列の入力、仮名漢字変換、編集、表示、印刷などがなされる。すなわち、キーボード２４から入力された文字列は、ハードディスク３２に記憶した各種データを参照しながらＣＰＵ２１により所定の処理がなされ、ＲＡＭ２３の所定領域に格納され、ＣＲＴＣ２７を介してＣＲＴ２６の画面上に表示される。
【００２２】
次に、こうして構成されたハードウェアにより実行される仮名漢字変換処理の詳細について説明する。まず、に図２を用いて仮名漢字変換処理に関わる各部の構成と働きについて概説するが、ここで行なわれる処理は、キーボード２４より入力されたデータに基づき、中央処理装置（ＣＰＵ２１）が実行するものである。このＣＰＵ２１により、すべての処理が行なわれる。仮名漢字変換については、キーボード２４が操作されたとき、所定の割り込み処理が起動し、入力したキーイメージを対応する仮名文字列に変換し、更にこれを仮名漢字混じり文字列に変換するデバイスドライバが起動する。もとより、並行処理可能なコンピュータであれば、仮名漢字変換を一つのアプリケーション（インプットメソッド）が行なうものとし、変換結果を、必要とするアプリケーションに引き渡す構成としても差し支えない。この場合には、キーボード２４からの入力をインプットメソッドが一括して引き受けることになる。
【００２３】
キーボード２４からのキーイメージは、文字入力部４０により受け付けられ、ここで、対応する文字列に変換される。ローマ字入力の場合には所定の変換テーブルを参照して、仮名文字列に変換する。一つの仮名文字が得られる度に文字入力部４０は、その仮名文字を変換制御部４２に送出する。この変換制御部４２は、仮名漢字変換の中心的な役割を果たすところであり、後述する種々の仮名漢字変換を制御して、結果を変換後文字列出力部４４に送出する。変換後文字列出力部４４は、現実には、ＣＲＴＣ２７に信号を送り、ＣＲＴ２６に変換後文字列を表示する。
【００２４】
変換制御部４２は、受け取った仮名文字を文字列入力部５０に引き渡す。文字列入力部５０は、文字格納部５２に仮名文字列を格納する。この文字列に基づいて、自立語候補作成部５４と付属語候補作成部６４とが、単語データの候補を作成する。自立語候補作成部５４は、ハードディスク３２に予め記憶された自立語辞書５８を用い、自立語解析位置管理部５６の管理の下で、得られた仮名文字列から自立語候補を抽出する処理を行なう。一方、付属語候補作成部６４は、同じく付属語辞書６８を用い、付属語解析位置管理部６６の管理の下で、得られた仮名文字列から付属語候補を抽出する処理を行なう。解析位置を移動しつつ、自立語候補と付属語候補を抽出する処理については、後述する。
【００２５】
自立語辞書５８および付属語辞書６８は、Ｂ−Ｔｒｅｅ構造を有し、数万の語について、読みと、表記と、品詞と、意味用例（係り受け情報）と、その他のデータを記憶している。以下、自立語辞書５８の構成について説明する。単語辞書５８は、図３に示すように、ヘッダとインデックスと辞書本体からなる。ヘッダは、辞書自体を管理するための情報である。インデックスおよび辞書本体は、代表表記と派生表記と意味用例とに分けて管理されている。代表表記とは、一つの単語が複数の表記を許容されている場合、例えば「取り扱い」に対して「取扱い」や「取扱」などが表記として許されている場合、「取り扱い」をこれらの表記を代表するものとする、というように予め定めた単語表記である。派生表記とは、「取扱い」「取扱」の様に、一つの単語に対して許容されたその他の表記のことである。文節分かち書き処理を行なう際には、このように派生表記を有する語については、派生表記を代表する代表表記を用いて文節分かち書き処理が行なわれる。意味用例についての領域は、ある語と他の語との間に生じる特定の関係、例えば「暑い夏」における「暑い」と「夏」、「熱いお茶」における「熱い」と「お茶」など、ある語が他の特定の語と共に用いられやすい関係（以下、この関係を「係り受け」と呼ぶ）に関する情報が管理されている領域である。
【００２６】
これらの代表表記、派生表記、意味用例は、辞書本体においては、ＢーＴｒｅｅ構造により管理されている。Ｂ−Ｔｒｅｅ構造は、多数のデータを外部記憶に置く場合に採用される周知の管理構造であり、本実施例のＢ−Ｔｒｅｅ構造では、分木の節にはデータを置かず、データはすべて分木の終端に置く構造を取っている。多分木の構造を取っているので、２分木と比べて木構造の深さが浅くなり、外部記憶を用いる場合には、アクセス時間を短いという特徴を有するものとして知られている（Ｂ＋Ｔｒｅｅと呼ぶこともある）。辞書本体におけるＢ−Ｔｒｅｅ構造の一例を図４に示した。単語の読み（仮名文字列）に基づいてＢ−Ｔｒｅｅ制御ブロックを辿って単語ブロックに至ると、ここに実際の単語データがおかれている。なお、このタイプのＢ−Ｔｒｅｅ構造では、当初、キーは、その節に置くことができるキーの最大数より少ない数だけ置かれ、データの追加などに柔軟に対応できるものとしている。
【００２７】
以下に、単語の読みに基づいてＢ−Ｔｒｅｅ制御ブロックを辿る様子を図４に即して説明する。例えば、「かわき」という仮名文字列が入力され、自立語辞書５８における代表表記領域で検索が開始されるときを示す。Ｂ−Ｔｒｅｅの根元にあたる１段目には、それぞれ１つの文字を持つキーが５０音順に並んでいる。「かわき」から次段のどの分木に検索を進めるかは、「かわき」の最初の文字である「か」を、１段目の節Ｓ１の各キーと比較することにより知ることができる。この例では、「かわき」は少なくともキー「か」とキー「さ」との間に存在するから、２段目の節Ｓ２が探索の対象となる。次にこの節Ｓ２において、同様の判断を行ない、「かわき」という読みは５０音順でキー「かる」より後、キー「くり」より前であると判断し、キー「かる」以降でキー「くり」間での範囲に対応する３段目の節Ｓ３が探索される。この３段目の４個のキーの中で「かわき」を検索すると、５０音順でキー「かわ」より後、キー「きじ」より前であるので、この範囲に対応する単語ブロックが探索される。この範囲に対応する単語ブロックの中に「かわき」という読みを持つ語に関する実際の単語データが格納されているのである。
【００２８】
代表表記領域などの単語データは、大まかには、図５に示すデータ構造を有している。即ち、先頭に単語データのレコード長Ｘを示すデータが存在し、その後、Ｘバイトの実データが続いている。実データの先頭には、見出し語の長さＹが記録されており、続いてＹバイトの見出し語が記録されている。実際の単語データは、その後に続いている。単語データは、その先頭に単語長Ｗが記録されており、その直後に漢字データの有無などを示す１バイトのフラグが記録されている。フラグの後には、漢字データが記録されているが、この漢字データは、漢字データ長と実際の漢字文字列を示す漢字コードから構成されている。その後、単語情報および品詞データ（場合によっては複数の品詞データ）が記録されている。単語情報は、単語情報の長さを示すデータと、実際の単語情報とからなる。また、品詞データは、品詞データの長さを示す品詞データ長とその後の主たる品詞および品詞に関する品詞情報からなる。品詞情報は、通常複数あり、その後の意味上の役割（人名、役職、住所、動物・・・・等）を示す情報や、活用形、活用語尾長、連語品詞、短文品詞、特殊品詞など様々な情報が記憶されている。このほか、その語が、接頭語を取りうるか否か、接尾語を取りうるか否か、連用名詞化するか否か、自動詞か他動詞か、意志動詞か無意志動詞かなどの情報も記憶されている。
【００２９】
自立語辞書５８，付属語辞書６８では、Ｂ−Ｔｒｅｅ構造を用いて、単語の見出し文字列に基づいて、所望の単語に関する情報を取り出すことができる。これらの単語情報は、更に図９に示すように、セパレータとこれに続くデータとから構成されている。セパレータとしては、それ以後に続くデータが表示される漢字のデータであることを示す表示漢字セパレータや、データが読み情報であることを示す読み情報セパレータ、派生表記であることを示す派生表記セパレータなどがある。表示漢字とは、一つの単語に代表表記と派生表記とがある場合に、デフォルトで漢字を表示するために、代表表記に対応する漢字での表記を記録しているものである。派生表記には種々の形態が存在するが、各単語についてはそれぞれ許容された表記が派生表記情報として記憶されている。派生表記セパレータは、派生表記領域にのみ存在する情報であり、その下位３ビットは、各派生表記セパレータの後に情報が記憶されている派生表記が、派生表記の形態の何種類分に対応するのかを示している。一例として、「売り上げ」という単語を挙げると、「売り上げ」という表記は、派生表記の「本則」と「送る」の両者に該当するため、その派生表記セパレータの下位３ビットには、派生表記形態の２種類に対応するとして、値２が設定されている。また、読み情報は、単語の読みを与えるものであり、見出し語が漢字である場合などにその読みを与えるものである。この情報は、漢字からその読みを得て、読みを同じくする単語を検索する場合などに用いられる。例えば、文字の入力をキーボードからの他に手書き入力などで行なって、仮名と共に漢字を含む文字列が入力されたとき、これを正しく変換する際に用いられる（例「ひ行き」→「飛行機」）。なお、一つの代表表記とこの代表表記に対応する派生表記とは、別々の領域で管理されているが、単語の読み（見出し）と単語の品詞情報とが一致するものについて、対応関係があるとみなしている。
【００３０】
同音異義語や接辞の表記について、仮名漢字変換においていずれかの語や表記が選択されると、これを自立語辞書５８内に記録し、次回以降の変換では、その語が第一候補になりやすくする学習処理がなされている。この学習処理を行なうのが、図２に示した自立語学習部７２、補助語学習部７４、接辞学習部７６、文字変換学習部７８である。自立語学習部７２は、同音異義語の存在する自立語群において、最後に選択された単語を次回以降の変換において最優先の候補とするよう学習するものである。補助語学習部７４は、例えば「ください」などの補助語を「ください」「下さい」など、いずれの語形で変換するかを学習するものである。更に、接辞学習部７６は、接頭語、接尾語などの変換形式（例えば、「御」「ご」など）を学習するものである。文字変換学習部７８は、入力した文字列をそのままひらがなやカタカナとして確定させた場合に、その文字列を学習し、次回以降の変換処理では確定させたひらがなまたはカタカナを候補として出力するものである。
【００３１】
付属語辞書６８も、基本的には自立語辞書と同一の構造を備える。両辞書に登録されている語の種別を以下に示す。

ここで、「表示上の取扱い」とは、文節分かち書きなどの処理で用いられる文法情報とは別に、文節分かち書きされた文字列をＣＲＴ２６に表示する際の取扱いに関する情報である。補助用言や形式名詞に、接辞については、自立語ではないが、表示においては見掛け上、自立語として扱うので、「見掛け自立語」という取り扱うものとしている。見掛け自立語と自立語との違いについては、後で詳しく説明する。
【００３２】
自立語候補作成部５４および付属語候補作成部６４により作成された語候補は、単語データ作成部８０に出力される。単語データ作成部８０が、作成された語候補を得て、各語候補についてのデータを作成する。単語データ作成部８０の制御の下で、接続検定部８２は、得られた自立語と付属語、自立語と自立語、更には「自立語＋付属語」からなる文節間の接続を、接続検定テーブル８４を参照して検定する。また、コスト計算部８６は、全体のコスト計算を行なう。これら接続検定部８２およびコスト計算部８６の処理の結果を得て、単語データ作成部８０は、単語毎のコストや連なりの妥当性に関するデータを出力する。この単語データは、一旦単語データ格納部１００に格納され、文節分かち書きの処理に供される。文節分かち書き部１０２は、得られたデータから文節分かち書きの第１候補を決定する。
【００３３】
以上の処理により文節分かち書きの第１候補と、その文節毎の仮名漢字変換の第１候補が決定される。文節分かち書き部１０２は、その候補を文節データ格納部１０６に格納し、格納された候補は、変換文字列出力部１０８により変換制御部４２に出力される。変換制御部４２は、この文字列を候補文字列として表示すると共に、非所望の文字列が候補となる場合もありえるから、使用者による指示を受けて、次候補の表示や選択などの処理を行なう。これらの指示や選択の結果などは、文節データ格納部１０６や既述した各学習部７２ないし７８に入力され、文節の一部確定や学習による優先順位の書き換えなどに用いられる。なお、図示していないが、使用者により文字列の確定処理がなされると、各部に一時的に保存されたデータはすべて消去され、次の変換に備える。
【００３４】
以上、仮名文字列の入力から変換後文字列の出力までを概説したが、次に各処理の詳細について説明する。まず始めに仮名漢字変換処理について大まかに説明し、次に単語辞書の構造、各処理の詳細について説明する。図７は、本実施例における仮名漢字変換処理ルーチンの概略を示すフローチャートである。この処理ルーチンは、キーボード２４から一ないし複数の仮名文字が入力された後、変換キー（例えば「スペースキー」）が押されたとき、開始される処理である。なお、変換キーが操作されなくても、所定数の仮名文字が入力されたとき、あるいは「。」や「、」「．」などの区切り記号が入力されたときに、図７の仮名漢字変換処理が開始されるものとしても差し支えない。
【００３５】
この処理が開始されると、まず単語検索処理（ステップＳ１００）と分かち書き処理（ステップＳ１１０）とが行なわれる。これらの処理について、図８のフローチャートを用いて説明する。図８は一般的な文節分かち書き処理の一つである最小コスト法による文節分かち書き処理の概要を示すフローチャートであり、図７におけるステップＳ１００およびステップＳ１１０に相当する。また、図９は、最小コスト法による文節分かち書きの様子を示す説明図である。以下、図７における文節分かち書き処理の流れを、図９での具体例に即して説明する。
【００３６】
キーボード２４から文字列が入力されて文節分かち書き処理が開始されると、まず、展開バッファに保存されたデータの消去や解析位置を１桁目に初期化するなどの初期化の処理（ステップＳ２００）を行なった後、解析位置を求める処理を行なう（ステップＳ２１０）。いま、キーボード２４から「はしるときえだがじゃまだ」という仮名文字列を入力したならば、最初の解析位置は１桁目の「は」の位置となる。この解析位置は、入力された仮名文字列の解析が進むに従って、入力された仮名文字列の先頭から順に一つずつ進められていく。すなわち、まず「は」の位置を解析位置として、後述するような検索処理を行ない、その後、次の解析位置を「し」とし、その次は「る」というように順次進んで行くのである。
【００３７】
ステップＳ２１０で解析位置が決まると、各解析位置において、ハードディスク３２に記憶された自立語辞書５８および付属語辞書６８を検索する処理を行なう（ステップＳ２２０）。例えば、いま解析位置が図９の「は」の位置であるとすると、「葉」「歯」「波」などの単語が検索結果として得られる。「は」には、付属語としての「は」も存在するが、付属語が先頭に来る場合の取扱いは別になるので、ここでは取り上げない。これら検索の結果得られた単語は、図９に示すように、その単語の終わる桁位置にリンクしておく。「はしる」まで検索を行なうと、「はしる」以降の読みを持つ自立語（例えば、「はしると」や「はしるとき」など）は辞書を検索しても見つからないため、「は」を解析位置とした辞書検索を終了する。辞書は、Ｂ−Ｔｒｅｅ構造を取っているため、それ以上長い読みの単語があるか否かは容易に知ることができる。辞書検索が終了すると、得られた単語についてそれ以前の単語との結合の可能性をチェックする処理を行なう（ステップＳ２３０）。上記「は」を解析位置とした例では、「は」は入力された文頭の文字であるためそれ以前の単語との結合の可能性をチェックすることはないが、例えば、係助詞の直前に助詞が存在する場合など、その結合がありえないと判断される時には、無効なデータとして扱われる（ステップＳ２３５）。
【００３８】
結合の可能性のある単語については、次にコスト計算を行ない、その単語の最小総コストを求める処理を行なう（ステップＳ２４０）。これは、自立語＝２、付属語＝０のコストを持つものとし、入力された文字列の先頭から各単語までの最小総コストを求める処理である。図９では、付属語は二重四角で囲って示した。コスト計算は次のように行なう。先頭の自立語「葉」（自立語）の場合は、総コストは自身のコスト２となり、「四」の総コストは「葉」（自立語）＋「四」（自立語）と考え、そのコストは４となる。このとき、最小の総コストを求めるため、「る」の総コストは、「葉」＋「四」＋「留」のコスト６ではなく、「橋」＋「留」の場合のコスト４を採用する。「氏」や「市」は、人の名字や都市名に付属する接辞の一種として扱うことができるので、実施例では付属語として扱っている。したがって、その直前にリンクされた単語のうち最小の総コストを有する単語「葉」＝２のコストがそれ自身のコストになる。図９では、各単語のコストをそれぞれの右下に記した。図９に示した例では、形式名詞「とき」を付属語として処理しているので、「はしるとき」は、自立語「走る」＋形式名詞「とき」でコスト２として処理している。なお、本実施例では、付属語のコストを一律に０として扱ったが、付属語を、更に助動詞とそれ以外に分け、前者のコストを値１、後者のコストを値０として扱うことなども好適である。
【００３９】
以上のコスト計算が終わると、次に各単語のコストチェックを行なう（ステップＳ２５０）。これは、文字列を単語の組合わせに分けたとき、他の組合わせに較べてコストが大きくなる組合わせを除く処理である。例えば、「葉」＋「四」という組合わせは「橋」や「端」のコストよりも高くなるので、「葉」＋「四」の組合わせは不適切であると判断して、文節候補から除外する（ステップＳ２５５）。図９では、このようなコストチェックの結果文節候補として採用しないと判断した単語の右上に「●」を、文節候補を形成する可能性のある語として残った単語の右上に「○」を付した。
【００４０】
次に、こうして有効な語として残った単語同士をリンクする処理を行なう（ステップＳ２６０）。すなわち、前記の結合チェックの結果、結合が有効とされた単語の組合わせについて、ポインタを設定することで単語同士を結び付けるのである。図９の例では、「は」を解析位置としている場合には、「はしるとき」まで解析し、自立語「走る」と付属語である形式名詞「とき」をリンクする。
【００４１】
以上のような結合チェック、コスト計算、コストチェック、単語間のリンクなどの処理を一つの解析位置で検索されるすべての単語について終了すると、ステップＳ２１０に戻って解析位置を一桁進めて再び辞書検索を行ない、結合チェックやコスト計算など同様の処理を繰り返す。
【００４２】
解析位置が入力された仮名文字列の最後の桁に達し、入力した仮名文字列の全語について解析が終了すると（ステップＳ２６５）、次に、以上の解析結果を踏まえて最小コストパスの検索が行なわれる（ステップＳ２７０）。このステップでは、これまでの処理の中で有効な単語として残り互いにリンクされた組合わせの中で、各単語に与えられたコストの合計が最小になる組合わせを検索する。図９の例ではコスト計算からは、
▲１▼文節「走るとき」（コスト２）＋文節「枝が」（コスト２）＋文節「邪魔だ」（コスト２）のリンク（図９実線Ｇ、総コスト６）、
▲２▼文節「走る」（コスト２）＋文節「時枝が」（「時枝は人名・文節のコスト２）＋文節「邪魔だ」（コスト２）のリンク（図９破線Ｂ、総コスト６）、
▲３▼文節「走る」（コスト２）＋文節「時江だが」（「時江」は人名・文節のコスト２）＋文節「邪魔だ」（コスト２）のリンク（図９一点鎖線Ｒ、総コスト６）
の３つが、妥当な文節の連なりとして残ることになる。更に、結びつきが強い単語間には、特別なコストが割り当てられているので、この点を評価して最小コストのパスを検索するのである。即ち、自立語＋形式名の結合は、語の現れ方として、より一般的と考えられるので、この結合にコスト「−１」を与えるものとしている。したがって、▲１▼のパスが全体として最小コスト（１６−１＝１５）のパスとして検索されることになる。このほか、接辞＋自立語や自立語＋補助用言などについても、単語間の結合が強いものと評価し、最小コストを求める上で、有利な取扱いをしている。
【００４３】
このように最小コストを持つ文節分かち書き候補が作成されると（ステップＳ２８０）、次に文節分かち書き候補の各文節内での候補が作成される（ステップＳ２９０）。例えば「えだ」という単語に対して「枝」「江田」「荏田」などの同音異義語が候補として用意される。これら各文節内での候補は、自立語学習部７２により、直前に使用した語を最優先で選択するなど所定の方法で優先順位が決められている。ここで、形式名詞「とき」という語についても、「とき」と「時」のいずれが優先順位が高いかが、補助語学習部７４により決定される。図９に例示した「はしるときえだがじゃまだ。」という文字列を文節分かち書きすると、図中に実線Ｇで示した「走るとき」＋「枝が」＋「邪魔だ」が第１候補として得られることになる。
【００４４】
以上の説明では、説明を簡略にするためにコスト計算は各単語自身のコストを基本とし、例外的に特定の品詞間の結合し易さに着目した単語間コストを設け単語間の結びつきの優先順位の高いものについて言及したが、文法上結合し易いと判断される文節間のコストを下げるための文節間コストを設けるなど、所望の変換結果を得やすくするための様々な工夫を加えることが可能である。
【００４５】
上記の処理により作成された文節分かち書き候補に対して、次に、文節分かち書き処理を施した変換結果をＣＲＴディスプレイ２６に出力する表示処理（ステップＳ１３０）を行ない、その後、第一候補を表示した文節のいずれかについて次候補の要求があるかを判断し（ステップＳ１４０）、次候補の要求がある場合には、次候補処理（ステップＳ１５０）を行なって、この仮名漢字変換処理ルーチンを終了する。
【００４６】
この表示処理（ステップＳ１３０）について説明する。図１０は、これらの処理の詳細を示すフローチャートである。この処理が開始されると、まずステップＳ１１０までの処理によりなされた文節分かち書きの結果を受けて、最小コストとなるパスの各文節を展開バッファから読み出す（ステップＳ３００）。次に、第１文節を指定すべく変数Ｎを値１とし（ステップＳ３１０）、第Ｎ文節に見掛け自立語が存在するか否かの判断を行なう（ステップＳ３２０）。見掛け自立語は、既に説明したように、本実施例では、補助用言，形式名詞，接辞が該当する。従って、図９に示した例では、「走るとき」という文節に着目した場合には、形式名詞が存在することから、見掛け自立語ありと判断することになる。
【００４７】
見掛け自立語が存在する場合には（ステップＳ３２０）、見掛け自立語を独立の文節として文節区切りを追加する処理を行なう（ステップＳ３３０）。「走るとき」の例では、見掛け自立語「とき」を独立の文節として扱うことができるよう「走る」と「とき」との間に文節区切りの情報を追加するのである。文節区切りの情報の追加は、本実施例では、展開バッファ内に展開されている仮名文字列において、文節の区切りを示す情報を文字間に加えることにより実現している。なお、追加される新たな文節の区切りの情報は、文節分かち書き本来の処理により付与された区切りの情報と区別可能な形態としておくことが、後の候補文字列の表示の処理上好ましい。見かけ自立語が存在する場合に文節区切りの情報を追加する以上の処理は、見掛け自立語をそれぞれの文法情報（形式名詞など）を用いて文節分かち書きし、自立語＋形式名詞の結びつきからなる一つの文節として切り出した文節について、後から文節の区切りを追加するのであって、「とき」を自立語と見て文節分かち書きをやり直すというものではない。
【００４８】
第Ｎ文節に見掛け自立語があれば文節区切りを追加し（ステップＳ３３０）、第Ｎ文節に見掛け自立語がなければ、特に文節区切りの追加などは行なわず、その後、変数Ｎを値１だけインクリメントし（ステップＳ３４０）、全文節が終了した否かの判断を行なう（ステップＳ３５０）。全文節について終了していなければステップＳ３２０に戻って上述した処理を繰り返す。即ち、入力された一連の仮名文字列について得られた全文節について、見掛け自立語の存在についての検討が終了するまで、変数Ｎをインクリメントしつつ、各文節について、見掛け自立語が存在するか否かを判断し、見掛け自立語を含む文節については、これを独立の文節として扱えるよう、文節区切りを追加するのである。
【００４９】
全文節について、上述した処理が完了したと判断した場合には（ステップＳ３５０）、得られた全文節をＣＲＴ２６上に表示する処理を行なう（ステップＳ３６０）。この場合、文節分かち書きにより得られた文節はもとより、ステップ３３０の処理により追加された文節（見掛け自立語の文節）も、独立した文節として表示される。この様子を図１１に示した。即ち、「はしるときえだがじゃまだ」という文字列から得られた「走るとき」＋「枝が」＋「邪魔だ」という文節（以下、内部文節という）に対して、見掛け自立語である「とき」を独立の文節として文節区切りを追加し、図１１下欄に示すように、「走る」＋「時」＋「枝が」＋「邪魔だ」と区切って表示するのである（以下、これを表示文節という）。
【００５０】
したがって、これら４つの文節のいずれかにカーソルを置き、キーボード２４の「次候補」が割り当てられたキーを操作すると、その語の次候補あるいは次候補以下の候補が表示される。即ち、図９を例にとれば、「走る」にカーソルキーが存在する場合には、「はしる」が表示され、「とき」にカーソルキーが存在する場合には、「時」や「朱鷺」等が表示されることになる。従来、形式名詞「とき」を単に付属語として扱っていると、「走るとき」が次候補表示可能な文節の単位になってしまい、「走る時」を表示させようとすると、予め「走るとき」と「走る時」とを登録しておくか、文節区切りの変更をいちいち指示する他なかったのと比べると、辞書登録すべき語をむやみに増やす必要がなく、辞書容量を小さくすることができる。この結果、辞書検索の時間も短縮することができる。また、文節区切りの位置の変更をいちいち指示する必要もない。他方、形式名詞「とき」を自立語として扱っていたものでは、「走る」＋「とき」＋「枝が」よりも「走る」＋「時枝が」の方が文節数が少なくなるので、こちらが優先されてしまい、所望の文節分かち書きを得ることができなかった。本実施例では、文節分かち書きのための内部文節と、次候補表示のための表示文節とを異なるものとしているので、これらの問題を悉く解決することができる。
【００５１】
同様に、「あそんでいるまについた」を文節分かち書きする場合を考えると、「遊んで」に連なる「いる」は、自立語（動詞）「居る」と考えるよりも、補助用言であって、「遊んで」と結合した一文節「遊んでいる」と扱うのが妥当である。そこで、本実施例では、補助用言についても、内部文節を構成するまでは付属語として扱い、表示文節において、図１２に示すように、独立の文節として表示し、次候補の表示を可能としている。したがって、「いる」について他の候補が必要となった場合、文節の長さの区切り直しなどを行なうことなく、直ちに次候補を表示させることができる。
【００５２】
本実施例では、接辞も同様に扱い、内部文節と表示文節とを異ならせている。図１３に示した例「１かいのさぎょう」を文節分かち書きする場合、「かい」を接辞と見なし、助数詞「回」や「階」などが数詞「１」に付属して文節を構成するとして扱っている。このため、「１」＋「甲斐の」＋「作業」とはならず、より確からしい文節候補「１回の作業」が得られる。しかも、表示文節としては、「１」＋「回の」＋「作業」となるから、「１」の次候補「一」や「壱」、「回の」の次候補「階の」や「甲斐の」を得ることも容易である。
【００５３】
同様に、指示連体詞「その」が含まれる仮名文字列の文節分かち書きについて例示する。例えば、図１４に示したように、「そのきょうかいでは」という文字列を分かち書きする場合、指示連体詞である「その」を自立語として扱うものとすると、「その」について「園」が学習されていると、「園」＋「境界では」といった語候補が得られてしまう。しかし、指示連体詞「その」を文節分かち書き処理では付属語として扱えば、「その境界では」が一つの文節として区切られ、好ましい語候補が得られる。しかも、表示文節では、指示連体詞の部分を独立の文節として表示するから、ここにカーソルを移動して次候補の表示を指示すれば、容易に次候補「其の」や「園」を得ることができる。同様に、「境界では」についても「協会では」や「教会では」などの次候補を表示することができる。
【００５４】
以上説明した実施の形態では、文節分かち書きにおいては、形式名詞、接辞、補助用言、指示連体詞などを付属語として扱い、表示と次候補の選択においてはこれらを自立語として扱っている。したがって、これらの語は、文節分かち書きでは、自立語に付属する語として扱われて、好ましい文節の切りだしを可能とさせ、他方、次候補の選択という場面では、あたかも自立語のように扱って次候補を表示させることができる。この結果、仮名文字列を入力して漢字仮名混じりの日本語を得る仮名漢字変換装置としては、文節分かち書きの正確さと使い勝手の良さとを両立させることができる。
【００５５】
以上本発明の実施例について説明したが、本発明はこうした実施例に何等限定されるものではなく、例えば最小コスト法に替えて２文節最長一致法などの他の文節分かち書きの手法を用いた構成など、本発明の要旨を逸脱しない範囲内において種々なる様態で実施し得ることは勿論である。
【図面の簡単な説明】
【図１】本発明の一実施例である仮名漢字変換装置が実現されるハードウェアを示すブロック図である。
【図２】実施例としての仮名漢字変換装置における仮名漢字変換機能の実現形態を示す機能ブロック図である。
【図３】自立語辞書５８の内部構成を示す説明図である。
【図４】代表表記領域の管理の様子を示す説明図である。
【図５】単語データの構成を示す説明図である。
【図６】単語情報の詳細を各セパレータとともに示す説明図である。
【図７】本発明の実施例で実行される仮名漢字変換処理ルーチンを説明するフローチャートである。
【図８】文節分かち書き部１０２において実行される文節分かち書き処理を示すフローチャートである。
【図９】最小コスト法による文節分かち書き処理の様子を示す説明図である。
【図１０】表示・次候補処理ルーチンを示すフローチャートである。
【図１１】形式名詞が含まれる文節分かち書きの様子と表示との相違を示す説明図である。
【図１２】補助用言が含まれる文節分かち書きの様子と表示との相違を示す説明図である。
【図１３】接辞が含まれる文節分かち書きの様子と表示との相違を示す説明図である。
【図１４】指示連体詞が含まれる文節分かち書きの様子と表示との相違を示す説明図である。
【符号の説明】
２１…ＣＰＵ
２２…ＲＯＭ
２３…ＲＡＭ
２４…キーボード
２５…キーボードインターフェース
２６…ＣＲＴディスプレイ
２７…ＣＲＴＣ
２８…プリンタ
２９…プリンタインターフェース
３１…バス
３２…ハードディスク
３３…タイマ
４０…文字入力部
４２…変換制御部
４４…変換後文字列出力部
５０…文字列入力部
５２…文字格納部
５４…自立語候補作成部
５６…自立語解析位置管理部
５８…自立語辞書
６４…付属語候補作成部
６６…付属語解析位置管理部
６８…付属語辞書
７２…自立語学習部
７４…補助語学習部
７６…接辞学習部
７８…文字変換学習部
８０…単語データ作成部
８２…接続検定部
８４…接続検定テーブル
８６…コスト計算部
１００…単語データ格納部
１０２…文節分かち書き部
１０６…文節データ格納部
１０８…変換文字列出力部

Claims (4)

1. 辞書を参照して、入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換装置であって、
   自立語の読みと表記とを記憶した自立語辞書を記憶する自立語辞書記憶手段と、
   助詞、助動詞などの付属語に加えて、補助用言、形式名詞、接辞を付属語として、かつ他の付属語とは区別可能な見掛け自立語として、付属語辞書に、読みと表記とを記憶する付属語辞書記憶手段と、
   自立語のみの文節、および自立語と付属語が結合した文節を前記文節分かち書きの基本単位として扱うものとし、自立語と付属語とが結合した文節のコストが自立語のみからなる文節のコストを上回らないという規則の下で、前記入力した仮名文字列を、前記文節に与えられたコストの総和が最小となる前記文節の連なりとして分かち書きする手段と、
   前記分かち書きされて得られた各文節のうち自立語と前記見掛け自立語に属する付属語との結合からなる文節については、該付属語と自立語とを区切って各々独立に単語候補を表示し、他方、自立語と前記見掛け自立語に属さない付属語との結合からなる文節については、該文節を単位とする区切りで単語候補を表示し、前記各単語候補について他の単語候補を表示する際には、該区切り毎にカーソルを表示する手段と
   を備えた仮名漢字変換装置。
2. 請求項１記載の仮名漢字変換装置であって、
   前記所定の付属語について、異なる単語候補が選択された場合には、他の文節におけるその付属語について、該選択された単語候補を第一候補として表示する学習手段を備えた仮名漢字変換装置。
3. 辞書を参照して、入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換装置であって、
   自立語の読みと表記とを記憶した自立語辞書を記憶する自立語辞書記憶手段と、
   助詞、助動詞などの付属語に加えて、補助用言、形式名詞、接辞を付属語として、かつ他の付属語とは区別可能な見掛け自立語として、付属語辞書に、読みと表記とを記憶する付属語辞書記憶手段と、
   自立語のみの文節、および自立語と付属語が結合した文節を前記文節分かち書きの基本単位として扱うものとし、自立語と付属語とが結合した文節のコストが自立語のみからなる文節のコストを上回らないという規則の下で、前記入力した仮名文字列を、前記文節に与えられたコストの総和が最小となる前記文節の連なりとして分かち書きする手段と、
   前記分かち書きされて得られた各文節のうち自立語と前記見掛け自立語に属する付属語との結合からなる文節については、該付属語と自立語とを区切って各々独立に単語候補を表示し、他方、自立語と前記見掛け自立語に属さない付属語との結合からなる文節については、該文節を単位とする区切りで単語候補を表示する文節表示手段と、
   前記カーソルが表示された区切り毎に次候補の指示がなされたとき、同じ変換手続により、前記見掛け自立語に属する付属語と前記自立語については、個別に次候補を表示する次候補表示手段と
   を備えた仮名漢字変換装置。
4. 辞書を参照して、入力された仮名文字列を文節分かち書きし、仮名漢字混じり文字列候補を生成する仮名漢字変換方法であって、
   自立語の読みと表記とを記憶した自立語辞書と、付属語の読みと表記とを記憶した付属語辞書とが記憶装置に予め記憶されており、
   しかも、前記付属語辞書には、助詞、助動詞などの付属語に加えて、補助用言、形式名詞、接辞が付属語として、かつ他の付属語とは区別可能な見掛け自立語として記憶されており、
   自立語のみの文節、および自立語と付属語が結合した文節を前記文節分かち書きの基本単位として扱うものとし、自立語と付属語とが結合した文節のコストが自立語のみからなる文節のコストを上回らないという規則を、前記入力した仮名文字列に対してコンピュータが適用し、前記文節に与えられたコストの総和が最小となる前記文節の連なりとして、前記仮名文字列を分かち書きし、
   前記分かち書きされて得られた各文節のうち自立語と前記見掛け自立語に属する付属語との結合からなる文節については、コンピュータが、該付属語と自立語とを区切って各々独立に単語候補を表示装置に表示し、他方、自立語と前記見掛け自立語に属さない付属語との結合からなる文節については、該文節を単位とする区切りで単語候補を前記表示装置に表示し、前記各単語候補について他の単語候補を表示する際には、前記コンピュータが、該区切り毎にカーソルを表示する
   仮名漢字変換方法。

Images