JP5533853B2 - 読み方判断装置、方法、プログラム、及び音声合成装置 - Google Patents

Description

本発明は、例えば、複数の読み方候補を有する、単語の読み方を判断するための読み方判断装置、方法、プログラム、及び音声合成装置に関し、特に、単語の読み方を容易かつ適切に判断できる読み方判断装置、方法、プログラム、及び音声合成装置に関するものである。

与えられた文章の読み方を判断する方法として、例えば、予め辞書に文字や単語などの「読み方」（読み仮名やアクセント情報等）を定義しておき、文章中の各単語の文法的接続関係をチェックしつつ、辞書に定義された読み方に基づいて、文章全体の読み方を判断する方法が広く知られている（例えば、非特許文献１及び２）。さらに、連濁や無声化などの音韻規則を考慮することで、文章としてより適切な読み方を付与する方法も知られている。

ディジタルテクノロジーシリーズ６ ディジタル音声処理（東海大学出版会） 岩波講座 ソフトウェア科学１５ 自然言語処理（岩波書店）

上記非特許文献２に示す形態素解析によれば、その規則として品詞関係が使用されている。しかしながら、例えば、日本語においては、同一表記および同一品詞でありながら、利用分野や意味によって複数の読み方を有する単語（同表記異発音語組）が多数存在する。具体的には、「市場」(名詞)は、「いちば」及び「しじょう」の二種類の読み方を有しており、「黒子」(名詞)は、「ほくろ」及び「くろご」の二種類の読み方を有している。また、「磯」(名詞)の読み方は、「いそ」であるが、一般名詞で使用される場合、平板型のアクセントになり、人名で使用される場合、頭高型のアクセントになる。したがって、例えば、音声合成等を行う場合には、こうした違いも重要となる。文章に正しい読み方を付与するためには、これら複数の読み方（アクセント等を含む）を、適切に選択することが望ましい。

上記選択を行うために、例えば、「市場」の前に「魚」が連接する場合は、その読み方を「いちば」とし、同様に前に「株式」が連接する場合は、その読み方を「しじょう」として、読み分ける方法が考えられる。すなわち、「魚」及び「市場」の連鎖が存在する文章の読み方を統計的に調べて、「さかないちば」「さかなしじょう」「うおいちば」「うおしじょう」などの複数の読み方の中から、一番多く読まれた読み方「うおいちば」を抽出し、その読み方を正解とする方法が考えられる。この方法は、例えば、単語ｂｉｇｒａｍの学習頻度に応じて読み方を決定するとの考え方に基づくものであり、適切なｂｉｇｒａｍセットを定義することで読み方の精度を向上することが可能となる。

しかしながら、上述したような同表記異発音語組は、多数組存在しており、また、これらの同表記異発音語組に連接する可能性のある単語数も非常に多い。このため、適切なｂｉｇｒａｍセットを作成するためには、正解の読み方を含む学習コーパスが多量に必要となるが、そのような多量の学習コーパスを得ることはあまり実用的とは言えない。また、単語ｂｉｇｒａｍの学習を行う代わりに、同表記異発音語組ごとに連接する特徴のある付属語などを、予め規則として記述し、解析時に利用する方法も考えられる。しかしながら、全ての同表記異発音語組に対して規則を記述することは、実質的に困難と言える。

本発明は、このような問題点を解決するためになされたものであり、単語の読み方を容易かつ適切に判断できる読み方判断装置、方法、プログラム、及び音声合成装置を提供することを主たる目的とする。

上記目的を達成するための本発明の一態様は、複数の読み方候補を有する、単語の読み方を判断するための読み方判断装置であって、前記読み方候補に類似する複数の要素単語からなる単語集合を、夫々生成する単語集合生成手段と、複数の例文を含むコーパス情報を記憶するコーパスデータベースと、前記コーパスデータベースに記憶された前記コーパス情報に基づいて、前記単語集合生成手段により生成された前記単語集合の複数の要素単語に対する特徴量を夫々算出する特徴量算出手段と、前記特徴量算出手段により算出された前記単語集合の複数の要素単語に対する特徴量と、前記読み方候補とを夫々関連付けた読み方判断情報を生成する読み方判断情報生成手段と、を備える、ことを特徴とする読み方判断装置である。

また、上記目的を達成するための本発明の一態様は、複数の読み方候補を有する、単語の読み方を判断するための読み方判断方法であって、前記読み方候補に類似する複数の要素単語からなる単語集合を、夫々生成し、複数の例文を含むコーパス情報に基づいて、前記生成した単語集合の複数の要素単語に対する特徴量を夫々算出し、前記算出した単語集合の複数の要素単語に対する特徴量と、前記読み方候補とを夫々関連付けた読み方判断情報を生成する、ことを特徴とする読み方判断方法である。

さらに、上記目的を達成するための本発明の一態様は、複数の読み方候補を有する、単語の読み方を判断するための読み方判断プログラムを格納する非一時的なコンピュータ可読媒体であって、前記読み方候補に類似する複数の要素単語からなる単語集合を、夫々生成する処理と、複数の例文を含むコーパス情報に基づいて、前記生成された前記単語集合の複数の要素単語に対する特徴量を夫々算出する処理と、前記算出した前記単語集合の複数の要素単語に対する特徴量と、前記読み方候補とを夫々関連付けた読み方判断情報を生成する処理と、をコンピュータに実行させる読み方判断プログラムを格納する非一時的なコンピュータ可読媒体である。

本発明によれば、単語の読み方を容易かつ適切に判断できる読み方判断装置、方法、プログラム、及び音声合成装置を提供することができる。

本発明の実施形態に係る読み方判断装置の機能ブロック図である。 本発明の第１実施形態に係る読み方判断装置の概略的なシステム構成の一例を示すブロック図である。 読み方候補ＤＢに記憶された、単語、品詞、読み方、及び、シソーラス上のカテゴリーを、一組にして関連付けた複数のエントリの一例を示す図である。 シソーラスＤＢに記憶されたシソーラス辞書情報の一例を示す図である。 本発明の第１実施形態に係る読み方判断装置の処理フローの一例を示すフローチャートである。 本発明の第２実施形態に係る読み方判断装置の概略的なシステム構成を示すブロック図である。 本発明の第２実施形態に係る読み方判断装置の処理フローの一例を示すフローチャートである。 本発明の第３実施形態に係る読み方判断装置の概略的なシステム構成を示すブロック図である。 本発明の第７実施形態に係る読み方判断装置の概略的なシステム構成を示すブロック図である。 本発明の第８実施形態に係る音声合成装置の概略的なシステム構成を示すブロック図である。 本発明の第８実施形態に係る音声合成装置の処理フローの一例を示すフローチャートである。

以下、図面を参照して本発明の実施の形態について説明する。図１は、本発明の実施形態に係る読み方判断装置の機能ブロック図である。本実施形態に係る読み方判断装置１０は、複数の読み方候補を有する、単語の読み方を判断するための装置である。また、読み方判断装置１０は、単語集合を生成する単語集合生成手段１４と、コーパス情報を記憶するコーパスデータベース１５と、要素単語の特徴量を算出する特徴量算出手段１６と、読み方判断情報を生成する読み方判断情報生成手段１７と、を備えている。

単語集合生成手段１４は、読み方候補に類似する複数の要素単語からなる単語集合を、夫々生成する。また、コーパスデータベース１５は、複数の例文を含むコーパス情報を記憶する。さらに、特徴量算出手段１６は、コーパスデータベース１５に記憶されたコーパス情報に基づいて、単語集合生成手段１４により生成された単語集合の複数の要素単語に対する特徴量を夫々算出する。読み方判断情報生成手段１７は、特徴量算出手段１６により算出された単語集合の複数の要素単語に対する特徴量と、読み方候補とを夫々関連付けた読み方判断情報を生成する。このように、読み方候補に類似する単語集合と、コーパス情報とを用いることで、読み方判断情報の情報量を効果的に増加させ、その精度を向上させることができる。したがって、より適切かつ高精度な読み方判断情報を取得でき、さらに、この読み方判断情報を用いて、単語の読み方を容易かつ適切に判断できる。
（第１実施形態）

図２は、本発明の第１実施形態に係る読み方判断装置の概略的なシステム構成の一例を示すブロック図である。本実施形態に係る読み方判断装置１０は、同表記異発音語組生成部１１と、読み方候補ＤＢ（データベース）１２と、シソーラスＤＢ（データベース）１３と、単語集合生成部１４と、コーパスＤＢ（データベース）１５と、文脈ベクトル生成部１６と、読み方判断情報生成部１７と、を備えている。

同表記異発音語組生成部１１は、ユーザにより入力された入力単語に基づいて、読み方候補ＤＢ１２から、その入力単語に対する複数の読み方候補（読み方候補１、読み方候補２、・・・、読み方候補Ｍ）と、夫々に対応する単語意味（語意１、語意２、・・・、語意Ｍ）と、からなる同表記異発音語組を取得する。

ここで、例えば、与えられたテキストを発声する際に用いる音韻列を「読み方」と称するものとする。また、以下、音韻列として、日本語の音節の並びを用いて説明するが、言語に依存せずに、国際音声記号（ＩＰＡ）などの任意の音声記号列を用いることもできる。さらに、「読み方」には、音韻列に付随して、該当音韻列をどのように発声するかを示すアクセント情報（アクセント位置、区切り等）や、母音無声化などの読み方補助情報を含んでいても良い。

同表記異発音語組生成部１１は、取得した入力単語に対する複数の読み方候補を、単語集合生成部１４に対して出力する。

読み方候補ＤＢ１２は、例えば、図３に示すような、単語、品詞、読み方、及び、シソーラス上のカテゴリーを、一組にして関連付けた複数のエントリを記憶している。例えば、表記異発音語組生成部１１は、入力単語「黒子」に基づいて、読み方候補ＤＢ１２に記憶された複数のエントリ中から該当するエントリを検索し、取得する。この場合、表記異発音語組生成部１１は、読み方候補ＤＢ１２から、例えば、２つ（読み方の個数Ｍ＝２）のエントリ、読み方候補１＝「ほくろ」(カテゴリーは、身体の染み)、及び、読み方候補２＝「くろご」(カテゴリーは、歌舞伎の補助員)を取得する。

シソーラスＤＢ１３は、例えば、図４に示すような、複数の単語の上位／下位関係、部分／全体関係、同義関係、類義関係などによって、各単語を分類し、体系化したシソーラス辞書情報を記憶している。

単語集合生成部（単語集合生成手段）１４は、表記異発音語組生成部１１からの、複数の読み方候補に類似する複数の要素単語からなる単語集合を、シソーラスＤＢ１３のシソーラス辞書情報に基づいて、夫々生成する。ここで、上記読み方候補に類似する複数の要素単語には、例えば、シソーラス上で読み方候補のカテゴリーと同一カテゴリーに属する単語が含まれており、広い意味で同義の単語が含まれる。

単語集合生成部１４は、シソーラスＤＢ１３のシソーラス辞書情報に基づいて、例えば、図４に示すシソーラス上において、読み方候補１＝「ほくろ」と同一カテゴリーに属する単語を抽出し、読み方候補１＝「ほくろ」に対する単語集合１を生成する。ここで、単語集合１＝｛要素単語１−１：染み、要素単語１−２：しみ、要素単語１−３：黒子、要素単語１−４：ほくろ、要素単語１−５：ホクロ、要素単語１−６：ｌｅｎｔｉｇｏ｝となり、カテゴリー＝｛身体の染み｝となり、要素単語の数Ｎ１＝６となる。

同様に、単語集合生成部１４は、読み方候補２＝「くろご」に対する、単語集合２を生成する。ここで、単語集合２＝｛要素単語２−１：黒子、要素単語２−２：くろこ、要素単語２−３：くろご、要素単語２−４：後見、要素単語２−５：黒具｝となり、カテゴリー＝｛歌舞伎の補助員｝となり、要素単語の数Ｎ２＝５となる。

なお、単語集合生成部１４は、シソーラスＤＢ１３のシソーラス辞書情報を用いて、読み方候補の単語集合を生成しているが、これに限らず、例えば、同義語辞書情報などを用いてもよく、任意の辞書情報を用いることができる。また、単語集合生成部１４は、非特許文献２に開示されているように、格フレームを計算することで、各単語が上記同一カテゴリーに属するかどうかを判定することもできる。さらに、読み方候補ＤＢ１２には、単語意味（語意１、・・・、語意Ｎ）の代わりに、対応各フレーム（各フレーム１、・・・、各フレームＮ）を持つこともできる。単語集合生成部１４は、生成した単語集合を、文脈ベクトル生成部１６に対して出力する。

コーパスＤＢ１５は、複数の例文（テキストデータ）を含むコーパス情報を記憶している。ここで、コーパス情報の例文には、読み方が付与されてなくてもよい。

文脈ベクトル生成部１６は、コーパスＤＢ１５に記憶されたコーパス情報に基づいて、単語集合生成部１４により生成された単語集合の複数の要素単語に対して文脈ベクトルを夫々算出する。文脈ベクトル生成部１６は、まず、単語集合生成部１４により生成された単語集合の要素単語の夫々に対して、コーパスＤＢ１５のコーパス情報の中から、その要素単語が使用されている例文を抽出する。そして、文脈ベクトル生成部１６は、抽出した各例文を用いて、その要素単語の文脈ベクトルを夫々算出する。ここで、文脈ベクトルは、例えば、該当単語の周辺の単語の状況等を表す特徴量として用いられている。

また、非特許文献２（岩波講座 ソフトウェア科学１５ 自然言語処理、ｐｐ．４２１−４２４）において説明されるベクトル空間法において、文書全体に索引語Ｔ（ｉ）が出現する場合は１を、出現しない場合は０を、係数として持つ文書ベクトルが知られている。一方、本実施形態における文脈ベクトルも上記文書ベクトルと同様に、コーパス情報の例文に含まれる全ての自立語を軸とするベクトル空間において、該当要素単語の周辺の自立語に着目して、係数を選択してもよい。

例えば、文脈ベクトル生成部１６が、コーパスＤＢ１５のコーパス情報から、その要素単語Ｔ７が使用されている例文Ｓ｛Ｔ２１ Ｔ３２ Ｔ５２ Ｔ７ Ｔ４２ Ｔ６４ Ｔ７３ Ｔ１２｝を抽出したとする。そして、文脈ベクトル生成部１６は、要素単語Ｔ７に対して、前後２単語（ｗｌ＝２）づつ抽出した文脈ベクトルを、下記式で算出することができる。
Ｄ（Ｔ７；Ｓ）＝Σ（ｉ＝１，ｔ）ａ（ｉ）＊Ｖ（ｉ）
＝[０…０ Ｖ(３２) ０…０ Ｖ(４２) ０….０ Ｖ(５２)０….０ Ｖ(６４) ０….０]

なお、本実施形態において、該当要素単語の周辺の単語の状況を表現する特徴量として、文脈ベクトルに着目して説明するが、これに限らず、例えば、該当要素単語の周辺の単語のコーパス情報における出現確率の和を用いるなど、ベクトル表現以外の特徴量を用いてもよい。以降の説明では、これらベクトル表現以外の特徴量も含めて、文脈ベクトルとして説明するものとする。

また、文脈ベクトルを算出する際、各単語が同一層で複数の意味を有するような曖昧性を低減するために、シソーラス中に複数存在する同一単語のうち、どの単語に該当するかを決め、カテゴリーを割り振ることも有用である。この方法は、例えば、非特許文献２（岩波講座 ソフトウェア科学１５ 自然言語処理、ｐｐ．２３５−２４０）に示す格フレームを用いて同定することができる。

さらに、文脈ベクトルを算出する際、文法的知識を用いてより特徴を表す単語を抽出してもよく、各要素単語の同義語圧縮や次元圧縮などの一般的な手法により文脈ベクトルを圧縮し、文脈ベクトル空間の利用効率を向上させても良い。なお、これらの方法の使用及び不使用を問わず、文脈ベクトルの格納は、単語ｂｉｇｒａｍなどの格納と比較して、所要の記憶容量が小さくて済むため、追加コストが少なく実現可能と言える。

さらにまた、該当要素単語が使用されている例文がコーパスＤＢ１５のコーパス情報中に複数存在する場合には、文脈ベクトル生成部１６は、その全ての例文、あるいは予め定めた数の例文に対して、同様の処理を行い、複数の文脈ベクトルを算出する。一方で、該当要素単語が使われている例文がコーパス情報中に存在しない場合には、文脈ベクトル生成部１６は、その要素単語の文脈ベクトルを算出しないこととなる。文脈ベクトル生成部１６は、上述のようにして算出した、単語集合の複数の要素単語にする文脈ベクトルを、読み方判断情報生成部１７に対して出力する。

読み方判断情報生成部（読み方判断情報生成手段）１７は、文脈ベクトル生成部１６により算出された単語集合の複数の要素単語に対する文脈ベクトルと、読み方候補とを夫々関連付けた読み方判断情報を生成する。読み方判断情報生成部１７は、例えば、読み方候補毎に、対応する複数の文脈ベクトルを文脈ベクトル空間上で相加平均した、代表の平均文脈ベクトル（代表文脈ベクトル）を算出する。そして、読み方判断情報生成部１７は、各読み方候補と、算出した代表の平均文脈ベクトル（相加平均値）と、を夫々関連付けた読み方判断情報を生成する。

なお、読み方判断装置１０は、例えば、制御処理、演算処理等と行うＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）、ＣＰＵによって実行される制御プログラム、演算プログラム等が記憶されたＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）、処理データ等を一時的に記憶するＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）等からなるマイクロコンピュータを中心にしてハードウェア構成されている。また、同表記異発音語組生成部１１、単語集合生成部１４、文脈ベクトル生成部１６、読み方判断情報生成部１７、及び、後述の読み方判断部２１は、例えば、上記ＲＯＭに記憶され、上記ＣＰＵによって実行されるプログラムによって実現することができる。

図５は、本発明の第１実施形態に係る読み方判断装置の処理フローの一例を示すフローチャートである。まず、同表記異発音語組生成部１１は、ユーザにより入力された入力単語に基づいて、読み方候補ＤＢ１２から、その入力単語に対する複数の読み方候補を取得し（ステップＳ１０１）、取得した複数の読み方候補を単語集合生成部１４に対して出力する。

次に、単語集合生成部１４は、表記異発音語組生成部１１からの、複数の読み方候補に類似する複数の要素単語からなる単語集合を、シソーラスＤＢ１３のシソーラス辞書情報に基づいて、夫々生成し（ステップＳ１０２）、生成した単語集合を文脈ベクトル生成部１６に対して出力する。

その後、文脈ベクトル生成部１６は、コーパスＤＢ１５に記憶されたコーパス情報に基づいて、単語集合生成部１４により生成された単語集合の複数の要素単語に対して文脈ベクトルを夫々算出し（ステップＳ１０３）、算出した文脈ベクトルを、読み方判断情報生成部１７に出力する。

さらに、読み方判断情報生成部１７は、読み方候補毎に、対応する複数の文脈ベクトルを文脈ベクトル空間上で相加平均した、代表の平均文脈ベクトルを算出する（ステップＳ１０４）。そして、読み方判断情報生成部１７は、各読み方候補と、算出した平均文脈ベクトルと、を夫々関連付けた読み方判断情報を生成する（ステップＳ１０５）。

以上、第１実施形態に係る読み方判断装置１０によれば、複数の読み方候補に類似する要素単語からなる単語集合を夫々生成し、コーパス情報を用いて、各読み方候補に対する平均文脈ベクトルを算出し、各読み方候補と平均文脈ベクトルとを関連付けた読み方判断情報を生成する。このように、読み方候補に類似する単語集合と、コーパス情報とを用いることで、読み方判断情報の情報量を効果的に増加させ、その精度を向上させることができる。したがって、より適切かつ高精度な読み方判断情報を取得でき、さらに、この読み方判断情報を用いて、単語の読み方を容易かつ適切に判断できる。

なお、例えば、入力単語の正解の読み方を含むコーパス情報（学習コーパス）を大量に用意できたとしても、そのコーパス情報から得られる任意の同表記異発音語組に関する情報量よりも、本実施形態のように、単語集合とコーパス情報とを用いて生成した読み方判断情報の情報量の方が、より多く、高精度であることは言うまでもない。しかも、本実施形態によれば、正解の読み方が付与された学習コーパス情報を多量に用意したり、多数の同表記異発音語組に対して規則を記述する必要がなく、読み方判断情報の情報量を効率的に増加させ、読み方判断の精度を向上させることができる点でより優れている。また、本実施形態によれば、単語の類似性などの情報に基づいて、読み方を推定するため、それらの推定精度が向上することにより、読み方の精度向上も期待できる。
（第２実施形態）

図６は、本発明の第２実施形態に係る読み方判断装置の概略的なシステム構成を示すブロック図である。第２実施形態に係る読み方判断装置２０は、第１実施形態に係る読み方判断装置１０の構成に加えて、読み方判断情報生成部１７により生成された読み方判断情報に基づいて、入力単語の読み方を判断する読み方判断部２１と、その読み方の判断を出力する出力装置２２と、を、更に備えている。なお、出力装置２２として、例えば、ディスプレイ装置、プリンタ装置、音声出力装置などを用いることができる。また、本実施形態に係る読み方判断装置２０は、例えば、オンラインで入力単語の読み方を判断できる。

第２実施形態に係る読み方判断装置２０において、他の構成は、第１実施形態に係る読み方判断装置１０と略同一である。したがって、同一部分に同一符号を付して、詳細な説明は省略する。

図７は、本発明の第２実施形態に係る読み方判断装置の処理フローの一例を示すフローチャートである。例えば、文脈ベクトル生成部１６には、入力文章と、その入力文章中の入力単語を特定する情報が入力される（ステップＳ２０１）。

次に、文脈ベクトル生成部１６は、上記第１実施形態と同様に、入力文章中の、特定された入力単語に対する文脈ベクトルを算出し（ステップＳ２０２）、読み方判断部２１に対して出力する。

その後、読み方判断部２１は、文脈ベクトル生成部１６により算出された文脈ベクトルと、読み方判断情報生成部１７により生成された読み方判断情報の平均文脈ベクトルと、に基づいて、入力文章中における入力単語の読み方を判断する（ステップＳ２０３）。

ここで、上記第１実施形態によれば、読み方判断情報は、平均文脈ベクトルと、読み候補とを夫々関連付けた複数組の情報となっている。読み方判断部２１は、例えば、読み方判断情報の複数の平均文脈ベクトルのうち、入力単語の文脈ベクトルとのコサイン距離が一番小さい（類似度が高い）平均文脈ベクトルに対応する読み方候補を、その入力単語の読み方と判断する。読み方判断部２１は、判断した入力単語の読み方を出力装置２２に対して出力する。出力装置２２は、読み方判断部２１から出力された入力単語の読み方を、例えば、画面表示、プリント表示、音声等により出力する（ステップＳ２０４）。

以上、第２実施形態に係る読み方判断装置２０によれば、平均文脈ベクトルにより表される各読み方候補の特徴のうち、最も類似した読み方が選択されるため、より適切な読み方を判断できる。
（第３実施形態）

図８は、本発明の第３実施形態に係る読み方判断装置の概略的なシステム構成を示すブロック図である。第３実施形態に係る読み方判断装置３０は、第２実施形態に係る読み方判断装置２０の構成に加えて、コーパスＤＢ１５から入力単語の例文情報を取得する例文単語取得部３１と、読み方判断部２１により判断された単語の読み方を記憶する読み方ＤＢ３２と、を更に備えている。本実施形態に係る読み方判断装置３０は、例えば、オフラインで入力単語の読み方を判断できる。

第３実施形態に係る読み方判断装置３０において、他の構成は、第２実施形態に係る読み方判断装置２０と略同一である。したがって、同一部分に同一符号を付して、詳細な説明は省略する。

例えば、例文単語取得部３１は、入力単語を含む複数の例文をコーパスＤＢ１５から取得し、各例文中から入力単語を特定する情報を抽出し、文脈ベクトル生成部１６に対して出力する。文脈ベクトル生成部１６は、例文単語取得部３１からの各例文の情報を用いて、各例文の入力単語に対する文脈ベクトルを夫々算出し、読み方判断部２１に対して出力する。

読み方判断部２１は、読み方判断情報生成部１７により生成された読み方判断情報の複数の平均文脈ベクトルのうち、各例文に対する文脈ベクトルとのコサイン距離が一番小さい平均文脈ベクトルに対応する読み方候補を、その例文における入力単語の読み方と夫々判断する。そして、読み方判断部２１は、判断した各例文における入力単語の読み方を、読み方ＤＢ３２に夫々出力し、読み方ＤＢ３２に記憶させる。さらに、読み方判断部２１は、読み方ＤＢ３２に記憶された複数の読み方から、統計的に最も頻度が高い読み方を一つ選択し、該当入力単語の読み方として判断し、その判断した読み方を出力装置２２に対して出力する。

以上、第３実施形態に係る読み方判断装置３０によれば、コーパス情報を用いて入力単語に対する複数の文脈ベクトルを生成し、夫々の読み方を判断し、読み方ＤＢ３２に蓄積する。そして、読み方ＤＢ３２に蓄積された複数の読み方の頻度に基づいて、統計的に、その入力単語に対する読み方を判断することができる。
（第４実施形態）

上記第１乃至３実施形態に係る読み方判断装置１０、２０、３０において、読み方判断情報生成部１７は、各読み方候補と、代表となる１つの平均文脈ベクトルと、を夫々関連付けた読み方判断情報を生成しているが、第４実施形態に係る読み方判断装置４０において、読み方判断情報生成部４７は、各読み方候補と、複数の文脈ベクトルと、を夫々関連付けた読み方判断情報を生成する。

この場合、読み方判断情報は、文脈ベクトル生成部１６により算出された各文脈ベクトルと、それに対応する読み方候補との組を、文脈ベクトルの数だけ集めたものとなる。一方で、上記第１乃至３実施形態の読み方判断情報は、平均文脈ベクトルと、それに対応する読み方候補との組を、読み方候補の数だけ集めたものとなっている。したがって、本実施形態に係る読み方判断情報は、より情報量が大きくなりかつ高精度になる。

読み方判断情報生成部４７は、上述のように、文脈ベクトル生成部１６により生成された全文脈ベクトルと、各文脈ベクトルに対応する読み方候補とを夫々組にした読み方判断情報を、読み方判断部２１に対して出力する。

第４実施形態に係る読み方判断装置４０において、他の構成は、第１乃至第３実施形態に係る読み方判断装置１０、２０、３０と略同一である。したがって、同一部分には同一符号を付して詳細な説明は省略する。

なお、本実施形態において、上記第２実施形態と同様に、読み方判断部２１は、入力文章及び入力単語から得られた文脈ベクトルと、読み方判断情報の全文脈ベクトルとの、コサイン距離等の類似度を夫々算出してもよい。そして、読み方判断部２１は、読み方判断情報の全文脈ベクトルのうち、最も類似度が高い文脈ベクトルに対応する読み方候補を、その入力単語の読み方と判断する。

また、本実施形態において、上記第３実施形態と同様に、読み方判断部２１は、コーパスＤＢ１５の各例文から得られた文脈ベクトルと、読み方判断情報の全文脈ベクトルとの類似度を算出してもよい。そして、読み方判断部２１は、読み方判断情報の全文脈ベクトルのうち、各例文の文脈ベクトルとの類似度が最も高い文脈ベクトルに対応する読み方候補を、その例文における入力単語の読み方と判断し、読み方ＤＢ３２に対して出力する。

以上、第４実施形態に係る読み方判断装置４０によれば、上記第１乃至第３実施形態のように、単一の代表文脈ベクトルを求め、各読み方間において十分な分離が困難となる場合でも、各要素単語の文脈ベクトルの類似性を用いて、適切な読み方判断が可能となる。（第５実施形態）

上記第１実施形態に係る読み方判断装置１０において、単語集合生成部１４は、複数の読み方候補に類似する複数の要素単語からなる単語集合として、シソーラス上で同一カテゴリーに属する要素単語を含む単語集合を生成しているが、第５実施形態に係る読み方判断装置５０において、単語集合生成部５４は、シソーラス上で同一階層の近接したカテゴリーに属する要素単語も含む単語集合を生成する。これにより、より広い類義語を含む単語集合を生成することで、読み方判断情報の情報量を効果的に増加させ、その精度を向上させることができる。

第５実施形態に係る読み方判断装置５０において、他の構成は、第１実施形態に係る読み方判断装置１０と略同一である。したがって、同一部分には同一符号を付して詳細な説明は省略する。

なお、単語集合生成部５４は、近接したカテゴリーの選択方法を変更することにより、類似度を制御してもよい。例えば、上記第１実施形態と同様に、同表記異発音語組生成部１１は、入力単語「黒子」に対して、読み方候補ＤＢ１２から、例えば、２つのエントリ、読み方候補１＝「ほくろ」(カテゴリーは身体の染み)、及び、読み方候補２＝「くろご」(カテゴリーは歌舞伎の補助員)を取得する。そして、単語集合生成部５４は、各読み方候補１、２に対応して、その読み方候補と類似関係にある、複数の要素単語から構成される単語集合を生成する。

ここで、上記類似関係の要素単語には、上述の如く、シソーラス上で同一カテゴリーに属する要素単語に加えて、シソーラス上で同一階層の近接したカテゴリーに属する要素単語も含まれる。また、上記近接したカテゴリーとは、例えば、シソーラス上で定義されたカテゴリー間の関係の度合を用いて、最も近い１つのカテゴリーを指す。なお、図４において、読み方候補１=「ほくろ」を含むカテゴリーに対して、上位方向に１階層、及び下位方向に１階層を示している。

単語集合生成部５４は、例えば、図４に示すシソーラス上において、読み方候補１「ほくろ」の属するカテゴリーと同一カテゴリー及び近接したカテゴリーに属する要素単語を、夫々抽出する。そして、単語集合生成部５４は、「身体の染み」カテゴリーと同一階層にある「身体の表面様態」カテゴリー、および、「身体の色」カテゴリーから、予めシソーラスに定義されたカテゴリー間の類似性に従って、「身体の表面様態」カテゴリーを選択する。さらに、単語集合生成部５４は、これら「身体の染み」カテゴリーおよび「身体の表面様態」カテゴリーに属する要素単語を抽出し、単語集合１を生成する。

なお、単語集合１＝｛要素単語１−１：染み、要素単語１−２：しみ、要素単語１−３：黒子、要素単語１−４：ほくろ、要素単語１−５：ホクロ、要素単語１−６：ｌｅｎｔｉｇｏ、要素単語１−７：にきび、要素単語１−８：吹出物、要素単語１−９：毛孔｝となり、カテゴリー＝｛身体の染み｝となり、要素単語の数Ｎ１＝９となる。

以上、第５実施形態に係る読み方判断装置５０によれば、シソーラス上で同一カテゴリーに属する要素単語に加えて、シソーラス上で同一階層の近接したカテゴリーに属する要素単語も含む単語集合を生成することで、より広い類義語を含む単語集合を生成することができる。
（第６実施形態）

上記第１実施形態に係る読み方判断装置１０において、単語集合生成部１４は、複数の読み方候補に類似する複数の要素単語からなる単語集合として、シソーラス上で同一カテゴリーに属する要素単語を含む単語集合を生成しているが、第６実施形態に係る読み方判断装置６０において、単語集合生成部６４は、シソーラス上で上位階層及び／又は下位階層のカテゴリーに属する要素単語も含む単語集合を生成してもよい。これにより、概念の上位下位関係を対象とした、より広い類義語を含む単語集合を生成することで、読み方判断情報の情報量を効果的に増加させ、その精度を向上させることができる。

第６実施形態に係る読み方判断装置６０において、他の構成は、第１実施形態に係る読み方判断装置１０と略同一である。したがって、同一部分には同一符号を付して詳細な説明は省略する。

なお、単語集合生成部６４は、シソーラス上において、何階層の上位階層及び／又は下位階層までを対象範囲にするかによって、類似度を制御することができる。

例えば、上記第１実施形態と同様に、同表記異発音語組生成部１１は、入力単語「黒子」に対して、読み方候補ＤＢ１２から、例えば、２つのエントリ、読み方候補１＝「ほくろ」(カテゴリーは身体の染み)、及び、読み方候補２＝「くろご」(カテゴリーは歌舞伎の補助員)を取得する。そして、単語集合生成部６４は、各読み方候補１、２に対応して、その読み方候補１、２と類似関係にある、複数の要素単語から構成される単語集合を生成する。

ここで、上記類似関係の要素単語には、上述の如く、シソーラス上で同一カテゴリーに属する要素単語に加えて、シソーラス上で、予め設定した階層数の上位階層及び／又は下位階層のカテゴリーに属する要素単語も含まれる。

単語集合生成部６４は、例えば、図４に示すシソーラス上において、読み方候補１「ほくろ」の属するカテゴリーと同一カテゴリーの要素単語、及び予め設定した階層数の上位階層及び下位階層のカテゴリーに属する要素単語を、夫々抽出する。

ここで、「身体の染み」カテゴリーの上位１階層に存在するのは、「身体の表面」カテゴリー１つであり、同じく下位１階層に存在するのは、「身体の染みの色」カテゴリーおよび「身体の染みの形状」カテゴリーの２つである。そこで、単語集合生成部６４は、これら上位１階層および下位１階層のカテゴリーに属する要素単語を抽出し、単語集合１を生成する。

なお、単語集合１＝｛要素単語１−１：染み、要素単語１−２：しみ、要素単語１−３：黒子、要素単語１−４：ほくろ、要素単語１−５：ホクロ、要素単語１−６：ｌｅｎｔｉｇｏ、要素単語１−７：色、要素単語１−８：染み、要素単語１−９：皺、要素単語１−１０：赤、要素単語１−１１：黒、要素単語１−１２：灰色、要素単語１−１３：丸、要素単語１−１４：点、要素単語１−１５：三角｝となり、カテゴリー＝｛身体の染み｝となり、要素単語の数Ｎ１＝１５となる。

以上、第６実施形態に係る読み方判断装置６０によれば、シソーラス上で同一カテゴリーに属する要素単語に加えて、シソーラス上で、予め設定した階層数の上位階層及び／又は下位階層のカテゴリーに属する要素単語も含む単語集合を生成することで、より広い類義語を含む単語集合を生成することができる。
（第７実施形態）

図９は、本発明の第７実施形態に係る読み方判断装置の概略的なシステム構成を示すブロック図である。本発明の第７実施形態に係る読み方判断装置７０は、第１実施形態に係る読み方判断装置１０の構成に加えて、重複する要素単語を検出し、削除する要素単語削除部７１と、重複する文脈ベクトルを検出し、削除する文脈ベクトル削除部７２と、を更に備えている。

要素単語削除部７１は、単語集合生成部１４により生成された複数の読み方候補１〜Ｍに対する単語集合間で、重複する要素単語を検出する。ここで、上記重複する要素単語とは、例えば、少なくとも一組の要素単語が重複する場合を指す。そして、要素単語削除部７１は、重複する要素単語の一方を単語集合の中から削除し、削除した単語集合を文脈ベクトル生成部１６に出力する。一方、要素単語削除部７１は、重複した要素単語を含まない単語集合を、そのまま、文脈ベクトル生成部１６に出力する。

ここで、重複する要素単語は、対応する文脈ベクトルも同一となる。このため、複数の読み方候補の単語集合間において重複する要素単語が存在すると、その要素単語に基づいて生成される読み方判断情報の重複度も大きくなる。したがって、予め重複する要素単語を除去することによって、読み方判断情報における分離度を高くし、読み方判断情報の精度を高めることができる。

文脈ベクトル削除部７２は、文脈ベクトル生成部１６により生成される複数の単語集合１〜Ｍの要素単語に夫々対応する文脈ベクトルの中から、各単語集合１〜Ｍ間で同一となる文脈ベクトルを検出し、その一方の文脈ベクトルを削除し、読み方判断情報生成部１７に出力する。なお、上記同一となる文脈ベクトルとは、例えば、少なくとも一組の文脈ベクトルが同一となる場合を指す。

ここで、複数の単語集合１〜Ｍ間において、重複する文脈ベクトルが存在すると、文脈ベクトルに基づいて生成される読み方判断情報の重複度も大きくなる。したがって、予め重複する文脈ベクトルを除去することによって、読み方判断情報における分離度を高くし、読み方判断情報の精度を高めることができる。

なお、文脈ベクトル削除部７２は、文脈ベクトル生成部１６により生成された複数の単語集合１〜Ｍの要素単語の夫々に対する文脈ベクトルの中から、予め定められた距離よりも近接し、相互に類似した文脈ベクトルを検出し、その一方の文脈ベクトルを削除してもよい。

例えば、文脈ベクトル削除部７２は、文脈ベクトル空間上でのコサイン距離が、予め定めた閾値εよりも小さいとき、予め定められた距離よりも近接していると判断する。文脈ベクトル削除部７２は、検出された相互に近接する文脈ベクトルの組のうち一方を削除し、読み方判断情報生成部１７に出力する。

ここで、複数の単語集合１〜Ｍ間において、近接する文脈ベクトルが存在すると、文脈ベクトルに基づいて生成される読み方判断情報の重複度も大きくなる。したがって、予め近接する文脈ベクトルを除去することによって、読み方判断情報における分離度を高くし、読み方判断情報の精度を高めることができる。

また、文脈ベクトル削除部７２は、文脈ベクトル生成部１６により生成された文脈ベクトルに対して、特徴性を強調するための重み係数を乗算してもよい。文脈ベクトル検出部７２は、重み係数を乗算した文脈ベクトルを用いて、上述の近接する文脈ベクトルを検出し、検出した文脈ベクトルを削除してもよい。

例えば、文脈ベクトルＤ＝Σ（ｉ＝１、ｔ）ａ（ｉ）＊Ｖ（ｉ）について、各要素単語Ｖ（ｉ）の重要度をｂ（ｉ）とする。ここで、重要度ｂ（ｉ）は、例えば、該当単語がコーパス情報中に出現する際に特徴的であるか否かを示す尺度ｔｆ−ｉｄｆの値を用いてもよい。なお、このｔｆ−ｉｄｆの値は、ｔｆ（単語の出現頻度）とｉｄｆ（逆出現頻度）との二つの指標から算出される値である。この各単語Ｖ（ｉ）の重要度ｂ（ｉ）に応じて、重み係数を設定する。これにより、２つの文脈ベクトルの類似度を求める際に、文脈ベクトルＤに重み係数を乗算することにより、特徴性の高い単語に関する差異は強調され、特徴性の低い単語に関する差異は縮小される。したがって、コーパス情報の特徴をより反映した類似度計算を行うことができる。
（第８実施形態）

図１０は、本発明の第８実施形態に係る音声合成装置の概略的なシステム構成を示すブロック図である。第５実施形態に係る音声合成装置８０は、入力文章の形態素解析を行う形態素解析部８１と、第２実施形態に係る読み方判断装置２０と、合成音声を生成する音声生成部８２と、を備えている。

形態素解析部８１は、入力文章に対して形態素解析を行うことで、入力文章を形態素に分割し、複数の形態素のうち自立語を抽出し、読み方判断装置２０に出力する。音声生成部８２は、読み方判断装置２０から出力された入力文章の読み方の情報に基づいて、例えば、波形接続型音声合成方式などを用いて、入力文章に対する合成音声の波形を生成する。なお、上記音声合成で用いる読み方の情報には、例えば、単に音韻列だけでなく、アクセント位置の情報を含むものとする。これにより、例えば名詞「谷」という単語を、人名としての用法では頭高型に、山の反対を表す用法では平板型に発話し分けることも可能となる。

図１１は、本発明の第８実施形態に係る音声合成装置の処理フローの一例を示すフローチャートである。形態素解析部８１に入力文章が入力されると（ステップＳ３０１）、形態素解析部８１は、その入力文章に対して形態素解析を行って（ステップＳ３０２）、入力文章を複数の形態素に分割し、自立語を抽出する。そして、形態素解析部８１は、入力文章と共に、抽出した自立語を入力単語として、読み方判断装置２０に出力する。次に、読み方判断装置２０は、形態素解析部８１からの入力文章及び入力単語に基づいて、上述の読み方判断処理を行い（ステップＳ３０３）、全ての自立語について、読み方を確定し（ステップＳ３０４）、入力文章の読み方の情報を生成する（ステップＳ３０５）。読み方判断装置２０は、生成した入力文章の読み方の情報を、音声生成部８２に対して出力する。音声生成部８２は、読み方判断装置２０からの入力文章の読み方の情報に基づいて、合成音声波形を生成し（ステップＳ３０６）、生成した合成音声波形の音声を出力する（ステップＳ３０７）。

なお、本発明は上記実施の形態に限られたものではなく、趣旨を逸脱しない範囲で適宜変更することが可能である。また、上述の実施の形態では、本発明をハードウェアの構成として説明したが、本発明は、これに限定されるものではない。本発明は、任意の処理を、ＣＰＵにコンピュータプログラムを実行させることにより実現することも可能である。）

プログラムは、様々なタイプの非一時的なコンピュータ可読媒体（non-transitory computer readable medium）を用いて格納され、コンピュータに供給することができる。非一時的なコンピュータ可読媒体は、様々なタイプの実体のある記録媒体（tangible storage medium）を含む。非一時的なコンピュータ可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、光磁気記録媒体（例えば光磁気ディスク）、ＣＤ−ＲＯＭ（Read Only Memory）、ＣＤ−Ｒ、ＣＤ−Ｒ／Ｗ、半導体メモリ（例えば、マスクＲＯＭ、ＰＲＯＭ（Programmable ROM）、ＥＰＲＯＭ（Erasable PROM）、フラッシュＲＯＭ、ＲＡＭ（random access memory））を含む。また、プログラムは、様々なタイプの一時的なコンピュータ可読媒体（transitory computer readable medium）によってコンピュータに供給されてもよい。一時的なコンピュータ可読媒体の例は、電気信号、光信号、及び電磁波を含む。一時的なコンピュータ可読媒体は、電線及び光ファイバ等の有線通信路、又は無線通信路を介して、プログラムをコンピュータに供給できる。

本発明は、例えば、単語や文章などに対する適切な読み方を判断する読み方判断装置に適用可能である。

この出願は、２００９年３月３１日に出願された日本出願特願２００９−０８４９２０を基礎とする優先権を主張し、その開示の全てをここに取り込む。

１０ 読み方判断装置
１１ 同表記異発音語組生成部
１２ 読み方ＤＢ
１３ シソーラスＤＢ
１４ 単語集合生成部
１５ コーパスＤＢ
１６ 文脈ベクトル生成部
１７ 読み方判断情報生成部
２１ 読み方判断部
２２ 出力装置
３１ 例文単語取得部
３２ 読み方ＤＢ
７１ 要素単語削除出部
７２ 文脈ベクトル削除部
８０ 音声合成装置

Claims (17)

1. 複数の読み方候補を有する、単語の読み方を判断するための読み方判断装置であって、
   前記読み方候補に類似する複数の要素単語からなる単語集合を、夫々生成する単語集合生成手段と、
   複数の例文を含むコーパス情報を記憶するコーパスデータベースと、
   前記コーパスデータベースに記憶された前記コーパス情報に基づいて、前記単語集合生成手段により生成された前記単語集合の複数の要素単語に対する特徴量を夫々算出する特徴量算出手段と、
   前記特徴量算出手段により算出された前記単語集合の複数の要素単語に対する特徴量と、前記読み方候補とを夫々関連付けた読み方判断情報を生成する読み方判断情報生成手段と、を備え、
   前記特徴量算出手段は、前記コーパスデータベースに記憶された前記コーパス情報に基づいて、前記単語集合生成手段により生成された前記単語集合の複数の要素単語に対する文脈ベクトルを、前記特徴量として夫々算出する文脈ベクトル生成部を有し、
   前記読み方判断情報生成手段は、前記文脈ベクトル生成部により算出された前記単語集合の複数の要素単語に対する文脈ベクトルの平均値を、代表となる文脈ベクトルとして算出し、該代表の文脈ベクトルと、前記読み方候補とを夫々関連付けた読み方判断情報を生成し、
   前記単語集合の要素単語は、シソーラス上において、前記読み方候補の属するカテゴリーに対して上位及び下位関係にあるカテゴリーに属する単語、及び、シソーラス上において同一階層の近接したカテゴリーに属する単語、のうち少なくとも一方を含む、ことを特徴とする読み方判断装置。
2. 請求項１記載の読み方判断装置であって、
   前記単語集合の要素単語は、前記読み方候補の同義語を含む、ことを特徴とする読み方判断装置。
3. 請求項１又は２記載の読み方判断装置であって、
   前記読み方候補間の分離度を高める処理を行う分離処理手段を更に備える、ことを特徴とする読み方判断装置。
4. 請求項３記載の読み方判断装置であって、
   前記分離処理手段は、前記単語集合間の要素単語の中から、重複する前記要素単語を検出し、その一方を削除する単語削除部を有する、ことを特徴とする読み方判断装置。
5. 請求項３又は４記載の読み方判断装置であって、
   前記分離処理手段は、前記単語集合間の要素単語に対応する文脈ベクトルの中から、同一となる文脈ベクトルを検出し、その一方を削除する文脈ベクトル削除部を有する、ことを特徴とする読み方判断装置。
6. 請求項３乃至５のうちいずれか１項記載の読み方判断装置であって、
   前記分離処理手段は、前記単語集合間の要素単語に対応する文脈ベクトルの中から、相互に類似する文脈ベクトルを検出し、その一方を削除する文脈ベクトル削除部を有する、ことを特徴とする読み方判断装置。
7. 請求項６記載の読み方判断装置であって、
   前記文脈ベクトル削除部は、前記要素単語の重要度に応じた重み係数を夫々設定し、該重み係数を乗じた前記文脈ベクトルに基づいて、前記相互に類似する文脈ベクトルを検出する、ことを特徴とする読み方判断装置。
8. 請求項１乃至６のうちいずれか１項記載の読み方判断装置であって、
   前記読み方判断情報生成手段により生成された前記読み方判断情報に基づいて、単語の読み方を判断する読み方判断手段を更に備える、ことを特徴とする読み方判断装置。
9. 請求項７記載の読み方判断装置であって、
   読み方判断手段は、前記読み方判断情報の複数の代表の文脈ベクトルのうち、入力単語の文脈ベクトルとの類似度が高い前記代表の文脈ベクトルに対応する読み方候補を、その入力単語の読み方と判断する、ことを特徴とする読み方判断装置。
10. 請求項８記載の読み方判断装置であって、
    前記単語を含む複数の例文情報をコーパスデータベースから取得する例文単語取得手段を更に備え、
    文脈ベクトル生成手段は、前記例文単語取得手段により取得された各例文情報に基づいて、文脈ベクトルを夫々生成し、
    前記読み方判断手段は、前記文脈ベクトルに対応した例文情報における前記単語の読み方を夫々判断し、該判断された複数の読み方のうち、最も頻度の高い読み方を、前記単語の読み方として、決定する、ことを特徴とする読み方判断装置。
11. 請求項１乃至１０のうちいずれか１項記載の読み方判断装置であって、
    シソーラス辞書情報を記憶するシソーラスデータベースを更に備え、
    前記単語集合生成手段は、前記読み方候補に類似する複数の要素単語からなる単語集合を、前記シソーラスデータベースのシソーラス辞書情報に基づいて、生成する、ことを特徴とする読み方判断装置。
12. 請求項１乃至１１のうちいずれか１項記載の読み方判断装置を備え、
    該読み方判断装置により判断された前記単語の読み方に基づいて、音声を合成する、ことを特徴とする音声合成装置。
13. 請求項１２記載の音声合成装置であって、
    入力文章に対して形態素解析を行い、前記入力文章を形態素に分割する形態素解析手段と、
    前記形態素解析手段により分割された前記形態素の読み方を判断する前記読み方判断装置と、
    前記読み方判断装置により判断された前記入力文章の読み方に基づいて、音声を合成する音声生成部と、を備える、ことを特徴とする音声合成装置。
14. 複数の読み方候補を有する、単語の読み方を判断するための方法であって、
    前記読み方候補に類似する複数の要素単語からなる単語集合を、単語集合生成手段により夫々生成し、
    コーパスデータベースに記憶された複数の例文を含むコーパス情報に基づいて、前記生成した単語集合の複数の要素単語に対する文脈ベクトルを特徴量として特徴量算出手段により夫々算出し、
    前記算出した単語集合の複数の要素単語に対する文脈ベクトルの平均値を、代表となる文脈ベクトルとして算出し、該代表の文脈ベクトルと、前記読み方候補とを夫々関連付けた読み方判断情報を読み方判断情報生成手段により生成し、
    前記単語集合の要素単語は、シソーラス上において、前記読み方候補の属するカテゴリーに対して上位及び下位関係にあるカテゴリーに属する単語、及び、シソーラス上において同一階層の近接したカテゴリーに属する単語、のうち少なくとも一方を含む、ことを特徴とする方法。
15. 請求項１４記載の方法であって、
    前記読み方候補間の分離度を高める処理を分離処理手段により更に行う、ことを特徴とする読み方判断方法。
16. 請求項１４又は１５記載の方法であって、
    前記生成した前記読み方判断情報に基づいて、単語の読み方を読み方判断手段により更に判断する、ことを特徴とする方法。
17. 複数の読み方候補を有する、単語の読み方を判断するためのプログラムであって、
    前記読み方候補に類似する複数の要素単語からなる単語集合を、夫々生成する処理と、
    複数の例文を含むコーパス情報に基づいて、前記生成された前記単語集合の複数の要素単語に対する文脈ベクトルを、特徴量として夫々算出する処理と、
    前記算出した前記単語集合の複数の要素単語に対する文脈ベクトルの平均値を、代表となる文脈ベクトルとして算出し、該代表の文脈ベクトルと、前記読み方候補とを夫々関連付けた読み方判断情報を生成する処理と、をコンピュータに実行させ、
    前記単語集合の要素単語は、シソーラス上において、前記読み方候補の属するカテゴリーに対して上位及び下位関係にあるカテゴリーに属する単語、及び、シソーラス上において同一階層の近接したカテゴリーに属する単語、のうち少なくとも一方を含む、プログラム。

Images