JPH01162978A - 辞書検索方式 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 本発明は、例えば英語で表わされた文章を日本語の文章
に自動的に翻訳する方法等への適用に有用な自然言語処
理に係り、特に単語及び連語の辞書検索方法に関する。

本発明の方法は、自然菖゛語間の翻訳のみならず、自然
５語入力に伴う各種の自然“言語処理に適用することが
できる。以下の説明では便宜上、入力ｊ′語が英語、出
力言語がＩＥＩ木語の自動翻訳の場合について述べるが
１本発明はこれに限定されるものではない。

従来技術とその問題点 −つの自然１語で表わされた文章を他の自然石。

語で表わされた文章に自動的に翻訳する方法として、従
来、電気通信学会雑誌第４６巻、第１１号の第１７３０
頁〜第１７３９頁に記載されている方法が知られている
。

この従来方法を簡単に説明する。まず英文テキストが入
力されると、辞書検索を行い、単語の並びからなる文章
を品詞列に変換する。しかしながら多くの場合、品詞が
一義的に定まらないことがある。例えば“５ｔｕｄｙ”
　　という甲１語は動詞をとる場合と名詞をとる場合が
ある。このような場合にまず一義的に品詞が確定できる
単語を選び、確定した品詞の単語を基準にして、その前
後の関係より他の単語の品詞を決定する。最後まで品詞
が定まらない単語についてはとり得る品詞の候補を登録
しておき、とりあえず一つの品詞を仮に決定する。次に
句及び節に相当する品詞列パターンを予め登録しておき
、このパターンと一致する品詞列を探す。一致するもの
があればその句又は節は１個の品詞記号により置き換え
られる。

例えば第１（Ａ）図に示すように・・・ａ　ｐｕｌｓｅ
　ｏｆｋｎｏｗｎ　ｒａｔｅ　ｏｆ　ｒｉｓｅという文
があった場合、ａｐｕｌｓｅ、　ｋｎｏｗｎ　ｒａｔｅ
がそれぞれ名詞句（Ｎ　Ｐ）として判定される。さらに
、ｏｆ＋ｒｉｓｅが形容詞句（ＡＰ）、ｋｎｏｗｎ　ｒ
ａｔｅ　＋　ｏｆ　＋　ｒｉｓｅが名詞句、ｏｆ＋ｋｎ
ｏｗｎ　ｒａｔｅ＋　ｏｆ　＋　ｒｉｓｅが形容詞句と
いうように置き換えられる。こうして一つの文が簡単な
品詞列にパターン変換されるにの変換された品詞列のパ
ターンが予め登録された文を表わす標準の品詞列パター
ンと比較される。両パターンが一致する場合には翻訳可
能と判断され、予め定められた規則に従って単語の語順
変換が行われる。

変換された品詞列パターンが登録された標準パターンと
一致しない場合には、単語の品詞を決め方が不適切と判
断し、不確定の単語の品詞を登録された別の品詞に置き
換え、上記と同じ処理が繰り返して行われる。すなわち
、単語が多品間をもつ場合に、一つの品詞を決定するた
めに一種のフィードバック・ループが用いられる。

最後に語順変換された単語列に訳語が付与され英文を翻
訳をした和文が出力される。

しかしながら、上記のような従来の自動翻訳方法には下
記のような種々の問題点がある。

第１の問題点は多品詞語の決定が極めて複雑になり、翻
訳の成功率が低くなりがちということである。前述のよ
うに従来方法では一つの単語が多品間をもつ場合には、
一つの品詞を仮にあてはめて、パターン辞書による構文
解析を行い、うまくいかなかった場合には、又もとに戻
って別の品詞をあてはめてみるという処理を繰り返す。

しかしながら、多数の品詞をもつ単語は現実に数多くあ
り、しかも文章が複雑になると、一つの文についての可
能な品詞列の種類は美大な数に達する。これらの品詞列
について何回も同じ処理をくり返すことは、翻訳速度の
低下を招くことはもちろんのこと１間違った品詞を暫定
的に定めた場合でも、単語の品詞列がたまたま辞書に登
録されたパターンと一致し１間違った翻訳処理が行われ
てしまうこともある。

従って文章が複雑になる程、これを正しく翻訳できる率
、つまり成功率が低下する。

第２の問題点は、仮に単語の品詞が正しく決定されたと
しても、句、節を切り出して１つの品詞に置き換える処
理を行う際、文頭又は文末から順番に句を切出しており
１句、節の係り先、修飾の対象となる単語の関係、つま
り依存・修飾関係を分析せずに行っているために間違っ
た翻訳をしやすいということである１例えば第１（Ｂ）
図に示すような−ｔａｋｅ　ａ　ｂｕｓ　ｉｎ　ａ　ｃ
ｉｔｙという文があった場合、第１（Ａ）図と同様に構
文分析を行うと、ａ　ｂｕ＋　ｉｎ　ａ　ｃｉｔｙ”　
が１つの名詞句と認識され、この結果、訳語は“街の中
のバスに乗る”となってしまう。これは”ｉｎ　ｓ　ｃ
ｉｔｙ”がｔａｋｅにかかる副詞句であるにもかかわら
ず、文末から順番に句を切出していくと形容詞句として
認識され“ａｂｕｓ″　　を修飾すると判定されたため
に生じた誤訳である。このように文頭又は文末から順に
句を切出していく方法をとると句品詞が一義的に定まら
ない場合があるμ）二車が階層的構造をもつ場合が生ず
る。妻与文章が階層的構造をもつ場合、つまり、修飾を
する相手先が複雑に入り組んだ文章の場合にはこれを正
確に翻訳することができなくなる。

第３の問題点は、従来方法では翻訳すべき文型の増補を
行うためには処理装置のプログラム全体を手直しする必
要があり、従って一旦システムができあがってしまうと
文型の増補が極めて困難になることである。すなわち、
従来方法においては、多品間をもつ単語の品詞を決定す
るために、フィードバックループを用いており、このル
ープの中にパターン辞書による構文分析の処理が含まれ
ている。従ってパターン辞書の登録パターンを追加した
り修正する場合には、フィードバックループ全体の動作
に矛盾を生じないように処理アルゴリズムを手直ししな
ければならない。通常、自動翻訳における成功率は上記
の構文分析用の登録パターンをいかに構築するかに依存
するところ大であり、従って試行錯誤的にこの登録パタ
ーンの増加、変更を要するが、その都度処理アルゴリズ
ム全体の手直しをするのは実際上大きな負担になる。

発明の目的 本発明の目的は上述のような従来技術の問題点を解決す
る新規な、自然言語処理におけるｖｐａ検索方法を提供
することにある。

具体的に言うと、自然言語処理全搬に亘って、その第一
段階である辞書検索を高速に、且つ使用する自然言語辞
書を小容量で構築する方法を提供することが、本発明の
主たる目的である。

発明の概要 上述の目的を達成するために、本発明方法では第２図に
示す処理過程を経て自然言語間翻訳が行われる。

まず英文テキストを読み込み、入カデータパツファメモ
リにセットする（テキスト入力処理）。

次に辞書を検索してテキスト中の変化形をもつ単語１例
えば時制変化、複数形変化、比較級変化などをしている
単語を原形に変換する処理を行う（辞書検索）、更に、
テキスト中のすべての単語及び連語（イデオム等）に列
を、それらに対応する品詞列に変換する（品詞認識）１
次に品詞列の形に変換された文を、？６ｉ数個の名詞の
連なり、助動詞＋動詞、冠調子名詞、前置調子名詞、形
容調子名詞等の言語的意味をもつ最小単位、つまり句要
素に分割する（句摺造認ｍ）、そして上記の各句要索に
対して、改めて名詞句、形容詞句、副詞句、動詞句、前
置詞句などの句品詞を与える。この後、後述の辞書再検
索が行われる。次に句品詞列を、主語、中心動詞、直接
目的語、補語、動詞修飾語等の構文的役割子列に変換す
る。更に構文的役割子列の中から文パターン、節パター
ン、及び意味的に閉じた主語、述語関係を有する構文単
位（型筒パターン）を見出す（英文型パターン認ｒａ）
。

更に、前置詞句、副詞句等の句要素の係り先、つまりど
の名詞句あるいは動詞句を修飾しているかの依存関係を
決定する（依存・修飾関係認識）。

次に上記のようにして認識された英文型パターンを、そ
のパターン毎に予め定められた変換規則を参照して、日
本語の骨格パターンに変換する（文型変換）。最後に予
め用意された単語、連語の辞書を検索することにより出
力ａ゛語である日本語の文を生成する（和文生成）。

本発明方法の特徴の第１は、単語及び連語の列を品詞列
に変換する品詞列認識の処理が、句構造認識などの構文
分析の前段階において完了し、従来方法のようなフィー
ドバックループをもたないことである。換言すれば品詞
列認識の処理ステップではすべての単語・連語の品詞を
この段階で確定してしまい１句構造認識等の処理結果を
みて、再び品詞認識に処理が戻るようなフィードバック
ループを有しない、従って各処理ステップにおける処理
結果が他の処理ステップに影響を与えないため句構造等
の認識のための登録パターンの増補が極めて容易になる
。

特徴の第２は、多品側をもつ単語の品詞を決定するのに
、後述のような品詞認識用パターンを予め定め、これを
参照しながら決定するように構成されている点である。

この品詞認識用パターンを用いることによって、各単語
の品詞の確定が迅速正確に行われ、結果的に翻訳の成功
率が向上することになる。

本発明方法の第３の特徴は、品詞列パターンから句、節
を切り出して構文分析を行う際、従来の英文法の句、節
とは異な８句要素の概念を導入したことである。更に句
要索の単位で切出し、新たに句品詞列を形成した後、こ
れを構文的役割子列に変換することも特徴の１つである
。このように句要素、構文的役割子の考え方を導入する
ことによって、複雑な文章も正確に翻訳することが可能
となる。

第４の特徴は、句、節などがどの語を修飾するのかを認
識する修飾・依存関係認識の処理ステップを含んでいる
ことである。この処理を行うことによって第１　（Ｂ）
図のように修飾の相手先が入り組んでいる文章も正確に
翻訳することが可能になる。

本発明の上記特徴及びこの他の特徴は、以下説明する実
施例を参照することによって、いっそう明確になろう。

実施例 第３図は本発明方法の全体構成を示す。同図から明らか
なように本発明方法は、入力装置１００゜翻訳処理装置
２００．辞書用メモリ３００、作業用メモリ４００及び
出力装置５００より構成される。

入力装ｆｉｔｌｏｏは英文テキストを入力するためのも
ので１通常、キーボードが用いられる。もちろん、この
他の方法により英文テキストを入力することも可能であ
る６例えば磁気テープ、磁気ディスク等に予め英文テキ
ストを記録しておき、公知の磁気記憶制御回路を通して
処理装置２００に入力してもよい。また、ファクシミリ
等の通信機器を通して送られてくる英文テキストを、公
知の通信回線制御回路を通して処理装置２００に入力す
ることもできる。

辞書用メモリ３００は単語、連語（２以上の単語よりな
るイデオム等の語）等の辞書や、翻訳処理のために用い
られる規則を定義したテーブルを予め格納しておくため
のものである。具体的にいうと、このメモリ３００には
、単語辞書３０１、連語辞書３０２、品詞認識用パター
ン３０３１句要素切出用パターン３０４１文型認識用パ
ターン３０５、依存・修飾関係認識用パターン３０６、
文型変換用パターン３０７、和文生成用パターン３０８
が格納されている。

ｍ語辞書３０１のメモリエリアの内部構造を第４（Ａ）
図及び第４（Ｂ）図に示す。１番地からＮ番地のそれぞ
れのブロックには用語情報レコードが記憶されている。

単語情報レコードは単語の見出し語と、その用語の属性
を示す単語情報とを含む。単語情報としては、その単語
をもとにしてつくられる連語（イデオム等も含む）の個
数、連語の先頭番地、その単語がとり得る品詞の個数、
品詞名、品詞の細分類、各品詞における単語の属性、そ
の単語が多義の意味をもつ場合にはその個数、それぞれ
の訳語、各訳語の語尾活用、各訳語の付属機能語等が含
まれる。

第４（Ｂ）図には′″５ＴＵＤＹ”　　という英語に相
当する単語情報が例示されている。この単語をもとにし
てつくられる連語としてはＭＡＫＥ　Ａ　ＳＴ［ＪＤＹ
　ＯＦ。

υＮＤＥＲ５ＴＵＤＹ、　ＣＡＳＥ　５ＴＵＤＹ、など
（６）個登録されている。それらの連語のうち先頭に登
録されている連語の番地が（７６）である（第５（Ｂ）
図参照）。

また５ＴＵＤＹは動詞（Ｖ）と名詞（Ｎ）の両方をとり
得るので多品側個数（２）１品詞名１として（Ｖ）、品
詞名２として（Ｎ）が登録される。なお品詞の細分類の
欄には、例えば動詞の場合、自動詞と他動詞の区別、ま
た自動詞でもその後に補語をとる自動詞（例えばｇｅｔ
、　１ｏｏｋ、　ｍａｋｅ等）とその後に前置詞をとる
自動詞（例えば５ｅｎｄ、　ａｄｖｅｒｔｉｓｅ等）と
の区別等１品詞に関する更に細かい情報が書き込まれる
。

更に５ＴＵＤＹが動詞として用いられる場合、その意味
が“勉強する″と解釈される場合と、′研究する″と解
釈される場合とがあるので、多義語個数の欄には（２）
、訳語１の欄には“勉強する”、訳語２の欄には“研究
する″と登録される。また訳語１及び２共に″勉強”及
び″研究”の後の″する″が、状況に応じてす行変格活
用して用いられるので、語尾活用１及び２の欄にその旨
登録される。更に付属機能語（て、に、を、は）として
は、”５ＴＵＤＹ　”が目的語（ＯＢＪ）をとる場合に
は（目的語０ＢＪ）の後に“を′が入るので。

その情報が訳語１及び２に対応する付属機能語１及び２
の欄に登録される。

第４（Ｂ）図では図示してないが第２品詞名（Ｎ）につ
いても上述と同様の情報が登録される。

連語辞１Ｆ３０２（第３図）のメモリエリアの内部構造
を第５（Ａ）図及び第５（Ｂ）図及び第５（Ｃ）図に示
す。

連語情報レコードは、連語の見出し語と、その連語の属
性等を示す連語情報を含む。連語情報には、その連語の
とり得る品詞の個数、その品詞名、品詞細分類、その品
詞における連語の属性、連語が多義に解釈される場合そ
の個数、各訳語、各訳語における語尾活用、付属機能語
等が含まれる。

第５（Ｂ）図には１１ＭＡＫＥ　Ａ　５ＴＵＤＹ　ＯＦ
”　という固定連語に関する連語情報が例示されている
。

この連語は″研究をする″という動詞句を形成するので
１品詞の個数は（１）、品詞名は（Ｖ）と登録される。

更に、この連語の多義性の個数の欄には（１）、訳語１
の欄には“研究をする″が登録される０語尾活用１の欄
には訳語１のパ研究をする”の″する″がす行変格活用
して用いられる旨の情報が登録される。付属機能語１の
欄には、上記連語が目的語（ＯＢＪ）をとる場合に“（
ＯＢＪ）の研究をする”の訳語となり、′の″の付属機
能語が必要になる旨の情報が登録される。

第５（Ｃ）図は可変連語辞書の内部構成を示すもので、
その詳細については後述する。

第６（Ａ）図は辞書メモリ３００の中の品詞認識用パタ
ーンエリア３０３に格納されるパターンの一例を示す。

この品詞認識用パターンは単語又は連語の並びからなる
文を、それぞれの単語又は連語の品詞の並びへと変形す
る場合に用いられる。

単語又は連語が複数の品詞を文法的にとり得る場合、品
詞の並びの前後関係から、最もふされしい一つの品詞を
最終的に選び出す、この場合、予め、文法的にとり得な
い品詞列のパターン、つまり禁制品詞列パターンを登録
しておき、このパターンを用いて多数の品詞から一つの
品詞を選択する。

第６（Ａ）図には７個の禁制品詞列パターン及び禁制解
除条件が示されているに過ぎないが、実際にはこのパタ
ーンが数十個以上用意される。また入力される文の特性
を考慮してパターンの変更。

増加、簡略化などを行ってもよい。

第６（Ａ）図において禁制品詞列パターンの拳は１品詞
を判定すべき単語の位置を表わす、又、Ｆｌ、　Ｆ２．
は傘のそれぞれ１つ前、２つ前の単語の品詞を表わし、
Ｂｚ、Ｂｚは傘のそれぞれ１つ後、２つ後の単語の品詞
を表わす。

項番１の重位置の「−Ｖ」の記号は、「動詞（Ｖ）以外
の品詞」という意味である６従って項番１の品詞列パタ
ーンは、ｒｔｏの後に動詞（Ｖ）の可能性のある単語が
並んだ場合、動詞（Ｖ）として判定し、他の品詞の可能
性はなしとしてよい」という意味である。

禁制解除条件は禁制品詞列パターンの禁制が解除される
こと、換言すれば品詞列パターンの品詞の並びが許容さ
れることを示す０例えば、項番２は゛形容詞（Ａ　Ｄ　
Ｊ　）　　十動詞（Ｖ）”という品詞の並びは通常は禁
止されるが、Ｆｚとして冠詞（Ａ　ＲＴ）や、ｂｅ動詞
（Ｂ　Ｅ）がきた場合にはそのような品詞の並びも許容
されることを示している。換言すれば“冠詞（ＡＲＴ）
ではなく、かつｂｅ動詞（ＢＥ）でないもの十形８詞（
Ａ　Ｄ　Ｊ　）１車″という品詞の並びがあるとき、傘
の位置が動詞（Ｖ）の可能性はないと判断して良いとい
う意味である。

項番３は、”Ｆｌ（動詞（■））＋−″という品詞の並
びが出てきた場合、Ｆｌが一１ｎＨのついた動詞（ＩＮ
Ｇ）のとき、傘がｂｅ動詞（ＢＥ）のとき、或いはＦｌ
がｈｅｌｐという単語であるときを除いて、拳の位置は
動詞をとり得ないと判断して良いことを表現している。

項番４は“代名詞複数（Ｐ　ＲＮ　Ｈ）　＋　申Ｉ＋と
いう品詞の並びが出てきたとき串の位置は（動詞＋３）
の形はとり得ないと判断して良いことを示す。

同様に項番５は″名詞複数（Ｎに）１傘”という品詞の
並びが出てきたとき、傘の位置は（動詞中Ｓ）の形はと
り得ないと判断して良いことを意味する。

更に項番６は、″場所の固有名詞（Ｎ１）＋傘”という
品詞の並びがあったとき、串の位置は動詞現在（ｖｐ）
の形はとり得ないと判断して良いことを示している。

この他のパターンについては説明を省略するが要するに
上記のようなＭ制品詞列パターンがテーブルとして前記
メモリエリア３０３（第３図）に格納されているのであ
る。

第７キＡ午図は辞書メモリ３００の中の句要素切出用パ
ターンエリア３０４に格納されるパターン例を示す。こ
の句要素切出用パターンは、単語及び連語に付与された
品詞の並びからなる品詞列から句要素を切出し、この句
要素に新たに品詞を付与することにより句要素品詞列を
生成する際に用いられる。ここで句要素とは第７＃＃図
に示す品詞の並びをもつ単語の並びを称し、通常の英文
法で定義される句の概念とは異なる。なお第７＃井図は
句要索の一部を示したに過ぎず、実際には多数用意され
る。

第７図において“−ｍ−”なる記号は、それをはさむ品
詞が１個以上有限個出現したとき、その全体を切り出す
ことを意味する０項番１は″副詞（ＡＤＶ）１個”また
は“副詞（ＡＤＶ）＋−＋副詞（ＡＤＶ）”という品詞
列があった場合、この列全体を句要素として切り出し、
新たに句要素品詞として副詞が付与されることを示して
いる。

項番２は、゛′前置詞（ＰＲＥＰ）十名詞（Ｎ）”ある
いは″前置詞（ＰＲＥＰ）十名詞（Ｎ）＋・・・十名詞
（Ｎ）”という品詞列には前１ｉ！詞的（ＰＲＥＮＡＬ
）の句要素品詞が付与されることを示す。項番３は“助
動詞（ＡＵＸ）十動詞（Ｖ）”または、′助動詞（ＡＵ
Ｘ）＋・・・十助動詞（Ａ　Ｕ　Ｘ）十動詞（Ｖ）”と
いう品詞列があった場合、この列全体を句要素として切
り出し、新たに句要素品詞として動詞（Ｖ）が付与され
ることを示す９項番４゜５．６についても同様である。

辞書メモリ３００の文型認識用パターンメモリエリア３
０５には、４つのテーブルが格納されている。すなわち
動詞パターンテーブル、接続詞パターンテーブル、節パ
ターンテーブル、文パターンテーブルである。

第８（Ａ）図は動詞パターンテーブルの一例を示し、＃
詞のタイプ番号を手がかりとして動詞をもつノードの前
後のノードの構文的役割子を決定するために用いられる
。ここでノードとは、後述するように、品詞列や各句要
素列の各要素を表す概念的な単位であり、品謂やカテゴ
リー、構文的役割子等の各種情報を含む。動詞のタイプ
番号は単語辞書および連語辞書を検索することにより得
られる。ａ詞のタイプ番号と動詞の例、動詞が前後の名
詞相当句を支配するパターンを表１（Ａ）に示す。

第８（Ｂ）図は接続詞パターンテーブルの一例を示し、
接続詞を有するノードの前後のノードの構文的役割子列
パターンから接続詞のノードの構文的役割子を決定する
ために用いられる。

第８（Ｃ）図は節パターンテーブルの一例を示し、接続
詞１句読点等で区切られるノード列の構文的役割子パタ
ーンから節パターンを決定するために用いられる。

ｆｆ１８　（Ｄ）図は文パターンテーブルの一例を示し
、節パターンの並びから文パターン（骨格パターン）を
決定するために用いられる。

それぞれのパターンテーブルの詳細については後述する
。特に第８（Ｃ）図中、第８（Ｄ）図中に出現する記号
については、後で第２０　（Ｂ）図等を用いて述べる。

辞書メモリ３００には、この他に形容詞、副詞の単語、
句等がどこにかかるかを決定するための依存・修飾関係
認識用パターン３０６、文型の変換用に用いられるパタ
ーン３０７、和文生成の際に用いられるパターン３０８
をそれぞれ格納するエリアを有する。各パターンについ
ては後で詳述する。

以上述べたように、辞書メモリ３００には、単語、連語
辞書の他、各種の規則パターンが予め格納されるが、こ
のメモリ３００への情報の書き込み及び読出しは、書込
み読出し制御回路２０１によって行われる。

一方、作業用メモリ４００は、第２図に示した各処理の
過程で必要になるテーブルを格納するためのもので、読
出した単語、連語情報を一時的に格納するバッファテー
ブルエリア４０１．入力テキストストリームテーブルを
格納するエリア４０２、ワードストリームテーブルを格
納するエリア４０３゜ノードストリームテーブルを格納
するエリア４０４、句要素列を格納するエリア４０５、
英文型ノード列を格納するエリア４０６、和文型ノード
列を格納するエリア４０７、出力テキストを格納するエ
リア４０８を含んでいる。尚各テーブルの詳細について
は後述する。

上記作業用メモリ４００の情報の書込み読出しは、翻訳
処理装置２００からの指令に基づき、書込み読出し制御
回路２０２を介して行われる。

翻訳処理装置２００は、後で詳しく述べるように第２図
に示した処理を行うためのプログラムを格納しており、
辞書メモリ３００の情報を適宜用い、メモリ４００をワ
ーキングエリアとして用いて、入力の英文テキストを和
文に翻訳して出力する。

出力袋［５００としては和文出力をプリント又は表示す
るためのプリンタ又はデイスプレィ装置等が用いられる
。

なお、前述の辞書メモリ３００として例えばディスクメ
モリ、作業用メモリ４００としてコアメモリが用いられ
る。もちろん本発明方式ではこれらのメモリの種類は特
定のものに限定されない。

又これらのメモリを処理装置と別に設けてもよいし、処
理装置の中に設けても差支えない。

以下本発明方式による処理手順について詳細に説明する
。

（１）テキスト入力処理 テキスト入力処理というのは、入力装置１００（第３＠
）より入力した英文テキストを、作業用メモリ内の入力
テキストストリームエリア４０２に順次セットする処理
をいう、英文テキストの一例を第９図に示す、キーボー
ド等の入力袋ｗ１００により英文を入力すると、アルフ
ァベットに対応するコード信号に変換された後、上記入
力テキストストリームエリア４０２に格納される。

（２）辞書検索 テキスト入力処理が完了すると、次に、いわゆる辞書引
きの作業が行われる。辞書引きとは入力テキストストリ
ームエリア４０２に格納された、入力テキストの単語の
出現の順に、単語辞書３０１を検索し、該当する単語の
単語情報を作業用メモＩＩ　４００の単語、連語用バッ
ファメモリエリア４０１に順次格納する処理をいう０例
えば第９図のテキストの場合、第１０図に示すようにま
ずＨＥを見出し語とする単語情報がメモリエリア４０１
のＷ　Ｂ　（１）番地に格納される０次ニＶＲＯＴＩ！
は不規則変化動詞であるので予め単語辞書３０１に登録
されており、その単語情報には“ＷＲＩＴＥ”へのポイ
ンタ（ＩＩＲＩＴＥへの先頭番地）と不規則変化情報（
ｗｒｏｔｅはｗｒｉｔｅの過去形）が格納されている。

従ってＩＩＲＯＴＥの単語を辞書引きするとＷＲＩＴＥ
を見出し語とする単語情報が読出され、この単語情報に
不規則変化情報を付加した後メモリエリア４０１のＷ　
Ｂ　（２）番地に格納される。以後、順にＥＮＧＬＩＳ
）Ｉ　。

ＶＥＲＹ・・・の辞書引きが行われる。

このように単語辞書の内容と同じ情報を一旦、単語・連
語用バッファメモリエリア４０１にとり込むのは、作業
用メモリ４００として通常、高速アクセス可能なメモリ
、例えばコアメモリが用いられるので、後の品詞認識、
依存修飾関係認識。

和文生成などの処理過程における辞書検索が高速に行え
るためである。従って、上記の単語・連語バッファメモ
リ４０１を使用せずに各処理過程において直接単語辞書
３０１、連語辞書３０２を検索することもできる。

上述のいわゆる辞書引きの段階で、単語の語尾変化処理
及び連語の検出処理が行われる。以下それらの処理の内
容を詳しく説明する。

語尾変化処理とは、語尾が活用変化している単語１例え
ば時制変化、複数形変化、比較級変化などをしている単
語を、その原形に変換し、単語辞１Ｆ３０１、連語辞書
３０２を検索した後、検索した内容に語尾変化情報を付
加した上で単語・連語バッファメモリエリア４０１にセ
ットする処理をいう。この処理を行うことにより後の品
詞ＥＷｔ処理における単語辞書あるいは連語辞書の検索
を、単語の原形の見出し語を参照して行うことが可能に
なる。従って辞書には、このように語尾変化した単語情
報を予め登録しておく必要がなくなり、辞書メモリ容量
の低減に効果がある。

説明の便宜上、以下”５ＴＵＤＩＥＳ”　という複数名
詞変化形あるいは三人称単数動詞変化形の単語を例にと
って、原形への変換手順を述べる。他の変化層単語の原
形変換処理も同様の考え方で処理できる。

処理対象となる単語は単語を構成する一文字ずつにＱｌ
、　ｆｉｘｔ　Ｑｓ・・・なる符号が与えられる。たと
えば“５ＴＬＩＤＩＥＳ”　に対しては、第１１（Ｄ）
図のように末尾のＳにＱｌが、次にＥにはＱｚが、さら
に次のＩにはＱｓというように付与される。

まずステップ１００２において辞書検索が行われ、辞書
にあれば処理は終了しくｌ　Ｏ０３）、なければステッ
プ１００４に進む。ステップ１００４゜１００５．１０
０６，１００７．１００８はそれぞれ語尾変化が生じて
いるかどうかを判定するための処理である。この例の場
合はステップ１００８で判定結果がＹＥＳとなり、ステ
ップ１０１０に進む、ここで５ＴＵＤＩ［ＥＳの末尾の
Ｓが解除され、５ＴＵＩ）ＩＥとなり、符号の付は換え
が行われる。ステップ１０１６で再び辞書検索が行われ
る。単純な複数形の場合はこの段階で辞書に登録されて
いることが多い（例えば１ｉｋｅｓ）　、本例の場合は
更にステップ１０１７に進み末尾がＥかどうか判定され
。

この結果ＹＥＳとなるので、更にステップ１０１８に進
む、更にステップ１０２２に至りＱ２０１の文字。

つまりＩＥが削除され５ＴＵＤになる。更にステップ１
０２３においてＹが付加され５ＴＬＩＤＹという原形に
変換された後、ステップ１０２４で再び辞書引きが行わ
れる。ここでも、もし辞書になければ未登録語と判断さ
れる（１０２５）。

以上述べたような処理を経て、　５ＴＬＩＤＹの単語が
辞書にあると、その単語情報が読み出され、単語情報に
語尾変化情報（複数名詞変化形並びに三人称単数動詞変
化形）を付加したものが前述の単語・連語バッファメモ
リエリア４０１に書き込まれる。

以上のように、辞書検索の段階で、単語の語尾が時制、
複数形などにより変化している場合に、原形に戻した後
に辞書引きを行っているので、辞書には単語の原形のみ
を用意すればよく、辞書に用意する単語の数を著しく低
減することができる。

次に単語の並びからなる英文テキストの中の連語を検出
する処理について第１２図を参照して説明する。連語と
は、２以上の単語の結合により意味のある語を形成する
もので、イデオムもこれに含まれる。

ここでは−例として”ＭＡＫＥ　Ａ　５ＴＵＤＹ　ＯＦ
”　なる連語が検出され、単語・連語バッファメモリエ
リア４０１に格納される手順について説明する。まずス
テップ１０４０で単語の切出しが行われ、ステップ１０
４１で前述の語尾変化処理が行われる。

次にステップ１０４２で単語辞書検索がなされる。

”ＭＡＫＥ”及び“Ａ　”については前述と同様に単語
辞書３０１の該当見出し語を検索して、その単語情報を
単語・連語バッファメモリエリア４０１に順次格納して
いく、ステップ１０４３では、単語が辞書に登録されて
いない未知単語かどうか判定する。登録されていない場
合にはステップ１０４７で固有名詞として判断する。次
に”Ａ”の次の”５ＴＵＤＹ″″を見出し語として単語
辞書３０１を検索すると、第４（Ｂ）図に示すように、
　　”ＳＴυＤＹ　”を含む連語が６個存在することが
判る（ステップ１０４４）。そこで直ちに対応連語部の
先頭番地（７６）から連語の見出し語の検索が開始さ才
しる（ステップ１０４８）。第５（Ｂ）図に示すように
、“５ＴＵＤＹ　”を含む連語とシテハ、”ＭＡＫＥ（
Ａ　５ＴＵＤＹＯＦ”ＵＮＤＥＲ５ＴＵＤＹ”等が存在
することが検知されるにのうち入力テキスト中のものと
一致するのは“ＭＡＫＥ　Ａ　５ＴＵＤＹ　ＯＦ”であ
ることが判る（ステップ１０４９）、なお１合致する連
語が存在しないと判断された場合には、’５ＴＵＤＹ”
　　を単なる単語とみて、前述と同様に”５ＴＵＤＹ″
　　の単語情報をバッファメモリエリア４０１に格納す
ることになる（ステップ１０４５）。また入力テキスト
が２以上の連語と一致することが検知された場合には。

最も長い連語と一致したものを採用する。例えば“ＭＡ
ＫＥ　Ａ　５ＴＵＤＹ”と“ＭＡＫＥ　Ａ　５ＴＵＤＹ
　ＯＦ”　　の両者と一致した場合には後者が採用され
る。

さて、現在の例では入力テキストと”ＭＡＫＥ　ＡＳＴ
ＵＤＹ　ＯＦ″が一致した訳であるが、この場合にはま
ず単語、連語バッファエリア４０１内にすでに格納され
ている”　Ｍ　Ａ　Ｋ　Ｅ”及び“Ａ　１１の単語情報
に対して無効マークの付与あるいは単語情報の消去が行
われる（ステップ１０５０）。この後“ＭＡＫＥ　Ａ　
５ＴＬＩＤＹ　ＯＦ”　に対応する連語情報が単語・連
語バッファエリア４０１に格納される（ステップ１０４
５）。

上記のような処理により、最終的には入力英文テキスト
中に出現する単語及び連語は、すべてその出現類にバッ
ファエリア４０１に格納されることになる。

なお、上記の例では簡単化のため、未知単語はすべて固
有名詞として認識する場合を述べたが、より正確な品詞
を決定することもできる。この未知単語の正確な品詞の
判定は、前述した［禁制テーブル検索による品詞認識処
理」を再度実行するは別に用意され、単語辞書における
各単語の情報として、その単語を元にして形成される連
語の有無と、連語辞書へのポインタの情報が含まれてい
るので、単語を切出しながら同様に連語も切出すことが
できる。

（３）品詞認識処理 品詞認識処理とは単語・連語用バッファ４０１に格納さ
れた各単語及び連語に１つずつ品詞を付与する処理を称
し、第１３図に示すフローチャートにしたがって処理が
行われる。

まずステップ１０６０において、単語・連語用バッファ
メモリ４０１内をＷＢ（１）、ＷＢ（２）。

ＷＢ（３）、・・・の如く順次走査しながら、単語及び
連語の品詞名、品詞細分類、属性情報を読み出し、ワー
ドストリームテーブルエリア４０３に順次格納していく
。品詞名とその記号の一部を表１（Ｂ）に示す。

表１（Ｂ） 第１４（Ａ）図及び第１４　（Ｂ）図はワードストリー
ムテーブルの内部構成を示す、同図から判るように各単
語・連語はそれぞれワードレコードを含む。

各ワードレコードは第１４　（Ｂ）図に示すような情報
を含んでいる。−例として単語“ＷＲＩＴＲ”について
のワードレコードを説明する。単語／連語の区別指示子
には単語である旨の情報（＃）が書き込まれる。語の識
別番号は入力テキストストリームテーブル４０２（第９
図参照）においてその語が何番目に出現するかを表わす
ので、この場合は（２）が書き込まれる。更に語長の欄
は、４１語又は連語を構成する文字数を表わし、“ＷＲ
ＩＴＥ”の場合は（５）が書き込まれる。先頭文字の文
字番号の欄は入力テキストストリームテーブル４０２（
第９図）において、“ＷＲＩＴＥ”　の頭文字“Ｗ　Ｉ
Ｉの位置する番地（４）が書き込まれる。更に多品側の
個数の欄には動詞（Ｖ）と名詞（Ｎ）の２つであるので
（２）が書き込まれる。この他、品詞の細分類、多義性
の個数、各品詞に対応する先頭訳語部（第４４ｉ）（Ｂ
）図参照）へのポインタがそれぞれの欄に書き込まれる
。

第１３図に戻り、ステップ１０６１においては。

ＷＳ（ｍ）の番地の単語が多品側かどうか判定する。周
知のように各単語及び連語は多品側をもつことが多く、
従って、この場合には一つの最も適切な品詞を選ぶ処理
を行わなければならない（以下この処理を多品側解消処
理と称する）、この多品側解消処理を実行するために本
発明方式では辞書メモリ３００に格納された品詞認識用
パターン表（第６（Ａ）図参照）が用いられる。単語又
は連語が多品側をもつ場合、ステップ１０６２において
、品詞名の１つがテスト用バッファメモリ（作業用メモ
リの一部が用いられるがここでは図示しない）にセット
される。ステップ１０６３においてはテスト用バッファ
メモリにセットされた品詞列と、第６（Ａ）図に示した
禁制品詞列パターンとが順次比較され、一致するパター
ンを探す。

第９図に示す入力テキストの“ＥＮＧＬＩＳＩＩ”　　
の多品側解消処理を行う場合を例にとって説明する。

”　ＥＮＧＬＩＳＨ”　　は名詞（Ｎ）及び形容詞（Ａ
ＤＪ）の２つの品詞を有する。まず“ＥＮＧＬＩＳＨ”
　の前後の２つずつの単語、つまり“ＨＥ”、　”ＷＲ
ＯＴＥ”と“ＶＥＲＹ”、“５ＬＯｖＬＹ”の品詞、代
名詞（ＰＲＮ）、動詞（ｖ７）と副詞（ＡＤＶ）、副詞
（ＡＤＶ）をそれぞれテスト用バッファにセットする。

この状態を第６（Ｂ）図に示す、ここで動詞（ｖ７）の
添字（７）は、動詞の品詞細分類を示し、目的語をとる
他動詞であることを表示している。テスト用バッファ（
第６（Ｂ）図）の傘の位置に形容詞（ＡＤＪ）をセット
した後、第６（Ａ）図に示した禁制品詞列パターンと比
較される。この結果、第６（Ｂ）図の品詞列パターンは
第６（Ａ）図の項番７のパターンと合致し、　　（−＋
　Ｖ７．ＡＤＪｖ　　　＋　　）なるパターンは禁制さ
れることが検知される。従って“ＥＮＧＬＩＳ）Ｉ”　
の単語が、この文章においては形容詞をとり得ないこと
が認識される０次にテスト用バッファ（第６（Ｂ）図）
の・の位置に名詞（Ｎ）をセットして再び禁制品詞列パ
ターンと比較される。この場合にはいずれの禁制品詞列
パターンとも合致しないことが最終的に検知され、”Ｅ
ＮＧＬＩＳ１１″　　の品詞は名詞であると決定される
。

再び第１３図に戻り、ステップ１０６４において、更に
第６（Ａ）図に示した禁制解除条件１゜２を満足してい
るかどうか判定される。

こうして禁制品詞列パターンに合致し、且つ解除条件も
満足しない場合には適切な品詞の候補から消去される（
ステップ１０６５）、品詞の候補が残っている場合はス
テップ１０６２に戻り同様の処理が繰り返される。この
処理によって最後に１個だけの品詞が残ったかどうかを
判定しくステップ１０６７）、ＹＥＳの場合には残った
品詞をＷＳ（ｍ）番地の単語又は連語の品詞と決定する
（ステップ１０６９）。。

２個以上の品詞が最終的に残った場合にはステップ１０
７０に進み、ここで第１５図のような優先度表による品
詞決定が行われる。２つの品詞、例えば形容詞（ＡＤＪ
）と名詞（Ｎ）とが残ってしまった場合、ＡＤＪを見出
し語とする第３行と、Ｎを見出しとする第２列とを査続
することによりＡＤＪ＞Ｎなる関係、つまりＡＤＪの方
がＮよりも優先度が高いということになり結局ＡＤＪが
採用されることになる。

以上、多品側解消処理の一例について述べたがこの処理
の効率、成功率を高めるために下記のような処理をする
こともできる。

（１）テスト用バッファメモリに候補となる品詞をセッ
トする際、出現頻度の高い順にセットすることにより処
理効率を上げることができる。

（２）第１５図に示した優先度表は、２個以上の品詞が
最終的に残った場合に使用するものとして説明したが、
品詞の候補が最終的に全部消去されてしまった場合にも
、もとの品詞候補全体に対して第１５図の表を用い、最
も高い優先度の品詞を採用することができる。

以上述べたように、単語及び連語の認識に禁制品詞列パ
ターンを用い、更に必要に応じて優先度る テーブルを用いてい蝉ので、品詞認識処理を迅速且つ正
確に実行できる。

（４）句構造認識 句構造！！識とは、英文人カテキ・ストの各単語及び連
語に唯一の品詞を与えることによってつくられた品詞列
から句要素に相当する部分を切り出す処理、および、そ
れらに新たに句要素品詞を付与することにより、パ品詞
付けされた句要素列（句要素品詞列）″を生成する処理
をいう。ここで句要素とは前述のように、英文法の句の
概念とは異なり、言語的意味をもつ最小単位の単語、又
は／及び連語の組み合せよりなるものである。例えば名
詞中名詞、助動詞＋動詞、冠調子名詞、形容調子名詞、
前置調子名詞等は句要索を形成する。

つまり、従来の英方法では、″句″という概念は、かな
りゆるやかな定義機能しか持っておらず。

与えられた英文テキストに対して、どの部分が″句″か
について一意に定めることができない。

例えば本発明でいう″中心動詞となっている句要素″と
、′その目的語となっている句要素″は、従来の英方法
ではそれぞれ独立でも“句″であるが、同時にまたそれ
らを連結したものも“句″である。英文例をあげると、
″助動詞＋動詞十冠詞＋形容魚十名詞”　（ｗｉｌｌ　
ｈａｖｓ　ａ　ｂｅａｕｔｉｆｕｌ　ｇｉｒｌ）は、英
文法の“句（動詞句）″とみなされるが、本発明でいう
″句要素″ではない。゛′助動詞＋動詞”　（ｖＨｌ　
ｈａｖｅ）と“冠詞＋形容調子名詞（ａｂｅａｕｔｉｆ
ｕｌ　ｇｉｒｌ）とが１１句要素である。

さらに多くの句を連結させた句、互いに重複した部分を
もつ異なる句なども、従来の英方法では定義され得る。

これに対し本発明では、中心動詞と、その目的語とは、
あくまでも別個の“句要素″である１本発明でいう“句
要索″は一般に、与えられた英文テキストに対して、−
意に、ただ一つ、互いに重複することなく定まるもので
あり、これらの組み合せを、文型認識ならびに文型変換
の基礎データとしている。

このことにより、句構造認識の処理を簡単かつ明確にす
ることができる。

第１６図は句構造認識の処理の流れを示す、まずステッ
プ１０８０において、ワードストリームメモリエリア４
０３の各単語及び連語のワードレコードが、ノードスト
リームメモリエリア４０４にセットされる。第１７図は
セットされた状態を模式図として示したものでｍｌの行
に示したＮＳ（１）　、　ＮＳ（２）・・・Ｎ　Ｓ　（
２０）はノード番号である。

又傘２の行には対応する単語が格納されているが、実際
にはワードストリームテーブル（第１４（Ａ）図、第１
４（Ｂ）図参照）へのポインタの情報が格納される。−
３の行にはノードのカテゴリー、つまり単語（Ｗ）、句
要素（Ｐ）、節（Ｃ）、型筒（Ｑ）、文（Ｓ）の区別を
表わす情報が格納される。傘４の行には品詞情報及び品
詞細分情報が格納される。

以後、このノードストリームメモリエリア４０４にセッ
トされた情報をもとにして句要素が切出されていく、ス
テップ１０８１において、ノードの最末尾の番号に＋１
した番号をｋにセットする。

すなわち、この処理により入力英文テキストは。

ピリオドやコンマも含めて（ｋ−１）個の単語及び連語
から構成されたことになる。次にステップ１０８２にお
いて、ノード番号Ｎ５（１）、ＮＳ（２）。

・・・ＮＳ　（ｋ−１）を句要素列テーブルエリア４０
５にセットする。ステップ１０８３において、句要素列
テーブルにセットされたノード番号のうち、ｎ以上の番
号から（ｋ−１）に至るまでの番号をＣ１ｌ　Ｃｚ、　
Ｃｓ・＝Ｃｈ−ｎとする。ただし、ｎは繰返しが行われ
る直前にｎ＝１に初期化されている。

さらにノードＮ５（Ｃｔ）、ＮＳ（Ｃｚ）、・・・の品
詞列パターンに関して、第７図に示した句要素として切
出すべき品詞パターンと合致するものが存在するかどう
か判定する。例えばｎ＝１の場合はＨＥから始まる文の
品詞列、ＰＲＮ、Ｖ、Ｎ・・・と登録パターンとが比較
され、ｎ＝２の場合はＷＲＩＴＥから始まる文の品詞列
Ｖ、Ｎ、ＡＤＶ、・・・と登録パターンとが比較される
。品詞列が第７図に示す品詞パターンの２個以上と合致
した場合には、より長い品詞パターンと一致するものを
句要素として切出す。第１７図に示した英文テキストの
場合にはｎ＝４のとき、つまりＶＥＲＹから始まる文の
品詞列がΔＤＶ、ＡＤＶ、ＣＯＭ、・・・となり、第７
図の登録パターンの項番１と一致するので”ＶＥＲＹ　
５ＬＯＷＬＹ”　　が句要素として認識される。同様に
して、”Ｔｏ　５ＴＵＤＹ”、　”ＴＯＲＥＡＤ　ＡＮ
Ｄ　ｖＲＩＴＥ”。

”ＩＮ　ＥＮＧＬＩＳ＋＋”　、　　”ＡＴ　５Ｃ）１
００Ｌ”　もそれぞれ句要素として認識される。

さて、ステップ１０８４においては、登録した句要素の
品詞列パターンと一致したノードの並びＮＳ（ＣＩ）、
ＮＳ（Ｃ２）・・・をまとめて新たなノードＮ５（ｋ）
をつくりこれを句要索列テーブルにセットする。

新しく生成されたノードＮ５（ｋ）を親ノードと称する
。また元のノードＮ　Ｓ　（Ｃ１）、　Ｎ　Ｓ　（Ｃｚ
）・・・を子ノードと称する。第１７図のテキストの例
ではＮ　Ｓ　（４）とＮ　Ｓ　（５）とをまとめて新た
なノードＮ　Ｓ　（２１）をつくる。このノードの句要
素の品詞は第７図のテーブルより副詞（Ａ　Ｄ　Ｖ）が
付与される。新たに形成された親ノードには新たなノー
ド番号が付与されると同時に、子ノードの番号も登録さ
れる。つまりノードＮ　Ｓ　（２１）のメモリエリアに
格納される情報は、このノードＮ５（２１）がノードＮ
　Ｓ　（４）とＮ　Ｓ　（５）からつくられたものであ
ること、このノードが句要素であることＣＰ）、句要素
の品詞は副詞（Ａ　Ｄ　Ｖ）であること等である。

一方、ステップ１０８３において、Ｎｏと判定された場
合はステップ１０８６に進み、Ｎ５（Ｃ１）そのものを
句要索とみなす、つまり、この場合には新しいノードの
生成はしない。

次にステップ１０８５においては、新しく生成された親
ノードを子ノードに置換して句要素列テーブルを修正す
る処理が行われる。かくして、当初切要素列テーブルに
は１，２．３，４．・・・１９゜２ｏの順にノードの番
号が並んでいたものが、新して句要素の生成により１，
２．３，２１，６゜７．８，９，２２，２４，２５，２
６．２０の番号順に並びかえられる。（第１７図参照）
なお、英文テキストが、例えば“Ｄｏ　ｙｏｕ　ｋｎｏ
ｗ・・・”のような場合には＃Ｄ、ｔ＋と“ｋｎｏｗ”
が句要素を形成する。従って必ずしも連続した位置にあ
る複数の単語によって句要索が形成されるとは限らない
。

以上のように、従来の英文法における句とは異なる概念
であるｒ句要素」を定義し、入力英文テキストを「句要
素」の単位で切出し１句要素品調列を形成した後、骨格
パターンを作っているので、骨格パターンの形成に至る
処理及び和文生成の処理が容易になる。従来の英文法に
おける句の概念では、名詞句を含む名詞句、名詞句を含
む動詞句などがあり１句の切出しが困難である。

（５）連語辞書再検索 句構造認識の処理が終了した後に、もう−度連語辞書検
索の処理が行われる。連語辞書再検索を行う理由は次の
通りである。

英文中に出現する連語、つまり単語の連なりによりｍ語
と同様の意味や作用をなすものには２つのタイプがある
。１つは”ＭＡＫＥ　ＵＳＨＯＰ”の如く。

固定された単語列よりなる連語であり、他の１つは、”
ＴＡＫＥ〜ＩＮＴＯＣ０Ｎ５ＩＤＥＲＡＴＩＯＮ”のよ
うに、ある一定の性質をもつ単語や句や節を上記〜の部
分に取り込んでから初めて完成された連語を形成するも
のである。説明の便宜上、前者を固定型連語、後者を可
変型連語と称する。上記〜の部分には名詞句あるいは名
詞節がとりこまれる。第５（Ｃ）図に示すように連語辞
書には名詞を表わす品詞記号“Ｎ”を用いて“ＴＯＥ　
！　Ｎ　ＩＮＴＯＣ０Ｎ５ＩＤＥＲＡＴＩＯＮ”と記述
される。ここで！”の印は通常の単語のつづりと区別す
るための符号である。

前述のように、固定型連語の検索処理は、辞書検索の段
階ですでに済んでいるが、可変型連語の処理を行うため
には、句構造Ｖ、識が終了した後に再び連語辞書を検索
する必要がある。

第１８図は連語辞書再検索の処理手順を示す。

まずステップ１０９０において、入力テキストの英文の
単語数ｋを作業メモリ４００の適当なエリアにセットす
る１次にステップ１０９１において。

ノードＮ５（ｉ）（第１７ｔｉ参照）にある単語を見出
し語とする可変型連語が存在するかどうか判定される。

ただし、ｉは繰り返しが行われる直前にｉ＝１に初期化
されている。もし存在しない場合は、ステップ１０９６
．１０９７に進み、全部の単語数について終了するまで
同じ判定が繰り返される。

入力テキストの英文が例えば“Ｔ）ＩＥ　ＴＥ！ＡＣＨ
ＥＲＴＡＫＥＳ　ＨＩＳ　ＧＯＯＤ　ＡＴＴＩＴＵＤＥ
　ＩＮＴＯＣ０Ｎ５ＩＤＥＲＡＴＩＯＮ”の場合、”Ｔ
ＡＫＥ”を見出し語とする連語辞書検索で連語が存在す
ることが認識される（ＴＡＫＥ　ＯＵＴ　。

ＴＡＫＥ　ＩＮ、　　ＴＡＫ［Ｅ　！　Ｎ　ＩＮＴＯＣ
０Ｎ５ＩＤＥＲＡＴＩＯＮ等の連語がある。）１次にス
テップ１０９２において、ノードＮ５（ｉ）の前後に存
在する句要素をつなげると、可変型連語辞書にあるパタ
ーンと一致するかどうか判定する。上記の例の場合、　
　”）ＩＩｓ　ＧＯＯＤＡＴＴＩＴＵＤＥ”は句構造認
識で名詞句（Ｎ）と認識されているので、連語辞書パタ
ーンの“ＴＡＫＥ　ＩＮ　ＩＮＴＯ（１：０ＮｓＩＤＥ
ＲＡＴＩＯＮ”と一致する（第５（Ｃ）図参照）。

入力英文テキストが複数個の可変型連語パターンと一致
する場合には、最も長い可変型連語パターンを採用する
（ステップ１０９３）、更にステップ１０９４では、可
変型連語辞書の連語と一致する入力テキストの部分を新
しいノード（親ノード）とすると共に、新しく生成され
た親ノードを子ノードと置換して句要素列テーブルを修
正する。つまり、可変型連語パターンと対応する子ノー
ド群を句要索列テーブルから除去し、代りに新しい親ノ
ードを代入する。新しいノードの生成があった場合には
、そのノードを形成している最後の単語。

すなわち上記の例では”　Ｃ０Ｎ５ＩＤＥＲＡＴＩＯＮ
”　の次の句要素から再び連語辞書検索が行われる（ス
テップ１０９５，１０９６，１０９７）。

以上説明した連語辞書再検索の処理により、最終的な句
要素列テーブルが作られる。

以上述べたように、連語辞書として固定連語辞書の他に
可変連語＃書を有し、句要索切出しの後に可変連語辞書
の検索を行っているので、あらゆる連語の検出が少ない
辞書容量で可能になる。すなわち上記の例の場合、句要
素の概念を導入しなければ、！Ｎに相当するすべての品
詞列パターンを辞書に用意しておく必要があり、辞書容
量は美大になる。また品詞列パターンを用意してなけれ
ば、正確な翻訳ができないことになる。

以上までの一連の処理で品詞認識の処理が完了するので
、品詞認識用の規則の変更・増補を、以降の文型パター
ン認識の処理等に使用する文型パターンの変更・増補と
独立に設計することができる。

（６）英文型パターン認識 英文型パターン認識とは、ノードＮ５（ｉ）を複数個ず
つまとめ、予め定められた英文のパターンに分類する処
理をいう。この英文型パターン認識は、各ノードに構文
的役割子を付与する段階と、この構文的役割子の配列か
ら文、節、章節を見い出す段階とに分けて考えることが
できる。ここで構文的役割子とは１句要索テーブル内の
各ノードが、文章の内部でどのような役割をもっている
のか、つまり主語（ＳＵＢＪ）、中心動詞（ＧＯＶ）。

目的語（ＯＢＪ）等のどれに相当するのかを表わすもの
である。

次に英文型パターン認識の処理の流れを第１９図及び第
２０（Ａ）図を用いて説明する。

前述の句溝造認識処理の結果１句要素列テーブルメモリ
エリア４０５には第２０図の串１１゜傘１２．＠１３．
傘１４．傘１５の各行のように情報が格納されている。

−１１の行エリアにはノード番号の情報が格納される。

皐１２の行エリアには各ノードに対応する単語又は連語
が格納されるが、実際にはノードストリームテーブルへ
のポインタの情報が格納される。傘１３の行エリアには
ノードのカテゴリー、つまり、単語（Ｗ）、句要素（Ｐ
）、節（Ｃ）、章節（Ｑ）、文（Ｓ）の節、文のタイプ
番号が格納されている。申１５の行エリアには英文型パ
ターン認識の処理の過程で得られる構文的役割子の情報
が格納される。

第１９図のステップ１１００においては、句要素テーブ
ル４０５内の各ノードの品詞を順次調べ、動詞族（動詞
及びＴｏ＋動詞など）の品詞をもつものが検出される。

第２０（Ａ）図に示した例ではノードＮ５（２）、Ｎ５
（９）、Ｎ５（２２）、Ｎ５（２４）が動詞族である。

次にステップ１１０１では、検出された動詞族ノードの
動詞の細分情報（すなわち動詞のタイプ）を見出し語（
エントリー）として動詞パターンテーブルを検索するこ
とによって、動詞族ノード及びその前後のノードの構文
的役割子を決定する。

動詞パターンテーブルの一例は第８（Ａ）図に示されて
いる０項番１は見出し語の動詞がｂｅ＠詞のタイプ（Ｖ
ｚ）であり、かつ、その前後に。

「名詞（Ｎ）または代名詞（ＰＲＮ）Ｊと「名詞（Ｎ）
または代名詞（ＰＲＮ）Ｊがある場合、より詳しく換ｉ
゛すればノード列Ｎ　Ｓ　（ｉ　Ｌ　Ｎ　Ｓ　（ｊ　）
。

Ｎ５（ｋ）の品詞が順に名詞（Ｎ）または代名詞（ＰＲ
Ｎ）、動詞（■１）、名詞（Ｎ）または代名詞（ＰＲＮ
）の場合、ノードＮ　Ｓ　（ｉ　）には主語（ＳＵＢＪ
）、Ｎ５Ｃｊ）＃：＝は中心動詞（ＧＯＶ）。

Ｎ５（ｋ）には補語（ＣＯＭＰ）の構文的役割子がそれ
ぞれ付与されることを示している。また項番３には見出
し語が自動詞のタイプ（ｖ８）であり、かつ、その前に
名詞（Ｎ）または代名詞（ＰＲＮ）のノードがある場合
、より詳しく換言すれば、ノードＮ　Ｓ　（ｉ　）、　
Ｎ　Ｓ　（ｊ　）の品詞が順に「名詞または代名詞」、
「動詞Ｊである場合には、ノードＮＳ　（ｉ）に主語（
ＳＵＢＪ）、Ｎ５（ｊ）に中心動詞（Ｇ　ＯＶ）の構文
的役割子を付与すべきことを示している。又項番４は、
ノードＮ５（ｉ）。

Ｎ　Ｓ　（ｊ　）の品詞が共に不定詞の形をとる動詞の
場合には、Ｎ５（ｉ）に不定詞形の中心動詞（ＴＯＧＯ
Ｖ）、Ｎ５（ｊ）に不定詞形の目的語（ＴＯ，０ＢＪ）
の構文的役割子が付与されることを示している。

さて、第２０（Ａ）図に示した英文テキストの例では、
ノードＮ５（１）、Ｎ５（２）、Ｎ５（３）の品詞がそ
れぞれ代名詞（Ｐ　ＲＮ）、動詞（ｖ７）、名詞（Ｎ）
であるため、第８（Ａ）図の項番６の品詞列と一致する
ことが検出される。従ってＮ　Ｓ　（１）（：。

に主語（ＳＵＢＪ）、Ｎ５（２）４中心動詞（ＧＯＶ）
、Ｎ　Ｓ　（３）に目的語（ＯＢＪ）の構文的役割子が
付与されメモリエリア噂１５に格納される。更にノード
Ｎ　Ｓ　（２２）、Ｎ　Ｓ　（２４）の品詞列は項番４
のパターンニ一致し、ノードＮ　Ｓ　（２２）　ニＴＯ
ＧＯＶ、　Ｎ　Ｓ　（２４）にＴＯＯＢＪの構文的役割
子が付与される。同様にしてノードＮ５（８）、Ｎ５（
９）にも構文的役割子が付与される。なお、第８（Ａ）
図はごく一部の動詞パターンを示したに過ぎず、実際に
は多数のパターンが用意される。

このようにして、第１９図のステップ１１０１の処理の
結果、動詞の前後のノードＮ　Ｓ　（１）　。

Ｎ５（２）、Ｎ５（３）、Ｎ５（８）、Ｎ５（９）、Ｎ
５（２２）。

Ｎ　Ｓ　（２４）の構文的役割子が決定し、その他のノ
ードは未決定のままである。ステップ１１ｏ２において
、すべての動詞族ノードについて動詞パターン表の検索
が行われたかどうか判定し、ＹＥＳの場合にはステップ
１１０３に進む。このステップ１１０３では句要素テー
ブル４０５内の残りのノードの品詞を順次調べ、接続詞
（ＣＮＪ）の品詞をもつものを検出する。更にステップ
１１ｏ４において、検出された接続詞族ノードについて
接続詞パターンテーブルを検索することにより、接続詞
族ノードの構文的役割子を決定する。

接続詞パターンテーブルの一例を第８（Ｂ）図に示す。

同図の項番１は、接続詞（ＣＮ　Ｊ　）の単語啜りが’
　Ｂ　Ｕ　Ｔ　”であり、この前後の構文的役割子列パ
ターンが、句読点（ＤＥＬ）、ＢＵＴ、主語（ＳＵＢＪ
）、中心動詞（ＧＯＶ）であった場合、単語ＢＵＴには
等位接続詞を表わす構文的役割子ＢＵＴ（単語と同啜り
の記号）を付与すべきことを示している。項番２は、接
続詞の単語啜りが“ＩＦ”であり、この単語の前後の構
文的役割子列パターンが、主語（ＳＵＢＪ）、タイプ８
の中心動詞（ＧＯＶ）、Ｉ　Ｆ、主語（ＳＵＢＪ）と配
列されている場合は、上記単語ｇｉ　Ｉ　Ｆｌ　ＦＦに
名詞節を導＜ＩＦを表わす構文的役割子ＮＩＦが付与さ
れることを示す。同様にして項番３，４，５゜６には副
詞節を導＜ＩＦを表わす構文的役割子ＡＤＩＦ及び名詞
節をｉ　＜　ＴＨＡＴを表わす構文的役割子ＮＴＨＡＴ
が付与される規則が示されている。

さて第２０（Ａ）図の英文テキストの場合、ノードＮ　
Ｓ　（７）の単語の前後には、接続詞テーブル（第８（
Ｂ）図）の項番１のパターンと一致する構文的役割子列
パターンが存在する。従って上述のステップ１１０４の
処理を実行することによってノードＮ　Ｓ　（７）には
、構文的役割子ＢＵＴが付与される。なお、ノードＮ５
（６）と、Ｎ　Ｓ　Ｃ２０）についてはそれぞれ品詞（
ＣＯＭとＰＲＤ）をみて、自動的に句読点を表わす構文
的役割子（ＤＥＬ）が付与される。

接続詞をもつすべてのノードについて接続詞テーブルの
検索が終了したかどうかを判定し、（ステップ１１０５
）その結果、終了した場合にはステップ１１０６に進む
。このステップ１１０６では、令名の処理で構文的役割
子が付与されなかったノード、つまり副詞（ＡＤＶ）及
び前置詞的（ＰＲＥＮＡＬ）の句品詞を有するノードに
、構文的役割子が未だ定まらないことを表わす未確定修
飾子（ＰＥＮＤＭ　）が付与される。第２０（Ａ）図に
示す英文テキストの例では、ノードＮ５（２１）、　Ｎ
５（２５）　、　Ｎ　Ｓ　（２６）にそれぞれ未確定修
飾子（ＰＥＮＤＭ）が付与される。

次にステップ１１０７において、接続詞族ノード、（た
とえばＡＮＤ、ＢＵＴ、ＯＲ，ＡＤＩ　Ｆ。

ＨＴ）ＩＡＴ等の構文的役割子をもつノード）により区
切られた構文的役割子列パターンの中に、節パターン及
び型筒パターンがあるかどうか検索し、存在する場合に
は節及び型筒パターンテーブル（以を付与する。

節パターンテーブルの一例を第８（Ｃ）図に示す、同図
の項番１は、接続詞又は句読点により区来られた構文的
役割子列パターンの前に位置する接続詞（以下先行接続
詞という）の構文的役割子がｒＡ、ＮＤ、ＯＲ，ＢＵＴ
又は接続詞が無い（φ）」ときで、且つ上記構文的役割
子列パターンが［主語（ＳＵＢＪ）土中心動詞（ＧＯＶ
）Ｊの場合には、このパターンをまとめて新たな親ノー
ドを形成し、この親ノードのカテゴリーとして「文（Ｓ
）」、親ノードの構文的役割子として文章が完成したこ
とを表わすｒＳＥＮＴＪ　、文のタイプとしては中心動
詞（（３０Ｖ）のタイプ番号（＃）たとえばｒＴＹＰＩ
Ｊを付与すべきことを示している。節、文のタイプは、
その節や文を支配している動詞（中心動詞（ＧＯＶ））
のタイプと同じく定められる。動詞のタイプ番号と例と
については表１（Ａ）に示した。

同様に項番２は、親ノードのカテゴリーがｒ文（Ｓ）　
Ｊ　、構文的役割子は文が完成したことを表わすｒｓＥ
ＮＴＪ　、そして文のタイプとしては。

中心動詞（Ｇ　ＯＶ）のタイプ番号（＃）、たとえばｒ
ＴＹＰ２Ｊなる場合の、子ノードの構文的役割子列を表
わす。

項番４は、接続詞又は句読点までの構文的役割子列のパ
ターンが「ＴＯ不不定梨型中心動詞（ＴＯＧＯＶ）　Ｊ
　＋　ｒＴｏ不定詞型の目的語（ＴＯＯＢＪ）　Ｊの場
合であって、そのパターンに先行するノードの構文的役
割子が「中心動詞（ＧＯＶ）Ｊ又はｒＩＮＧ型の中心動
詞（ＩＮＧＧＯＶ）　Ｊ　ノ場合、そのパターンをまと
めて親ノードとし、その親ノードのカテゴリーを「章節
（Ｑ）　Ｊ　、構文的役割子を「目的語（ＯＢＪ）Ｊ、
ｉ節のタイプとしては中心動詞（ＴＯＧＯＶ）のタイプ
番号（＃）、たとえばｒＴＹＰ６」を付与すべきことを
示している。

項番６は、区切られたノード列の構文的役割子列のパタ
ーンが「主語（ＳＵＢＪ）十中心動詞（ＧＯＶ）十補語
（Ｃ；ＯＭＰ）Ｊであって、そのパターンに先行するノ
ードの構文的役割子がｒＡＤＩＦ（副詞節を導＜ＩＦ）
Ｊである場合、このパターンをまとめて親ノードを形成
し、その親ノードにカテゴリーとしてｒ節（Ｃ）　Ｊ　
、構文的役割子としてｒ　ＣＡ　Ｄ　Ｖ　（ｃｌａｕｓ
ｕａｌ　ａｄｖｅｒｂ）　Ｊ、節のタイプとしては中心
動ｇ　（Ｇ　ＯＶ　）のタイプ番号（＃）、たとえばｒ
ＴＹＰ２Ｊを付与すべきことを示している。

再び第１９図の説明に戻り、ステップ１１０７で行われ
る処理を具体的に述べる。第２０（Ａ）図に示す英文テ
キストの場合、ノードＮ　Ｓ　（１）　。

Ｎ５（２）、Ｎ５（３）の構文的役割子列のパターンは
。

第８（Ｃ）図の項番３のパターンと一致する。従ってこ
れらのノードＮ５（１）、Ｎ５（２）、Ｎ５（３）をま
とめて新しい親ノードＮ　Ｓ　（２７）が形成され、え 率１１のエリアに格納される。又拳１３のエリアにはカ
テゴリーが文であることを示す情報が格納され、廟１４
のエリアには文のタイプＴＹＰ７が、−１５のエリアに
は親ノードは文が完成していることを表わす構文的役割
子５ＥＮＴが格納される。

同様にノードＮ　Ｓ　（２２）　、　Ｎ　Ｓ　（２４）
の構文的役割子列のパターンは第８（Ｃ）図の項番４の
パターンと一致し、新たに親ノードＮ　Ｓ　（２８）が
作られる。

この親ノードＮ　Ｓ　（２８）には、カテゴリーとして
準節、章節のタイプはＴＹＰ６．Ｗ文的役割子は目的語
（ＯＢＪ）が付与される。

さらに、ノードＮ５（８）、Ｎ５（９）、ＮＳＣ２ｇ）
の構文的役割子列のパターンが第８（Ｃ）の項番３のパ
ターンと一致することが検出され上述と同様に、新たな
親ノードＮ　Ｓ　（２９）かつ（られ検索の結果得られ
た情報がその親ノードＮ　Ｓ　（２９）の各エリアに格
納される。

このようにしてステップ１１０７では、構文的役割子列
から文、節又は章節が検出され、節パターンに新たなノ
ード番号を付与する。ここでは詳しく説明しないが、新
しい親ノードが生成された場合は前に説明した手順と同
様にして１句要素列テーブル４０５の子ノードを消去し
、その代りに新しく生成された親ノードを置き換える処
理が行われる。この場合親ノードには子ノードへのポイ
ンタの情報が格納される。従ってステップ１１ｏ７の終
了した時点において句要素列テーブル４０５におけるノ
ードの配列は、順ニＮ　Ｓ　（２７）、　Ｎ　Ｓ　（２
１）　。

Ｎ５（６）、Ｎ５（７）、Ｎ５（２９）、Ｎ５（２５）
、Ｎ５（２６）。

Ｎ　Ｓ　（２０）となる。

次にステップ１１０８に進み、節ノードが副詞節（ＣＡ
　Ｄ　Ｖ）あるいは形容詞節（ＣＡＤＪ）となるときに
はこれらに未確定修飾子（ＰＥＮＤＭ）を付与する処理
が実行される。第２０（Ａ）図に示す英文テキストの場
合には副詞節及び形容詞節はないので新たに未確定修飾
子を付与されるノードはない。

ステップ１１０９では、接続詞等で区切られるには、最
後の処理ステップ１１１０に進む。ここでは、ステップ
１１０７の処理の結果得られた節パターンが、予め定め
られた骨格パターンと一致するかどうか判定し、一致し
た場合には新しいノードが生成される。この判定には第
８（Ｄ）図に示す骨格パターンテーブルが用いられる。

同図の記号と第２０（Ａ）図のメモリエリアに格納され
る情報との対応関係は第２０　（Ｂ）図に示されている
。

すなわち、第２０　（Ｂ）図は、１つのノードに対応し
て１つ定まる。第２０（Ｂ）図は第２０（Ａ）図中の１
列分（串１１〜傘１５を１つずつ縦に並べたもの）の省
略化表記法である。

第２０　（Ｂ）図中の＊１４には、単語、句要素の品詞
、または、節、章節１文のタイプ番号が格納される。

第２０　（Ｂ）図中の傘１５には構文的役割子が格納さ
れる。

第２０　（Ｂ）図中の右肩の添字傘１３にはノードのカ
テゴリー（Ｗ、Ｐ、Ｑ、Ｃ，Ｓ）が格納される。

第２０　（Ｂ）図中の傘１６の分岐表現は、本ノードに
属する子ノードへのポインタを表現している。これは第
２０（Ａ）図中の申１２の部分に格納されている情報に
対応している。

第２０（Ｂ）図中の拳１７の波線表現は、副詞句・節や
形容詞句・節の依存・修飾関係を表現する。すなわち波
線型矢印の連部にあるノードが、矢印の頭部にあるノー
ドを修飾することを表現する。

第８（Ｄ）図の項番１は、「カテゴリーが節（Ｃ）とな
っているノード」の前後がφの場合（ノードが無い場合
）、つまり未確定修飾子を付与したノードを除き、節パ
ターンが１個しかないときは、そのカテゴリー（本１３
）を文（Ｓ）に変換すると共に、テーブルの−１５のエ
リアには文が完成していることを示す構文的役割子（Ｓ
ＥＮＴ）を格納すべきことを示している。

項番２は、カテゴリーが文（Ｓ）となっているノードの
次に構文的役割子が句読点（ＤＥＬ）となっているノー
ド、その次にＡＮＤ、ＢＵＴ。

ＯＲ等の構文的役割子としてもっノード、その次にカテ
ゴリーが文（Ｓ）となっているノード、その次に句読点
（ＤＥＬ）を構文的役割子としてもつノードのようなノ
ードのパターンが検出されたときには、これらをまとめ
て新しいノードを生成し、その新しいノードのカテゴリ
ー（申１３）には文（Ｓ）、＊１４のエリアには重文で
あることを示す情報（ＣＯＭＰＤ）、中１５のエリアに
は文章として完成していることを表わす構文的役割子５
ＥＮＴを格納すべきことを示している。

さて、第２０（Ａ）図に示す英文テキストの場合、未確
定修飾子のノードを除くノード列Ｎ５（２７）、　Ｎ５
（６）、　Ｎ５（７）、　Ｎ５（２９）、　Ｎ５（２０
）のパターンは第８（Ｄ）図の項番２のパターンと一致
することが検出される。従ってこれらのノード列をまと
めて新しいノードＮ５（３０）を生成し、その各エリア
傘１３．傘１４．中１５に新しい情報が書き込まれる。

かくして、第２０（Ａ）図に示す英文テキストは、未確
定修飾子を付与したノードを除くすべてのノードが単一
のノードＮ　Ｓ　（３０）にまとめられたことになる。

このノードＮ　Ｓ　（３０）は１つの英文型骨格パター
ンと呼ばれる。

以上のように、構文的役割子の概念を８人し、句要素品
詞列を構文的役割子列に変換した後に、節、章節を検出
し、更に節、章節から文の骨格パターンを形成している
ので、複雑な英文に対しても容易且つ正確に、種々のパ
ターン設定、変更が可能である。又、骨格パターンは、
形容詞、副詞のように相手を修飾する構文的役割子、す
なわち未確定修飾子をもつものを除いた句要素により構
成されるので、骨格パターンの種類があまり多くならな
い。

（７）依存・修飾関係認識 依存・修飾関係認識とは、前述の英文型パターン認識の
段階で、構文的役割子として未確定修飾子（ＰＥＮＤＭ
）を付与されたノードが、とのノードの単語、句、節等
を修飾しているのかを認識、決定する処理をいう。

第２１図は依存・修飾関係認識の処理手順を示す。ステ
ップ１１２０では、ノードＮ５（ｉ）が、構文的役割子
として未確定修飾子（ＰＥＮＤＭ）を持つものかどうか
判定される。この判定の結果、ＹＥＳであればステップ
１１２１に進み、依存・修飾関係の認識処理が実行され
る。一方、ＮＯの場合には、ステップ１１２２に進み、
すべてのノードについてステップ１１２０の処理が修了
したかどうか判定される。もちろん、これが完了してい
ない場合にはステップ１１２０にもどり、同様の処理が
繰り返される。

第２０（Ａ）図に示したテキストを例にとって説明する
と、この英文の場合、ノードＮ５（２１）。

Ｎ　Ｓ　（２５）　、　Ｎ　Ｓ　（２６）が、ステップ
１１２０の処理の結果、修飾光未決定と判定される。こ
れらのノードの修飾光は、辞書メモリ３００（第３図参
照）に格納された依存・修飾関係認識用テーブルを参照
して決定される。

表２は依存・修飾関係認識用テーブルの一実施例を示す
。同表の項番１は、ノードＮ　Ｓ　（ｉ　）に関する条
件として、カテゴリーが単語（Ｗ）９句要素（Ｐ）、型
筒（Ｑ）、節（Ｃ）のいずれかであって、その品詞が副
詞（Ａ　Ｄ　Ｖ）で且つ、そのノードが文頭にあるか或
いはそのノードの前に句読点（ＣＯＭ）がある場合には
、そのノードの構文的役割子として副詞的修飾子（ＡＤ
ＶＡＬ　）を付与し、番号の最も若いノードで構文的役
割子が５ＥＮＴなるノードを修飾すべきことを意味して
いる６項番２，３，４．５についてもそれぞれ表に記載
されたように、ノードＮ　Ｓ　（ｉ　）に関する条件と
、そのノードＮ５（ｉ）が修飾をする相手先のノード番
号及びＮ　Ｓ　（ｉ　）に付与される構文的役割子との
関係が予め定められている。

第２０　（Ａ）図に示した英文テキストのノードＮ　Ｓ
　（２５）について考えると、このノードの品詞は前置
詞（ＰＲＥＮＡＬ）であり、且つそのノードの直前に名
詞（Ｎ）のノードがないから表２の項番４の規則が適用
される。従って、修飾先のノードは、品詞が動詞族で且
つノード番号が２５より小さい範囲で一番大きいもので
あるから、結局、ノードＮ　Ｓ　（２４）ということに
なる、そして上記ノードＮ　Ｓ　（２５）　（７）構文
的役割子はＡＤＶＡＬとなる。

同様にノードＮ　Ｓ　（２６）についても表２の項番４
の規則が適用され、修飾先のノードはＮ　Ｓ　（２２）
、構文的役割子はＡＤＶＡＬとなる。

ノードＮ　Ｓ　（２１）について適用される規則は、表
２では省略されている同様の考え方に従って、ノードＮ
　Ｓ　（２）を修飾することが最終的に決定される。第
２０（Ａ）図において＋の表示は、αのノードがβのノ
ードを修飾していることを示している。

以上の依存・修飾関係の処理により、ノード間の関係が
すべて定まり、ノード列から遊離したノードは無くなる
。この依存・修飾関係の処理は、複雑な修飾関係を持つ
文章の正確な翻訳を可能とする。

（８）文型変換 文型変換とは、ノードの配列の順番を英文型パターンか
ら和文型パターンに変換することをいう。

第２２図は上記文型変換の処理の流れを示す。

まずステップ１１３０において句要素列テーブルに最終
的に残っているノード、つまりカテゴリーがｓ、４４文
的役割子が５ＥＮＴなるノードを検出し、そのノード番
号をｋとする。第２０（Ａ）図に示した英文テキストの
場合にはノードＮ　Ｓ　（３０）が最終的に生成された
単一のノードであり、従ってこのノードがＮ　Ｓ　（ｋ
）と表わされる。

次にステップ１１３１において、ノードＮ　Ｓ　（ｋ）
の子ノード列の並びを読み出し、そのノード番号列を句
要素列テーブルにセットする。第２０（Ａ＞図の英文テ
キストの場合、ノードＮ　Ｓ　（３０）の子ノード列は
、Ｎ　Ｓ　（２７）、　Ｎ　Ｓ　（６）、　Ｎ　Ｓ　（
７）、Ｎ　Ｓ　（２９）。

Ｎ　Ｓ　（２０）であるからそれらのノード番号２７，
６゜７．２９．２０がこの順番に句要素列テーブルにセ
ットされる。ここでは句要素列テーブルに並べられる番
号の個数をｍ個と仮定する。

更にステップ１１３２において、ノードＮ５（ｋ）の子
ノード列を作業用メモリ４００内の英文型ノード列バッ
ファエリア４０６にセットする。

ステップ１１３３においては、辞書メモリ３００内の文
型変換用パターンテーブル３０７を検索し、上記のバッ
ファエリア４０６にセットされた子ノード列の構文的役
割子の並びと一致する英文型パターンをみつける。上記
文型パターンテーブルの一例は表３に示されており、そ
の内容については後述する。

ステップ１１３４では、一致した英文型パターンに対応
する和文型パターンを文型変換用パターンテーブルより
読み出し、作業用メモリ４００内に設けられた和文型ノ
ード列バッファエリア４０７にセットする。

表３の文型変換用パターンテーブルは、英文型パターン
を和文型パターンに変換するときの変換規則を示してい
る。項番１は、英文テキストの親ノードの構文的役割子
が文（ＳＥＮＴ）であり、その子ノード列が５ＥＮＴ、
ＤＥＬ、ＢＵＴ。

５ＥＮＴの場合は、和文型パターンにおける構文的役割
子の並びは５ＥＮＴ、”、”　、ＢＵＴ。

５ＥＮＴになることを意味している。項番３は、親ノー
ドのカテゴリーが文（Ｓ）又はに６ＣＣ）であって子ノ
ード列の構文的役割子が、主語（ＳＵＢＪ）、中心動詞
（ＧＯＶ）　、Ｔｏを伴う目的語（丁００ＢＪ）の順に
並んでいた場合には、和文型パターンは５ｔＪＢＪ、　
ＴＯＯＢＪ、　ＧＯＶ　（７）順に構文的役割子が並び
かえられたものになることを意味している。

第２０（Ａ）図の英文テキストの場合、子ノード列の構
文的役割子は５ＥＮＴ　　ＤＥＬ　　ＢＵＴＳＥＮＴで
あるから表３の項番１の英文型パターンと一致し、従っ
てステップ１１３３の処理により項番１に示された和文
型パターンに変換される。

第２２図の説明に戻り、ステップ１１３４においては上
記のステップ１１３３の処理により得られた和文型パタ
ーンを、和文型ノード列バッファエリア４０７のノード
ＪＮ（１）にセットする。第２３図は英文型ノード列バ
ンファエリア４０６の内容が、文型変換されて和文型ノ
ード列バッファエリア４０７に格納された状態を示して
いる。

次にステップ１１３５では、和文型ノード列テーブルＪ
Ｎ（ｕ）内のノードのうち、自己のノードを修飾してい
るノードがあるかどうか判定し、その結果“ある″場合
は、ステップ１１３６に、″ない”場合はステップ１１
３７に進む。第２０（Ａ）図のテキストの場合、Ｎ　Ｓ
　（２７）及びＮ５（２９）については自己のノード（
又は自己のノードの子ノード）を修飾するノードがある
のでステップ１１３６に進む。

ステップ１１３６においては修飾するノードを修飾され
ているノードの直前に割り込ませて和文型ノード列テー
ブルＪＮ　（Ｑ）を書き換える処理が行われる。（第２
３図） 一方、ステップ１１３７では、ＱをノードＮ５（ｋ）の
和文テーブルポインタにセットする処理が行われ、さら
にΩ＝ｆｌ＋１．ｉ＝１とした後。

ステップ１１３８の判定が行われる。このステップ１１
３８では、句要素テーブル内でｉ番目にあるノードのノ
ード番号をｎｌ　とするとき、ノードＮ　Ｓ　（ｎ　ｓ
　）のカテゴリーが句要素（Ｐ）または語（Ｗ）かどう
か判定される。

第２０（Ａ）図のテキストの場合、ノードＮ５（３０）
における子ノード列のうち、ｉ番目（ｉ＝１）のノード
はＮ　Ｓ　（２７）であり、このノードのカテゴリーは
文（Ｓ）であるからステップ１１３８の判定結果は”　
Ｎ　Ｏ’″となりステップ１１４１の処理に進む。

上記ステップ１１４１ではノードＮ５（ｎ＋）の子ノー
ド列の並びを読み出し、句要素ノード列テ−プル内のｎ
ｌと置換する処理が行われる。従ってこれによりｍも当
然増加することになる。そして読み出されたＮ　Ｓ　（
ｎ　、）の子ノード列は前述の英文型ノード列バッファ
エリア４０６（第２３図）にセットされる。第２０（Ａ
）図のテキストの場合。

ノードＮ　Ｓ　（２７）の子ノードはＮ５（１）、Ｎ５
（２）。

Ｎ　Ｓ　（３）であるから、上記英文型ノード列バッフ
ァエリア４０６のノードＥＮ（１）、ＥＮ（２）、ＥＮ
（３）に、それらのノードの構文的役割子である５ＵＢ
Ｊ、ＧＯＶ、ＯＢＪがセットされるコトニなる。

この処理の後、再びステップ１１３３の結果に戻り、再
び文型パターンテーブル（表３）の検索が行われる。英
文型ノード列バッファエリア４０６に新たニセットされ
た５ＵＢＪ、ＧＯＶ、ＯＢＪの構文的役割子の配列は、
表３の項番２の英文パターンと一致するから、これと対
応する和文型パターン、つまり５ＵＢＪ、ＯＢＪ、ＧＯ
Ｖに変換され、和文型ノード列バッファエリア４０７の
ＪＮ（２）にセットされる。更にステップ１１３５では
前述と同様にＪＮ（２）のエリアにセットされたノード
のうち自己のノードを修飾しているものがあるかどうか
判定される。この結果、ノードＮ５（２）、ＧＯＶ　を
修飾しているノードがあることが分かる。従って修飾し
ているノードＮ　Ｓ　（２１）の構文的役割子ＡＤＶＡ
Ｉ、（先ニＰＥＮＤＭからＡＤＶＡＬに変換されている
）をＧＯＶの直前に割り込ませてＪＮ（２）のエリアの
構文的役割子列を並びかえる処理が行われる（ステップ
１１３６）、従って最終的にＪＮ（２）のエリアにセッ
トされる構文的役割子列は５ＵＢＪ、ＯＢＪ、ＡＤＶＡ
Ｌ　、ＧＯＶの順番になる。（第２３図） 以上のようにしてノードＮ　Ｓ　（３０）の最初（ｉ＝
１）のノードＮ　Ｓ　（２７）の処理が終ると、次の子
ノードＮ　Ｓ　（６）の処理に移る。このノードＮ　Ｓ
　（６）のカテゴリーは語（Ｗ）であるから、ステップ
１１３８の判定の結果“ＹＥＳ”となり、ｉ＝ｉ＋１と
される。つまり次の子ノードＮ　Ｓ　（７）の処理に進
む、このノードＮ　Ｓ　（７）のカテゴリーも語（Ｗ）
であるのでｉ＝ｉ＋１とされ、次の子ノードＮ　Ｓ　（
２９）の処理に進む。ノードＮ　Ｓ　（２９）は構文的
役割子が文（Ｓ　Ｅ　ＮＴ）であるから、その子ノード
列Ｎ５（８）、Ｎ５（９）、Ｎ５（２８）の構文的役割
子が英文型ノード列バッファにセットされ、再び文型パ
ターンテーブルの検索が行われる（ステップ１１３４）
、こうして和文型パターンが見出され、最終的に和文型
ノードバッファ４０７のエリアＪＮ（３）に第２３図に
示す和文パターンがセットされることになる。

以上述べたようにしてノードＮ５（ｋ）（第２０（Ａ）
図のテキストではに＝３０）の全ての子ノードについて
文型変換の処理が終了すると、ステップ１１４０に進む
。ステップ１１４０では句要素列テーブルの内容をすべ
て消去し１番号ｋをセットしておく、こうしてノードＮ
５（ｋ）の文型変換処理が終了する。

以上のように、英文の文型パターンを認識する場合、句
要素を最下層に置き、中間に型筒、節ノード、頂点部に
文ノードを持つような簡明な階層構造を採用しているた
め、入力言語の文型（英文型）から出力言語の文型（和
文型）への変換が、「単なる兄弟ノード間の線形並べか
え」という形式で簡単に実現できる。したがって、従来
の入力言語解祈木から出カー゛語解析木への木構造変換
（Ｔｒｅｅ　ｔｒａｎｓｄｕｃｅ）という複雑な処理を
回避することができる。また文型変換規則の変更も容易
となる。

（９）和文生成 和文生成とは、和文型パターンを形成するノードに訳語
を付与することにより、和文を生成する処理をいう。

第２４　（Ａ）図及び第２４　（Ｂ）図は和文生成の処
理の流れを示す。

ステップ１１５ｏにおいて、句要素テーブル内に最終的
に生成された単一のノード、つまりカテゴリーがＳ、構
文的役割子がＳＥ’ＮＴのノードを検出し、そのノード
番号をｋとする。次にステップ１１５１において、ノー
ドＮ５（ｋ）を構成する英文パターンを文型変換処理す
ることにより得られた和文パターンを格納する和文型バ
ッファテープルへポインタＱを検出する。そして和文型
バッファテーブルＪＮ　（Ｑ）内に設定されたノード列
を読み出し、そのノード番号列を句要素列テーブルに設
定する。第２０（Ａ）図のテキストの場合には、文型変
換により、ｋ＝３０．ノードＮ５（３０）中の和文型バ
ッファテーブルへのポインタａはＱ＝１となっている。

そして和文型バッファ４０７のエリアＪＮ（１）にノー
ドＮＳの番号として（２７）、　（６）、　（７）、　
（２９）、　（２０）が格納されているので、この番号
列が句要素列テーブルにセットされる６説明の便宜上、
句要素列テーブルにセットされたノード番号の個数をｍ
個、そして、セットされたノード番号列をｎ１ｅｎ２ｙ
・・・Ｉｎｍ　とする。

次にステップ１１５２においては、句要素列テーブル内
でｉ番目にあるノード番号をｎｉとするとき、ノードＮ
　Ｓ　（ｎ　ｉ　）のカテゴリーはＰ又はＷか否か判定
される。第２３図のバッファエリアＪＮ（１）の最初（
ｉ＝１）のノード番号は２７であり、ノードＮ　Ｓ　（
２７）のカテゴリーは５ＥＮＴであるから上記の判定結
果は”　Ｎ　Ｏ”であり、従つてステップ１１５４の処
理に進む６ ステツプ１１５４においては、ノードＮ５（ｎｓ）中の
和文型バッファテーブルへのポインタの値をＱとする。

そして和文型ノード列テーブルＪＮ（Ｑ）内にあるノー
ド列を読み出し、句要素列テーブル内のｎｔと入れ替え
る。これによりｍの値も当然増加する。

すなわち第２３図の例では、Ｎ　Ｓ　（ｎ　ｓ）　＝　
Ｎ　Ｓ（ｎ　ｚ）　＝　Ｎ　Ｓ　（２７）であり、Ｎ　
Ｓ　（２７）中のポインタΩはα＝２である。そこでバ
ッファエリアＪＮ（Ｑ）つまりＪＮ（２）に格納された
ノード列（１）。

（３）、　（２１）が読み出され１句要素列テーブルに
セットされたノード番号（２７）と入れ換えられる。こ
の結果句要素列テーブル内のノード番号の配列は、（１
）、　（３）、　（２１）、　（２）、　（６）、　（
７）、　（２９）、　（２０）に変わる。従ってｍも５
個から８個に変わることになる。この処理の後、再びス
テップ１１５２にもどる。そして新たに配列されたノー
ド列の最初（ｉ　＝　１　）のノードＮ　Ｓ　（１）の
カテゴリーが句要素（Ｐ）または語（Ｗ）か否か判定さ
れる。ノードＮ　Ｓ　（１）のカテゴリーは語（Ｗ）で
あるから、上記の判定結果は“ＹＥＳ”となり、ｉ＝ｉ
＋１と置かれ、ｉ＞ｍかどうか判定され（ステップ１１
５３）だ後、再びステップ１１５２の処理にもどる。

以上述べた処理を繰り返すことによって、句要素列テー
ブルには第２５図に示すようにノード番号が（１）、　
（３）、　（２１）、　（２）、　（６）、　（７）、
　（８）、　（２５）。

（２４）、　（２６）、　（２２）、　（９）、　（２
０）の順に格納される。

これまでの処理により入力英文テキストが日本語固有の
語順に変換されたことになる。

次にステップ１１５５に進み、句要素列テーブル内のｉ
番目のノード番号をｎｌとする。そしてノードＮ５（ｎ
ｉ）に関する情報を格納しであるワードストリームテー
ブル４０３のエリア（第１４（Ａ）図）を検索して、更
にワードレコードに関する情報を格納しである単語・連
語メモリバッファメモリエリア４０１（第１０図）を検
索することにより、該ノードＮ　Ｓ　（ｎ　＋　）の日
本語としての訳語を付与する。

例えば第２５図のｉ＝１のエリアに格納されているノー
ド番号（１）の訳語を付与する場合には。

ポインタによりまずワードストリームテーブル４０３の
エリアＷ　Ｓ　（１）の情報を検索し、更にＷ　Ｓ　（
ｔ）に格納されているポインタにより、単語・連語バッ
ファメモリ４０１のエリアＷ　Ｂ　（１）の情報が検索
される。このエリアＷ　Ｂ　（１）には、ノードＮ　Ｓ
　（１）の単語１（ＨＥ　１７の訳語が格納されている
のでこの訳語情報を読み出す訳である。他のノードにつ
いても各ノードに対応するワードストリームテーブルへ
のポインタを、更に単語・連語バッファメモリへのポイ
ンタをたどることにより訳語を読み出すことができる。

次にステップ１１５６に進み、訳語に対して、時制様態
表現処理が必要か否か判定される。この時制様態表現処
理とは、動詞句の場合に１文型・肯定・否定・受身・時
制によりその訳語が変化することに対応する適切な訳語
を得るための処理である。したがって時制様態表現が必
要か否かの判定は、該当ノードが動詞句に対応するもの
かどうかによって判定される。換言すれば、ステップ１
１５６ではノードＮ５（ｎｔ）の構文的役割子がＧ　Ｏ
Ｖ　、　ＴＯＧＯＶ　、　ＴＯＯＢＪ等であルカ否カ調
へ、モジそうであれば、時制様態表現処理の必要ありと
判断する。

動詞句の訳の生成については、その動詞句が、（ａ）助
動詞を含む場合 （ｂ）助動詞を含まない場合 の２つに分けて処理される。この処理の流れを第２４　
（Ｃ）図に示す。

まずステップ１１７０においては、ノードＮ５（ｎｌ）
に属している動詞句を解析して、翻訳処理装置２００中
のレジスタ（図示省略）に４つのフラグＱ、Ｎ、Ｓ、’
ｒを下記のようにセットする。

つまり、Ｑは動詞句の文型、Ｎは背定、否定の区分、Ｓ
は能動、受動の区分、Ｔは時制によりそれぞれ０または
１の値がセットされる。

次にステップ１１７１に移り、ノードＮ５（ｎ＋）の子
ノード達の中に１品詞として助動詞（ＡＵＸ）を持つも
のがあるかないか調べる。あればＹＥＳとしてステップ
１１７３に移り、無ければＮｏとしてステップ１１７２
に移る。ここでは、まずＮｏの場合、つまり上記の（ｂ
）の場合について説明する。

ステップ１１７２では、翻訳処理装置２００中のレジス
タから４つのフラグＱ、Ｎ、Ｓ、Ｔの値を読み出し、そ
して、辞書メモリ３００の和文生成用パターンメモリエ
リア３０８に格納された「語尾決定用テーブル」と比較
照合することにより、活用語尾と付加語尾とを決定する
。決定された語尾は翻訳処理装置２００中のレジスタに
一時記憶しておく。「語尾決定用テーブル」の一実施例
の一部を表４に示す。表４では、Ｑ＝０のとき肯定文、
Ｑ＝１のとき疑問文、Ｎ＝０のとき肯定形、Ｎ＝１のと
き否定形、Ｓ＝０のとき能動形。

Ｓ＝１のとき受動形、Ｔ＝Ｏのとき現在形、Ｔ＝１のと
き過去形を示す。

表　　　４ たとえば、表４の項番１は１文章が肯定文（Ｑ＝０）で
、動詞句が肯定形（Ｎ＝Ｏ）　、能動形（Ｓ＝Ｏ）、か
つ、時制が過去形（Ｔ＝１）の場合、動詞句の訳文は、
動詞の連用形の後に″た″を付加すべきことを示してい
る。

以下、具体例について１語尾決定の処理を述べる。

たとえば、ノードＮ　Ｓ　（ｎ　ｔ　）に属する＃詞句
（ただしアンダーライン部分のみ）が ＩＩＩ乳珪Ｗ却ＥＮＧＬＩＳ）Ｉ”である場合、第２４
　（Ａ）図のステップ１１５５により単語辞書（第４（
Ｂ）図参照）から訳語パ勉強″が取り出され、かつまた
語尾活用は′す変（す行変格活用）″であるという情報
が取り出される。これらの訳語・活用情報は、翻訳処理
装置２００中のレジスタに一時セットされる。

次にステップ１１５６において、動詞句であるためＹＥ
Ｓと判定されてステップ１１５７八移る。

ステップ］１５７は、すなわち第２４　（Ｃ）図である
。第２４（Ｃ）図のステップ１１７０によす４つのフラ
グＱ＝０（肯定文）、Ｎ＝０（背定形）、５＝０（能動
形）、Ｔ＝１（過去形）が翻訳処理装置２００中のレジ
スタにセットされる。

助動詞（ＡＵＸ）はないので、ステップ１１７１ではＮ
ｏと判断され、ステップ１１７２に移る。

ステップ１１７２では、第３図中の和文生成用パターン
メモリエリア３０８に格納されている［語尾活用テーブ
ル（表４）」を検索する。すると（Ｑ、Ｎ、Ｓ、Ｔ）の
パターンは、項番１と一致するので１項番１の訳出指示
の「連用子た」が検索される。一方、既に、翻訳処理装
置ｒｔ２００中のレジスタには、（訳語、活用）情報と
して（勉強、す変）があるため、″す変の連用形＋た″
。

つまり“した″なる語尾が“勉強”という訳語に付加さ
れて、″勉強した”という語尾付の訳語が決定される。

次にステップ１１７３に移った場合、つまりノードＮ５
（ｎｔ）の子ノード達の中に品詞として助動詞（ＡＵＸ
）を持つものがあり、ステップ１１７１でＹＥＳと判断
された場合、つまり前述の（ａ）の場合について説明す
る。

ステップ１１７３では、まず、辞書メモリ３００の和文
生成用パターンメモリエリア３０８（第３図参照）に格
納されている「助動詞細分類テーブル」を比較参照しつ
つ、ノードＮ　Ｓ　（ｎ　ｉ）に属している動詞句中の
助動詞の分類コードを決定する。

この決定された分類コードは一時、翻訳処理装置２００
中のレジスタに記憶される。「助動詞細分類テーブルＪ
の一実施例の一部分を表５に示す。

表５の説明については後述する。

次にステップ１１７４に移る。このステップでは既に、
ステップ１１７０で決定されている「（Ｑ。

Ｎ、Ｓ、Ｔ）フラグ情報」と、ステップ１１７３で決定
された「助動詞分類コード情報」を読み出し、そして辞
書メモリ３００の和文生成用パターンメモリエリア３０
８（第３図参照）に格納されている「助動詞を考慮した
語尾決定用テーブル」とを比較参照することにより活用
語尾と付加語尾を決定する。決定された語尾は、翻訳処
理装置２００中のレジスタに一時記憶しておく。

ｒ助動詞を考慮した語尾決定用テーブル」の一実施例の
一部分を表６に示す。表６の説明は後述する。

次に表５の解釈の仕方を説明する。

同表の縦軸には細分類された助動詞が列挙されており、
横軸には時制として原形、過去、過去分詞（ｐｐ）　ｒ
進行形（ｊｎｇ）・・・等が列挙されている。

Ｄ○１．ＣＡＬ、ＣＡ２．・・・ＭＡＬ、ＭＡ２．・・
・等は助動詞分類コードである。

ノードＮ５（ｎｉ）に属する動詞句を分析して、同表の
縦軸と横軸の入り口（エントリー）を見つけて、分類コ
ードを読み出すのである。

たとえば項番９と列番７の交叉する部分については、助
動詞句か、ｒｓｈｏｕｌｄｈａｖｅ＋Ｖ（ＰＰ）　　（
過去形調型の動詞）」の形で出現している場合には、分
類コードとして、ＳＤ４が検索決定されることを示して
いる。

次に表６の解釈の仕方について説明する。

表６の縦軸には、助動詞の分類コードが列挙されており
、横軸には、動詞句の肯定、否定、疑問などの区別が既
述の（Ｑ、Ｎ、Ｓ）フラグの１または０の値により列挙
されている。ノードＮ５（ｎ、）に属する助動詞を解析
して得られる（Ｑ。

Ｎ、Ｓ）フラグ値と、助動詞分類コードとを入り口（エ
ントリー）として、活用語尾と付加語尾とを選択決定す
るのである。

以下具体例について助動詞を考慮した語尾決定の例を述
べる。たとえばノードＮ５（ｎｔ）に属する動詞句（た
だしアンダーライン部分のみ）が、“ｙｏｕ　５ｈｏｕ
ｌｄ　ｈａｙｅ　ｔｏｋｅｎ　ｈｉｓ　ｏｐｉｎｉｏｎ
　ｉｎｔ。

：ｏｎｓｉｄｅｒａｔｉｏｎ　”である場合、第２４　
（Ａ）図のステップ１１５５により、連語辞書（第５（
Ｃ）図診照）から訳語゛′！Ｎを考慮′″が取り出され
、かつまた語尾活用はパす変（す行変格活用）″である
という情報が取り出される。これらの連語・活用情報は
、翻訳処理袋＠２００中のレジスタに一時セットされる
６次にステップ１１５６において、ＦＩＪｋ句であるた
めＹＥＳと判定され、ステップ１１５７へ進む。ステッ
プ１１５７は、すなわち第２４（Ｃ）図である。第２４
　（Ｃ）図のステップ１１７０により４つのフラグ、Ｑ
＝Ｏ（肯定文）。

Ｎ＝０（肯定形）、５＝Ｏ（能動形）、Ｔ＝傘（セット
せず）が、翻訳処理装置２００中のレジスタにセットさ
れる。次にステップ１１７１に移るが、助動詞（ＡＵＸ
）が存在するので、ステップ１１７１では、ＹＥＳと判
断され、ステップ１１７３に移る。ステップ１１７３で
は、第３図中の和文生成用パターンメモリエリア３０８
に格納されている「助動詞細分類テーブル（表５）」を
検索し、項番９と列番７の交叉するところのコード゛’
ＳＤ４″′を検索し、翻訳処理装置２００中のレジスタ
にセットする。

次にステップ１１７４に移る。このステップでは、辞書
メモリ３００の和文生成用パターンメモリエリア３０８
（第３図参照）に格納されている「助動詞を考慮した語
尾決定用テーブル（表６）」の比較参照がおこなわれる
。既に、ステップ１１７０により、”Ｑ＝Ｏ，Ｎ＝Ｏ，
Ｓ＝Ｏ”　なる７ラグ値がセットされているため、表６
の列番１のエントリーが選択される。また、既にステッ
プ１１７３により、助動詞分類コード”　Ｓ　Ｄ　４”
がセットされているため１表６の項番２４のエントリー
が選択される。したがって１表６からは語尾情報として
は、″（終止）べきであった′″が選択決定される。

この決定結果と、既にステップ１１５５により検索され
ていた、訳語情報″！Ｎを考慮（す変）′″とが、照合
処理されて、“！Ｎを考慮するべきであった″という語
尾付きの訳語が決定される。

なお、！Ｎについては、”ｈｊｓ　ｏｐｉｎｉｏｎ”　
に対応するノードに対する和文生成処理により、パ彼の
意見”という訳語が埋め込まれることはもちろんである
。

以上説明した時制・様態表現処理の実行が終了すると、
第２４　（Ｂ）ｍのステップ１１５８の処理に進む。こ
のステップ１１５８では、訳語に対して付属語（て、に
、を、は）を付加する処理が必要か否かを判定して、必
要な場合はステップ１１５９に進む、この判定は該当す
るノードＮ５（ｎ＝）の構文的役割子が、主語族（ＳＵ
ＢＪ。

Ｃ３ＵＢ、ｒｏｓｕｌ）　あるいは目的語族（ＯＢＪ。

ＴＯＯＢＪ、　Ｉ　ＯＢ　Ｊ　、　ＣＯＢ　Ｊ等）であ
る場合にＹＥＳ。

そうでない場合にＮｏとすることにより行われる。

ここで５ＵＢＪは主語、Ｃ３ＵＢは「節の形をした主語
Ｊ　、　ＴＯ３ＵＢは「Ｔｏ不定詞の主語」をそれぞれ
意味し、ＯＢＪは目的語、ＴＯＯＢＪはｒＴｏ不定詞型
の目的語Ｊ、ｌ０ＢＪは「間接目的語」、Ｃ０ＢＪは「
節の形をした目的語」をそれぞれ意味する記号である。

ステップ１１５９における付属語付加処理を表３の項番
２を例にとって説明する。

項番２の和文型パターンは、５ＵＢＪ、ＯＢＪ。

ＧＯＶであるが、この場合、まず５ＵＢＪの次に０■す
、ＯＢＪの次に口の付属語記号が挿入される０次に、各
付属語記号に対応した付属語が割り当てられる。この割
り当てに際して、和文生成用テーブル３０８に格納され
た付属語テーブルが参照される。

表７は付属語テーブルの一例を示すもので、付属記号が
０■りのときは、付属語として″は″および″が″をと
り得ることを示し、■百ノ　　のときは、“を”および
“に″をとり得ることを示している。

表　　　　７ 付属語記号が単一の付属語をとり得る場合は、付属語が
そのまま付属語記号に置き換えられる。

上記のように付属語記号が２個以上の付ｈル語をとり得
る場合は、次のようにして、単一の付属語が選択される
。

まずＣ■Ｄの場合は、当該ノード（ａｔ構文的役割子５
ＥＮＴのもの）が他のノードを修飾する場合には′が″
が付与され、その他の場合には″は”が付与される。

一方口については、動詞の訳語情報に、“に″をとり得
るというフラグがセットされていれば（第４（Ａ）図の
付属語機能語の欄にセットされている）、″に”を付与
し、その他の場合には“を”を付与する。この結果、た
とえば”ｒｅｓｅｍｂｌｅ”は〜に似る”と訳され、”
　５ｔｕｄｙ”は“〜を勉強する′″のように訳される
。

このようにして付属語付加処理が終了すると５ステツプ
１１６０に進む。ここでは、ノードＮ５（ｎｌ）に対し
て最終的に得られた訳語を出力テキストテーブルエリア
４０８に左づめにセットする処理が行われる。その後、
ステップ１１６１に進みｉ＞ｍの関係を満足するまで、
上述の処理が繰り返して実行される。

第２６図は和文生成処理の結果、出力テキストテーブル
エリア４０８に得られる訳文を示している。すなわち、
傘２０で示した和文型ノード列エリア４０７の各ノード
に訳語が付与され、出力テキストテーブルエリア４０８
には傘２１で示す訳語が得られる。

以上の和文生成の処理においては、時制・様態表現処理
及び付属語付加処理を含んでいるので、正確な翻訳が可
能になる。また、時制・様態表現処理は構文的役割子と
して中心動詞族（ＧＯＶ族）を持つノードだけ、付属語
付加処理は構文的役割子として主語、目的語族（ＳＵＢ
Ｊ族、ｏＢＪ族）を持つノードだけ、のように局限され
ているので。

これらの処理が簡略化されると同時に修正、変更が容易
になる。

以上の一連の処理、すなわち入力英文の解析。

文型の変換、及び出力和文の生成等の過程における翻訳
規則がすべて辞書用メモリ内にテーブルの形で記述され
、翻訳処理装置は、これらのテーブルを解釈しながら実
行するように設計されている。

したがって翻訳規則の変更、修正、補強などを。

翻訳処理装置とは独立に、単に辞書メモリの内部情報の
書き換えのみで簡単に実行できる。

以上、本発明の実施例について説明したが、この方式に
よ才しば下記のような効果が得られる。

（］）単単語帯と連語辞書が用意され、単語辞書の各単
語情報として、その単語を基にして形成される連語の有
無と、連語辞書へのポインタの情報が含まれているので
。

（ａ）単語を切り出しながら同時に連語の検索が可能で
ある。

（ｂ）単語を基にして形成される連語が存在するときの
み、連語辞書を検索する。

ことにより、高速に辞書検索できる。

（２）連語辞書として、固定連語辞書の他に可変連語辞
書を有し、旬の切り出しの後に可変連語辞書の検索を行
っているので、あらゆる連語の検出が少ない辞書容量で
可能になると共に、連語検出に要する辞書検索を高速に
行い得る。

【図面の簡単な説明】

第１（Ａ）図、第１（Ｂ）図は従来の翻訳方法の説明図
、第２図は本発明を適用した自動翻訳方法の概念の説明
図、第３図は本発明を適用した自動翻訳方法の構成図、
第４（Ａ）図、第４（Ｂ）図は本発明方法に用いられる
単語辞書の一例を示す図、第５（Ａ）図、第５（Ｂ）図
は本発明方法に用いられる固定連語辞書の一例を示す図
、第５（Ｃ）図は本発明方法に用いられる可変連語辞書
の一例を示す図、第６（Ａ）図は本発明方法に基づく品
詞認識に用いられる禁制品詞列パターンの一例を示す図
、第６（Ｂ）図は品詞認識のための説明図、第７競り図
は本発明方法に基づく句構造認識に用いられるパターン
の一例を示す図、第８（Ａ）図、第８（Ｂ）図。 第８（Ｃ）図、第８（Ｄ）図は本発明に基づく英文型パ
ターン認識に用いられるパターンの一例を示す図、第９
図は入力テキストストリームテーブルの説明図、第１ｏ
図は単語・連語バッファ、メモリの説明図、第１１（Ａ
）図、第１１（Ｂ）図、第１１（Ｃ）図は本発明方法の
辞書検索における語尾変化処理の流れを示す図、第１１
（Ｄ）図、第１１（Ｅ）図は語尾変化処理の説明図、第
１２図は本発明方法における辞書検索の処理の流れを示
す図。 第１３図は本発明方法に基づく品詞認識処理の流れを示
す図、第１４　（Ａ）図、第１４（Ｆ３）図はワードス
トリームテーブルに格納される情報の内容を説明するた
めの図、第１５図は本発明方法に基づく品詞認識処理に
用いられる優先皮表を示す図、第１６図は本９！明方法
に基づく句摺造認識の処理の流れを示す図、第１７図は
ノードストリームテーブルに格納される情報の内容を説
明するための図、第１８図は本発明方法の可変連語辞書
検索の処理の流れを示す図、第１９図は本発明方法に基
づく英文型パターン認識の処理の流れを示す図、第２０
（Ａ）図、第２０　（Ｂ）図は句要素列テーブルに格納
される情報の内容を説明するための図、第２１図は本発
明方法に基づく依存・修飾関係認識の処理の流れを示す
図、第２２図は本発明方法に基づく文型変換の処理の流
れを示す図、第２３図は英文型ノード列テーブル及び和
文型ノード列テーブルに格納される情報の内容を説明す
るための図、第２４　（Ａ）図、第２４　（Ｂ）図、第
２４（Ｃ）図は本発明方法に基づく和文生成処理の流れ
を示す図、第２５図は和文生成処理の説明図、第２６図
は和文生成により、入力英文テキストに訳文が付与され
た状態を示す図である。 １００・・・入力装置、２００・・・翻訳処理装置、３
００・・・辞書メモリ、４００・・・作業用メモリ、５
００・・・出力装置。 第　／　　（Ａ）　図 ＮＰ　−−一一−−−−−−−−−−−第　１（Ｂ）図 −−−ｔＬＫｅ、　（Ｌ　　ｂＬｌｓ　　ｊ’ｒＬ　Ｉ
Ｌ　　Ｃ７ＵＪ”ＷＦ”　　　　　　Ｌｕｐ」 二ΔＰ− μ−−−−ＮＰ−−−−−− ’Ｌ　　Ｚ　口 Ｍ　４＜Ａ）図 躬　５（Ａ）図 第Δ（Ａ）図 Ｆ２’　　ｈ’　　　ｌ　　　Ｂ、’　　　Ｂｚ’冨　
７　反 冨　３（Ａ）図 冨３（Ｂ）図 ￥３（Ｃ）図 第　３（ｐ）図 第　　ｑ　　図 第１θ図 ￥Ｊ　　１ｚ　　図 猶１５図 第　　／４　　　（Ａ）　　図 不　１６　　　図 石Ｉ８図 第　１９　　　図 １夕　２ρ　（Ｂ）５コ 豪／’１ ￥ｙＸＩ　　図 ％　ｚｚ　図 第　２３　　図 Ｌη ＶＪ２４　（Ａ）　　図 巣Ｘｉ　（Ｆ３）図 第　２４　　（Ｃ）　　図 第　２５　　図 一１ｋジ　　　籾

Claims (1)

1. 【特許請求の範囲】 １、単語の見出し語と、該単語を基にして形成される連
   語の有無と、該単語の訳語及び品詞情報を含む単語辞書
   と、 連語の見出し語と、該連語の訳語及び品詞情報を含む連
   語辞書と、を設け、 自然言語で記述された入力テキスト文より単語を切り出
   すステップと、 該単語を見出し語として上記単語辞書を検索し、該単語
   を基にして形成される連語が存在しない場合に、該単語
   の訳語及び品詞情報を所定のメモリエリアに格納するス
   テップと、 上記単語辞書検索の結果、その単語を基にして形成され
   る連語が存在する場合に、上記連語辞書を検索するステ
   ップと、 連語辞書検索の結果、入力テキスト文に含まれる連語が
   存在する場合に該連語の訳語及び品詞情報を上記メモリ
   エリアに格納するステップと、 連語辞書検索の結果、入力テキスト文に含まれる連語が
   存在しない場合には、上記の元の単語の訳語及び品詞情
   報を上記メモリエリアに格納するステップと、 を具備することを特徴とする自然言語処理における辞書
   検索方法。 ２、第１項記載の方法において、連語辞書検索の結果、
   既にメモリエリアに格納された単語を含む連語が見出さ
   れた場合に、 該連語の訳語及び品詞情報を上記メモリエリアに格納す
   るステップと、 該連語に含まれ、既にメモリエリアに格納された単語の
   訳語及び品詞情報を無効にするステップと、 を具備することを特徴とする自然言語処理における辞書
   検索方法。 ３、第１項記載の方法において、入力テキスト文に同一
   単語を含む連語が複数個見出された場合に、 最も長い連語の訳語及び品詞情報を上記のメモリエリア
   に格納するステップ、 を具備することを特徴とする自然言語処理における辞書
   検索方法。 ４、単語の見出し語と、該単語を基にして形成される連
   語の有無と、該単語の訳語及び品詞情報を含む単語辞書
   と、 連続的な複数の単語よりなる固定連語の見出し語と、該
   固定連語の訳語及び品詞情報を含む固定連語辞書と、 単語列の一部にブランクを有し、該ブランクに適当な単
   語、句又は節を挿入することによつて形成される可変連
   語の見出し語と、該可変連語の訳語及び品詞情報を含む
   可変連語辞書と、を設け、 自然言語で記述された入力テキスト文より単語を切り出
   しながら、 上記単語辞書及び上記固定連語辞書を検索し、その訳語
   及び品詞情報を所定のメモリエリアに格納するステップ
   と、 入力テキスト文の品詞列から句及び／又は節を検出し、
   品詞を付与するステップと、 上記可変連語辞書を検索し、入力テキスト文中に可変連
   語を見出された場合に、該可変連語の訳語及び品詞情報
   を上記メモリエリアに格納するステップと、 を具備することを特徴とする自然言語処理における辞書
   検索方法。 ５、第４項記載の方法において、可変連語辞書検索の結
   果、既にメモリエリアに格納された単語及び／又は固定
   連語を含む可変連語を見出された場合に、 該可変連語の訳語及び品詞情報を上記メモリエリアに格
   納するステップと、 該可変連語に含まれ、既にメモリエリアに格納された、
   単語及び／又は固定連語の訳語及び品詞情報、及び句及
   び／又は節の品詞情報を無効にするステップと、 を具備することを特徴とする自然言語処理における辞書
   検索方法。 ６、第４項記載の方法において、入力テキスト文に同一
   単語を含む可変連語が複数個見出された場合に、 最も長い可変連語の訳語及び品詞情報を上記のメモリエ
   リアに格納するステップ、 を具備することを特徴とする自然言語処理における辞書
   検索方法。