JPH01224796A - スピーチ部分の決定方法 - Google Patents

スピーチ部分の決定方法

Info

Publication number
JPH01224796A
JPH01224796A JP1024794A JP2479489A JPH01224796A JP H01224796 A JPH01224796 A JP H01224796A JP 1024794 A JP1024794 A JP 1024794A JP 2479489 A JP2479489 A JP 2479489A JP H01224796 A JPH01224796 A JP H01224796A
Authority
JP
Japan
Prior art keywords
speech
word
probability
frequency
probabilities
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP1024794A
Other languages
English (en)
Other versions
JPH0769910B2 (ja
Inventor
Kenneth W Church
ケネス　ワード　チャーチ
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
AT&T Corp
Original Assignee
American Telephone and Telegraph Co Inc
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by American Telephone and Telegraph Co Inc filed Critical American Telephone and Telegraph Co Inc
Publication of JPH01224796A publication Critical patent/JPH01224796A/ja
Publication of JPH0769910B2 publication Critical patent/JPH0769910B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F3/00—Input arrangements for transferring data to be processed into a form capable of being handled by the computer; Output arrangements for transferring data from processing unit to output unit, e.g. interface arrangements
    • G06F3/16—Sound input; Sound output
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/04—Speaking
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/216—Parsing using statistical methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/284—Lexical analysis, e.g. tokenisation or collocates
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/279—Recognition of textual entities
    • G06F40/289—Phrasal analysis, e.g. finite state techniques or chunking
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/08—Text analysis or generation of parameters for speech synthesis out of text, e.g. grapheme to phoneme translation, prosody generation or stress or intonation determination
    • G10L13/10—Prosody rules derived from text; Stress or intonation
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS OR SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING; SPEECH OR AUDIO CODING OR DECODING
    • G10L13/00—Speech synthesis; Text to speech systems
    • G10L13/02—Methods for producing synthetic speech; Speech synthesisers
    • G10L13/04—Details of speech synthesis systems, e.g. synthesiser structure or memory management

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】 発明の分野 本発明はスピーチ部分決定の方法と、名詞句解剖の中間
方法を含み、そして、スピーチ合成、スピーチ認識、ラ
イターの訓練、校正１割出し及びデータ検索を含む、ス
ピーチ部分決定の結果の利用方法に関する。
＆１至豆Ｉ 特に、スピーチの異なる部分（複数）として使用するこ
とができるワードの場合、スピーチ部分を決定する能力
は英語の使用の場合に多くの種々の問題に関連している
ということが長い間認識されている０例えば、ピッチ、
継続期間及びエネルギーを含むスピーチの「強勢」はワ
ードのスピーチの特定部分及びそれらの文における順序
に依存する。従って、スピーチの合成には、人間のスピ
ーチのように響く結果を発生するために入力された記載
又は非言葉のテキストのスピーチ部分の解析が必要とな
る。
更に、スピーチ部分の自動決定は自動的なスピーチ認識
、コンピュータの補助による方法を用いてのライターの
教育及び訓練、ワード処理のワークステーションで発生
される書類の編集及び校正、書類の割出し及びデータベ
ースからのワード依存データの種々の形状の検索におい
て重要な役割を演じ得る。
例えば、これらの使用の幾つかはＡＴ＆Ｔ’５Ｗｒｉｔ
ｅｒ’ｓ　　Ｗｏｒｋｂｅｎｃｈ商標の種々の形式で見
ることができる。又、１９８８年１月、Ｔｈｅ　　Ａｔ
１ａｎｔｉｃ　　ＭｏｎｔｈｌｙのＢａｒｂａｒａ　　
Ｗａｌｌａｆｆによる論文「Ｔｈｅ　　Ｌｉｔｅｒａｔ
ｅ　　ＣｏｍｐｕｔｅｒＪ、ｐｐ、６４ｆｆ、特にペー
ジ６８、最後の２つのパラグラフを参照。割出しに対す
るスピーチ部分の関係は１９８６年４月１日にＣ，Ｌ、
Ｒａｙｅに対し発行された米国特許第４．５８チ、２１
８号に見ることができる。
これまで、スピーチ部分の自動決定の２つの主な方法が
文献で述べられており、そして、ある程度使用されてき
た。その第１は問題の特定状態を検出するように設計さ
れた多種類の「特別（ａｄｈｏｅ）４規則に依存してい
る。これらの規則は、例えば、スピーチ部分を予測する
ワードの終りの使用又はその何らかの改変に関するもの
であってもよい。スピーチ部分決定のいくつかの特別規
則はＵＮＩＸｒＭ　　Ｏｐｅｒａｔｉｎｇ　　Ｓｙｓｔ
ｅｍ−ｃ’動作するＷｒｉｔｅｒ’ｓ　　Ｗｏｒｋｂｅ
ｎｃｈ商標のアプリケーションプログラムで使用されて
いる。これらのルールは、それらが旨く解決することが
できる状態において非常に制限的であり、そして、基本
的な単一性を欠く傾向がある。これらの技術はＢｅ１ｌ
　　Ｔｅ１ｅｐｈｏｎｅ　　Ｌａｂｏｒａｔｏｒｉｅｓ
、Ｉｎｃｏｒｐ。
二±、Ｎｏ、８１、におけるり、Ｌ、Ｃｈｅｒｒｙによ
るｒＰＡＲＴｓ−Ａ　　Ｓｙｓｔｅｍ　　ｆ。
ｒ　　Ａｓｉｇｎｉｎｇ　　Ｗｏｒｄ　　Ｃ１ａｓｓｅ
ｓ　　ｔｏ　　Ｅｎｇｌｉｓｈ　　ＴｅｘｔＪに記載さ
れている。
より大きな基礎的な単一性を潜在的に持つ第２の主な方
法は英国、Ｕｎｉｖｅｒｓｉｔｙ　　ｏｆＬａｎｃａｓ
ｔｅｒ、１９８３年ＩＣＡＭＥＮｅｗｓ、Ｖｏ　ｌ　、
７、ｐｐ、１３〜３３におい−（Ｇ、Ｌｅｅｃｈ外によ
る論文ｒＴｈｅ　　Ａｕｔｏｍａｔｉｃ　　　Ｔａｇｇ
　ｉ　ｒｈｇ　　　ｏｆ　　　ｔｈｅＬＯＢ　　Ｃｏｒ
ｐｕｓ」に記載された「ｎグラム」技術である。ここに
記載された技術の一部はスピーチの次々の部分の起りそ
うな組み合せに関する特定の規則に基づく、特定の先行
又は後続のワードのスピーチ部分の現在の最良の選択に
スピーチの割当て部分を依存させる。この解析の場合、
種々のり規則も使用されるので、全体として、この方法
は依然として望ましい精度には至らない、更に、この方
法は有機的な仕方では諸費の確率を模擬しない。
上記の技術は、上記の考慮のため及び結果が失望させる
ものだったために当業界の研究者の間には大した興味を
抱かせなかった。
全く、どの「ｎグラム」技術も貧弱な結果を生じるであ
ろうと考えられていた。それは、その技術が、文の有り
得る構造を充分広く見又は全体的に見ることができない
からである。一方、文のスピーチ部分を解析する場合に
人間の精神がとる全体的な見方の種類をコンピュータ内
に頑丈にプログラムすることは不可能であった。これに
は、１９８０年米国マサチューセッツ州、キャンプリッ
ジのＭＩＴ　　Ｐｒｅｓｓにより発行されたＭ。
Ｍａｒｃｕｓによる本、Δ　Ｔｈｅｏｒｙ　　ｏユ照、
従って、「ｎグラム」ワードの発生頻度の解析と対照さ
れる、「ｎグラム」型スピーチ部分の決定は、別の研究
の場合に使用される完全に「タグ付き」テキストのより
大きな体部を発生するに役立つようなタスクに大いに限
定されている。このために、結果は非常に有能な人間の
介在によって訂正されなければならない。
それにも関わらず、上に最初に述べた全ての用途におい
て、容易に適用することができるように、「ｎグラム］
技術のように比較的簡単な技術により高度の確率でスピ
ーチ部分を識別し得ることが望ましい。
発明の要約 本発明の一つの特徴によれば、スピーチ部分は個々のワ
ードの語彙の確率（ｐｒｏｂａｂｉ　１ｉｔｉｅＳ）と
規格化された３つのワードの文脈の確率との積を最適化
することによりメツセージのワードにスピーチ部分が割
り当てられる。規格化は含まれる２つのワードの文脈の
確率を使用する。（文の終点どうしの間の複数の空間を
含む）文の終点、区切点及び低頻度で発生するワードは
語りの確率を割り当てられ、そして、そうでない場合は
、それらがあたかもワードであるかのように処理される
ので、前のｎグラムのスピーチ部分の割り当て及び特別
（ａｄ　　ｈｏｃ）規則の前の使用の場合に遭遇する不
連続は回避される傾向がある。この技術の一般性はそれ
により確立される。
本発明の他の特徴によれば、以前割当られたスピーチ部
分をワードが有しているメツセージは、その名詞句をス
ピーチ合成用のそれらの使用を容易にする方法で識別し
ている。この名詞句の解剖は又他の用途をもつもであっ
てもよい。特に名詞句の解剖方法は、ワードのすべての
開始又は終における名詞句の開始及終を最初に割当てて
最低の確率の割当を除去することによりこの割当を除徐
に除去し、ついに非常に高い確率の非帰納的割当のみが
残るようになる非常に蓋然性ある方法である。非帰納的
割当とは、名詞句内に部分的又は全体的に存在する名詞
句の割当が保持されないということを意味する。
あるいは又、この本発明の特徴の方法は他の名詞句内で
完全に起るいくつかの高効率の名詞句を保持することも
できる。これはこの割当が、例えば、スピーチ合成にお
いて有用であるからである。
常に除去されるある名詞句の割当は（例えば、文の始ま
りのところで）対応する始まりのない終又は（例えば文
の終において〕終のない始まりであるが、本方法はさら
に名詞句の始め及終の低確率での割当を除去し、または
別の表現でいえば、最高の確率の割当のみを保持する。
未発明の補助的な特徴によれば、他の低確率の名詞句は
始から終までメツセージの各文を反復的に走査し、各走
査において始めと終よりなる各対”ごとにそれらの確率
を計算し、文の領域について前に得た最高の確率に近い
又はこの確率より上の積でこれらの組合せを保持するこ
とにより除去され、又は少なくとも他の高確立の名詞句
とは矛盾しなくなる。
本発明の更に他の特徴によれば、本スピーチ部分割当方
法の出力は本名詞句解剖方法への入力としてもよい。こ
の文脈では両方法において使用される最大可能性最適化
技術は相互に補強しあう傾向がある。これは単独で各方
法が従来技術の方法に比較して性能が優れているからで
ある。
本発明に更に他の特徴によれば、本スピーチ部分割当方
法の出力は本名詞句解剖方法への入力としてもよい、こ
の文脈では両方法において使用される最大可能性最適化
技術は相互に補強しあう傾向がある。これは単独で各方
法が従来技術の方法に比較して性能が優れているからで
ある。
本発明の他の特徴及び利点は図面と共に以下の詳細な説
明を読むことにより明らかとなろう。
例示的な実施例の衣１ ｉｌｌの方法では、例示のために、メツセージ読み取ら
れ、そして電子的な形で記憶されていたテキストメツセ
ージであったと仮定する。第１の段階では、ブロック１
１で示したように１文づつ記憶テキストを読むこととな
る。この段階では文の境界を決定することが必要である
。このためには多くの公知の技術が存在するが、どの終
止符も文を終らせるという最初の仮定をし、そして、終
止符が更に使用されたかも知れないということを本方法
が続いて示すときにはその文とその結果を放棄したい。
いずれにしても、この方法は各文を終りから始めて処理
しはじめる。
続く段階は３つの一般的な以下の段階にグループ別けす
ることができる。ワードのトークン化（ブロック１２）
： 文の終りから始めてスピーチ部分の語粂の確率の計算（
ブロック１３）、及び もちろん１文脈上のスピーチ部分の確率を最適化しくブ
ロック１４）、一般的な最終段階（１５）でスピーチ部
分の解析の多くの考えられる用途のどれに対してもその
結果を適用することである。
これらの一般的な段階は以下に説明するように、多くの
更に詳細な段階に分けることができる。
ワードのトークン化においては、スピーチ部分の解析に
対する通常の言語学的試みの小さくはあるが重要ないく
つかの改変をする。それにも関わらず、便宜上、１９８
２年ＨＯｕｇｈｔ　ＯｎＭｉｆｆｌｉｎ　　Ｃｏ、出版
のＷ、Ｎｅ１ｓｏｎＦｒａｎｃｉｓ外によるｒＦｒｅｑ
ｕｅｎｃｙＡｎａｌｙｓｉｓ　　ｏｆ　　Ｅｎｇｌｉｓ
ｈＵｓａｇｅＪなる題名の木のｒＬｉｓｔ　　ｏｆＴａ
ｇｓＪ頁６〜８で述べられたと同じスピーチ部分の名称
を使用する。これらは本例の理解に役立つときは常に本
明細書で綴り返される。
トークン化は区切り点及びかっこのようなワードといく
つかの非ワードの識別を含む、更に、Ｆｒａｎｃ　ｉ　
Ｓ外による本の基礎を形成したようなテキストのタグ付
き体部（テキストの先行体部は普通ｒＢｒｏｗｎ　　Ｃ
ｏｒｐｕｓＪと呼ぶ）に新しい組の空白スペースの頻度
を発生するために各文の終止符の後に２つの空白空間を
割当ることが重要であるということが解った。このプロ
セスに関わるトークンの種類は文の実際のワードと文の
終りが得られたというプロセスを知らせる構造表示子で
ある。これらの構造表示子には、例えば、終止符に関す
る機械読み取り可能文字のような文末表示子、テキスト
のワードと共に原稿、フィールド又はファイルに記憶さ
れた対応のフォーマット形成文字により示されるヘディ
ング又はパラグラブ表示子、及びファイルの縛り表示子
がある。
少し前を見ると、文の各最終ワードはその終止符及び続
く空白部分に対する確率と共に測定される文脈の確率を
有するということが解る。これらの３つは「３グラム」
を形成し、従って、確率の解析は「スピーチの特定部分
としてのこのワード゛が文をどの程度終らせるだろうか
？」という問題を調査することになる。この場合、この
位置における終止符を観察する文脈の確率は非常に高く
（はぼ１　、０）　、そして、文脈上の空白の確率は１
．０である。いずれにしても、これらの確率は規格化さ
れた確率の分子と分母の両方で同一であるので、結果と
しての文脈の確率は、文の終りにあるスピーチの主題部
分を見るまさに測定された確率であり、テキストの総体
から表に作ることができ、そして、コンピュータの永久
記憶装置に記憶することができる統計値である。
ブロック１２に関連して述べたように、観察されるワー
ドと文字をトークン化した後に、本方法は次のごとく発
生頻度に依存するスピーチ部分の文脈上の確率（スピー
チ部分ｉを与えられたワードｊを観察する確率）を計算
する。もしも問題の全てのワードの全ての意味がＢｒｏ
ｗｎＣｏ　ｒｐｕｓにおける合理的に高い周波数で現れ
るならば、その計算は、スピーチの部分に関わらずその
全発生頻度により割られる、特定のスピーチ部分として
のワードの観察された発生頻度の単なる商となろう。
本発明では１次のごとく低発生頻度のワード又は文字に
ついてはこの計算を取り換える。Ｚｉｆの法則の下では
、どれだけテキストを見ようとも、わずか数回のみ現れ
るワードの大きな足部分が常に存在するということを考
える。ＢｒｏｗｎＣｏｒｐｕｓでは例えば、４０．００
０個のワードが５回以下現れる。もしもｙ　ａｗｎのよ
うなワードが名詞として１回、動詞として１同視れるな
らば、そのワードが形容詞である確率は何であるか？こ
れはより多くの情報なしには云うことは不可能である。
幸にも、辞書はある程度この問題を緩和するに役立つ、
辞書における可能性の頻度のカウントに１つのｔｈｅを
加える０例えば、ｙａｗｎは辞書には名詞か又は動詞の
いずれかとして偶然リストされる。従って、可能性は緩
和される。この場合、可能性は変らないままである。平
滑の前後共ｙ　ａｗｎは５０％の回数で名詞と評価され
、その残りの回数で動詞として評価される。
ｙａｗｎが形容詞である見込みはない。
ある他の場合には、平滑化により大きな差が生じる。今
ワードのｃａｎｓを考える。このワードはＢｒｏｗｎ　
　Ｃｏｒｐｕｓでは複数の名詞として５回現れ、そして
、動詞としては現れない０語量（及びその形態論的ルー
チン）は幸運にも両方の確率を与える。従って、訂正さ
れた評価ではＣａｎ５は複数名詞として６／７回現れ、
そして、動詞として１／７回現れる。
従って、割線材料、完全な辞書に従って、スピーチの各
存在しそうな部分として各観察された発生頻度に「１」
を加え、そして、そこから語彙の確率を計算する。
このワードについて本発明の確率研究木を構成し始める
ために、評価され正規化された語量の確率を、埋ち、ス
ピーチ部分Ｚを与えられたスピーチ部分Ｙを観察する「
２グラム」頻度によって割算され、すでに決定された後
続のスピーチ部分ＹとＺを与えられたスピーチ部分Ｘを
観察する頻度を語量の確率に掛算する。この後者の２つ
のデータはＦｒａｎｃ　ｉ　ｓ外によりこれらの人々の
本で言及されたすでにタグ付きの総体から表に作ること
ができる。この表に作られたデータはコンピュータメモ
リに記憶される。
それが有り得る１つおきのスピーチ部分ごとに主題のワ
ードに関する上記の方法の繰り返しを開始し、前の組の
計算から最大の確率のみを保持する０文の最後のワード
の手前に進む前に、最後のワードに対する最大の成果の
確率に到達した。
このプロセスについては２つのことをすでに観察するこ
とができる。先ず、積に使用される語彙の確率は連続体
に沿って存在するが、Ｌｅｅｃｈ外の文献で使用された
ように３つの任意割当値の内の１つのものではない、第
２に、数学の応用は、実際には、文の終りに存在するこ
とが分るワードの場合には些細な事のように見えるかも
しれないが、重要な点はそれがどこでも使用される同一
の数学であるということである。
更に完全で特定な例を与え始める場合には、確率の評価
がＦｒａｎｃｉ　ｓ外により言及されては゛いるが上記
の解析には含まれていないタグ付きのＢｒｏｗｎ　　Ｃ
ｏｒｐｕｓでの訓練により得られたということを記憶し
ておく、それは割当られ、そして、手で苦労してチエツ
クされたスピーチ部分タグを持つ約１．０００．０００
個のワードの総体である。
本方法の処理は本来厳密に局部的なものであり、そして
、−数的には、例えば、助動詞の可能性あるものの使用
を決定するために名詞句の両側を調べる方法は有してい
ないということを考えると本方法の性能全体は驚く程良
好であった。
辞書の全ての確率が等しい重みを与えられる必要がある
場合は１文解剖は極めて困難である。辞書は可能なもの
に焦点を合せ、そして、ありそうなものには焦点を合せ
ない傾向がある。些細な文章であるｒＩ　ｓｅｅ　ａ　
ｂｉｒｄ　（私は鳥を見６）Ｊ　ｌｔえてみる。実際上
は、文の各ワードは明確である。Ｆｒａｎｃｔｓ及びＫ
ｕｃｅｒａによれば、ワード「■　（私）」は５８３８
回の観察の内５８３７回（１００％）名詞として現れ、
　　ｒｓｅｅ　　（見る）」は７７２回の観察の内７７
１回（１００始め％）動詞として現れ、「ａ（１羽の）
」は２３０１９の観察の内２３０１３回（１００％）冠
詞として現れ、そして、ｒｂｉ　ｒｄ　（鳥）」は２６
回の観察の内２６回（１００％）名詞として現れる。し
かしながら、ウェブスター第７版ＮｅｗＣｏｌｌｅｇｉ
ａｔｈ　　Ｄｉｃｔｉｏｎａｒｙによれば、各ワードは
あいまいである。タグの所望の割当（スピーチ部分）の
外に、最初の３つのワードは名詞としてリストされ、そ
して、最後のワードは自動詞としてリストされる０文解
剖部によりこれらのもっともらしい割当は統語論的に悪
い形状であるとして除外されればと人は望むかもしれな
いが、不幸にして従来技術はその結果を達成する一貫し
た方法を有してはいない０文解剖部は次の形、即ち、 ＊　　［ＮＰ　［Ｎ　　Ｃ１ｔｙ　（市）］　　［Ｎ　
　ｓｃｈ。
ｏｌ（学校）］　　［Ｎ　　ｃｏｍｍｉｔｔｅｅ　（委
員会）］　　［Ｎ　　ｍｅｅｔｉｎｇ（会議）］］ノ名
詞句を受は入れようとする場合には、次のものを除外す
ることができない、 −［ＮＰ　［ＮＩ］　　［Ｎ　　ｓｅｅ　（見る）］［
ＮＮａ１羽（７））］　　［ＮＮ　ｂｉｒｄ（鳥）］］
（ここでｒＮＰＪは「名詞句」を表し、そして、ｒＮＪ
は「名詞」を表す）。
同様にして文解剖部は恐らく自動詞としての鳥を受は入
れなければならないであろう。これは次の場合に統語論
的に悪いものが存在しないからである、 −［Ｓ　［ＮＰ　［ＮＩ］　　［Ｎ　　Ｓｅｅ　（見る
）］［ＮＮａ１羽の）コ］［ＶＰ［Ｖ　　ｂ　　ｉ　　
ｒ　　ｄ（鳥）］］コ、ここで「Ｓ」は「主語」を表し
、ｒＶＰＪは「動詞句」を表し、そして、「ｖ」は「動
詞」を表す。
これらのスピーチ部分の割当は間違ってはいないが、極
めて起りそうもないことである。
文ｒＩ　　ｓｅｅ　　ａ　　ｂｉｒｄ（私は鳥を見る）
」をもう１度考える０問題は語命及び文脈の確率（これ
ら両者はＴａｇｇｅｄ　　ＢｒｏｗｎＣｏｕｐｓｕから
評価される）を最適化するワードに対するスピーチ部分
の割当を見つけることである。語りの確率は次の頻度か
ら評価される（ＰＰＳＳ＝単数名詞、ＮＰ＝固有名詞、
ｖｐ＝動詞、ＵＨ＝間投詞、ＩＮ＝前置詞、ＡＴ＝冠詞
、ＮＮ＝名詞）： ワード　　　　　　スピーチ部分 語命の確率は明白な方法で評価される。例えば、「Ｉ（
私）」が代名詞である確率、Ｐｒｏｂ（ＰＰＳＳ　ｌ　
　ｒＩ　（私）」）は頻度（ＰＰＳＳｒＩ　（私）」）
／頻度（「私Ｊ）即ち５８３７１５８３８と評価される
。ｒｓｅｅ（見る）」が動詞である確率は７７１／７７
２であると評価される。他の語命の確率の評価は同一パ
ターンに従う。
文脈の確率、続く２つのスピーチ部分ＹとＺを与えられ
たスピーチ部分Ｘを見る確率は２グラムスピーチ部分の
頻度ＹＺで３グラムスピーチ部分の頻度ｘＹＺを割るこ
とによって評価される。
従って、例えば、冠詞及び名詞の前に動詞を見る確率は
頻度（ＶＢ、ＡＴ、ＮＮ）に対する頻度（ＡＴ、ＮＮ）
の比即ち３４１２１５３０９１＝０．０６４と評価され
る。同一の文脈において名詞を見る確率は頻度（ＮＮ、
ＡＴ、ＮＮ）に対する５３０９１の比、即ち、６２９１
５３０９１＝０．０１と評価される。他の文脈の確率の
評価は同一パターンに従う。
諸費の確率と文脈の確率の積を最適化するワードに対す
るスピーチ部分タグの割当を見つけるために研究がなさ
れている。概念的には、この研究により入力ワードに対
するスピーチ部分のあらゆる可能な割当が列挙される。
この場合、４つの入力ワードがあるがその３つはあいま
いな２つの方法であり入力ワードに対するスピーチ部分
の一組２ψ２”　２”　　１＝８個の可能な割当を次の
ごとく発生する： Ｉ　　　ｓｅｅ　　　ａ　　　ｂｉｒｄＰＰＳＳ　　Ｖ
Ｂ　　　ＡＴ　　　ＮＮＰＰ５Ｓ　　ＶＢ　　　ＩＮ　
　　ＮＮＰＰ５Ｓ　　ＵＨＡＴ　　　ＮＮ ＰＰ！１ｌｔｓ　　ＯＨＩＮ　　　ＮＮＮＰ　　　ＶＢ
　　　ＡＴ　　　ＮＮ ＮＰ　　　ＶＢ　　　ＩＮ　　　ＮＮ ＨＰ　　　ＯＨＡＴ　　　ＮＮ ＮＰ　　　ＯＨＩＮ　　　ＮＮ この８個の文の各々は次に語命の確率と文脈の確率の積
により値を付けられ、そして、最良のシーケンスが選択
される。この場合、第１のシーケンスが抜群である。
実際、この値付は機能は２つ以上のワードを続けて見る
ことができないので、全ての可能な割当を列挙すること
は必要ではない、換言すれば、スピーチ部分のシーケン
スを列挙する方法では、ある場合には恐らく、あるシー
ケンスは他のシーケンスと競争できず、従って、放棄さ
れる。この事実のために、０（ｎ）の通路のみが列挙さ
れる。
この最適化を以下に例で示す： まずｒｂｔｒｄ（鳥）」に対するスピーチ部分の全ての
割当を見付け、そして、その部分的なシーケンスに値を
付ける。今後、全ての値は対数確率として解釈されるべ
きである。
（−４，８４８０７２ｒＮＮＪ） 「ａ（１羽）」に対するスピーチ部分の全ての割合を見
付けて値を付ける。この点では、２つの通路が存在する
、即ち、 （−７，４４５３９４５ｒＡＴＪ　　ｒＮＮＪ　）（−
１５，０１９５７ｒＩＮＪ　　ｒＮＮＪ）次に「５ｅｅ
（見る）」の割当を見付けて値を付ける。この点では、
通路の数は依然として対数的に増大しているように思わ
れる。
（−１０，１９１４″ＶＢ”ＡＴ″”ＮＮ″）（−１８
，５４３１８”ＶＢ″”Ｉ　Ｎ”Ｎ　Ｎ”　）（−２９
，９７４１４２”ＵＨ″”ＡＴ””ＮＮ”）（−３６，
５３２９９”　　ＵＨ”’ＩＮ”ＮＮ”）次に「工（私
）は」の割当を見付けて値を付けるゆ尚、「ａ（１羽）
」はフランス語の前Ｍ詞ＩＮであると仮定することはも
はや必要ではない。それは、４つの全ての通路、即ち、
ＰＰ５ＳＶＢ　　ＩＮ　　ＮＮ、ＮＮ　　ＶＢ　　ＩＮ
　　ＮＮ、ＰＰ５Ｓ　　ＵＨＩＮ　　ＮＮ及びＮＰ　　
ＵＨＩＮ　　ＮＮは何らかの他の通路よりもよく記録す
ることができず、相対値を任意の追加入力が変え得る方
法は存在しないからである。特に、通路ＰＰ５Ｓ　　Ｖ
Ｂ　　ＩＮ　　ＮＮは通路ＰＰ５Ｓ　　ＶＢＡＴ　　Ｎ
Ｎよりも低い値を付け、そして、追加入力はＰＰ５Ｓ　
　ＶＢ　　ＩＮ　　ＮＮを助けない。
これは文脈の値付は機能がスピーチの３つの部分の有限
の窓を有しているからであり、そして、それは現存のＰ
Ｐ５Ｓ及びＶＢの反対側をみるには充分ではないからで
ある。
（−１２，ｌ１１２７５８１”ＰＰ５Ｓ″”ＶＢ″”Ａ
Ｔ”ＮＮ″）（−２４，１７７２４２″ＭＰ″″ｖ日″
”ＡＴ″”ＮＮ″）（−３５，１３Ｇ７４５８”ＰＰ５
Ｓ″″０１（”ＡＴ’″ＮＮ”）゛（〜４４．３３９４
３″ＮＰ”ＵＨ”’ＡＴ”’ＮＮ）研究では、範囲外の
ワードに関する空白のスピーチ部分を仮定してもう２つ
の繰り返しを続行する。
（−１３，２ｆｌ１２３３３　空白″ＰｐＳＳ”ＶＢ’
″’ＡＴ”ＮＮ″）（−２８，５１９８”空白″ＮＰ″
′？′ＶＢ″”ＡＴ””ＮＮ”）最後に、結果はＰＰ５
Ｓ　　ＶＢ　　ＡＴ　　ＮＮである。
（−１３，２Ｂ２３３３　ｂｌａｎｋ　ｂｌａｎｋ″Ｐ
Ｐ５Ｓ″”ＶＢ””ＡＴ”ＮＮ”）幾分更に面白い例は
Ｃａｎ　　ｔｈｅｙ　　ｃａｎｃａｎｓ、（かれらは水
飲みコツプをかん詰めにできるか）であり、 ｃａｎｓ　（水飲みコツプ）は （−５，４５６８４５ｒＮＮｓＪ　）、ここでｒＮＮＳ
Ｊは「纜数名詞」を表す。
ｃａｎ　（かん詰めにする）は （−１２−８０３２８８″ＮＮ”’ＮＮＳ″）（−１５
，９３５４７１”ＶＢ″”ＮＮＳ”）（−１５，９４［
１７３９”ＭＤ″”ＮＮＳ″）ここでｒ　Ｍ　Ｄ　Ｊは
「典型的な助動詞」を表す。
ｔｈｅｙ（彼等）は （−１８，０２８１８”ＰＰ５ＳＶＢＭＯ″″ＮＮＳ”
）（−１８，７７１１９３４”ＰＰ５Ｓ″”ＶＢ””Ｎ
ＮＳ”）（−２１，４１１８３６″ＰＰ５Ｓ″″ＮＮ″
”ＮＮＳ″）ＡＭ （−２１，７８８５５４”ＭＤ″”ＰＰ５Ｓ″′″’Ｖ
Ｂ””ＮＮＳ”）（−２８，４５４８５１″ＮＮ”ＰＰ
５Ｓ”ＭＤ″”ＮＮＳ″）（−２８，３０８５７２”Ｖ
Ｂ”ＰＰ５Ｓ″”ＭＤ″″’ＮＮＳ″）（−２１，９３
２１３７空白″ＭＯ″″ＰＰ５Ｓ″″ＶＢ″”ＮＮＳ”
）（−３０，１７０４５２空白″ＶＢ”ＰＰ５Ｓ”’Ｍ
Ｄ″″ＮＮＳ”）（−３１，４５３７８５空白″ＮＮ″
″ＰＰ５Ｓ″”Ｍａｌ″”ＮＮＳ”）そして結果はＣａ
ｎ／ＭＤ　ｔｈｅｙ／ＰＰＪＳ　ｃａｎ／ＶＢ　ｃａｎ
ｓ／’１４ＮＳである。
確率を最適化するΦ・・この方法の他の詳細については
、表Ａを参照。
この説明はブロック１４の動作の説明によって動作の説
明を完結する。
ブロック１５で発生する利用の例としては、表示は概念
的に最も簡単ではあるが、特に、人間のオペレータを持
つ相互作用方式では依然として実際的である。第３図と
第４図の説明では以下に更に精巧な例を与える。しかし
ながら、先ず、もう１つのツールを説明することが望ま
しい、このツールは本方法の拡張を用いる名詞句の解剖
である。
同様な確率論的な方法は非常に高い精度で単一名詞句を
突き止めるように適用されてきた。ここに提案された方
法は先行解剖の確率論的な類似物である。どの２つのカ
テゴリー（終り又は弁路り）の間に開き又は閉じかっこ
を挿入すべきかどうかを述べる表を先行解剖が利用する
ということを思い出してみる。ここに提案された方法は
スピーチの全ての対の部分の間に閉じたかっこ及び開い
たかっこの確率を与える表を利用している。サンプルは
スピーチの５つの部分ＡＴ、（冠詞）、ＮＮ（単数名詞
）、ＮＮＳ　（非単数名詞）、ＶＢ（無語尾変化動詞）
、ＩＮ（前置詞）について以下に示しである。これらの
確率はＢｒｏｗｎＣｏ　ｒｐｕｓから選択された割線材
料の約４ｏ　、ｏｏｏ語から評価された。この割線材料
は面倒な半自動手段により名詞句（複ａ）に解剖された
。
第１のワードと第２のワードの間に名詞句を開始する確
率 第２のワード 第１とワードと第２のワードの間で名詞句を終らせる確
率 第２のワード 確率論的な解剖部は入力としてスピーチの一連の部分を
与えられ、そして、名詞句の始めと終りに対応するかっ
こを挿入するよう要求される。概念的には、解剖部は入
力の全ての可能な解剖を列挙し、そして、先行確率によ
りそれらの各々に値を付ける。例えば、入力シーケンス
：ＮＮ　　ＶＢを考える。このシーケンスにかっこを付
けるには次の５つの可能な方法がある（帰納は考えない
）： 、ＮＮ　　　ＶＢ 、　　［ＮＮ］　　ＶＢ 、　　［ＮＮ　　　ＶＢ］ 、　　［ＮＮ］　　［ＶＢ］ 、ＮＮ　　　［ＶＢ］ これらの解剖の各々は６個の先行確率を掛けることによ
り値をつけられる。開いた／閉じたかっこの確率は（Ｎ
Ｎの前、ＮＮの後又はＶＢの後の）３つの位置のどれに
も現れる（又は現れない）、最高の値をもつ解剖は出力
として戻される。
この方法はこの方法が如何に簡単であるかを考慮すると
極めて具合よく行われるが、かっこの数を過小評価し、
そして、２つの名詞句を一緒にしてしまう何らかの傾向
がある。
第２図で記載したように、名詞句の解剖はその入力とし
て第１図のスピーチ部分の割当からの出力をとる。しか
しながら、それはスピーチ部分の他のどの割当技術の結
果を使用することもてきる。
いずれの場合にも、ブロック２２では、全ての可能な名
桐句の境界が割当られる。ブロック２３では、弁封の境
界が取り除かれる。各文ごとに、これらはこの文の始め
の所にある終りの境界と、この文の終りのところの開始
の境界を（空白部分を含む）有する。
ブロック２４の処理は名詞句の境界の各々の筋の通った
割当に関する確率の木の創作を含む。
最高の確率の割当は、ブロック２５で示したように、後
での処理、例えば、結果の利用のために保持される。
次に本発明の更に特定した利用を述べる。スピーチ部分
のタグ付けはスピーチ合成、スピーチ認識、スペル訂正
、校正、質問の応答、機械翻訳及び大きなテキストデー
タベースの調査（例えばパテント、新聞）を含む多くの
領域における潜在的な利用の場合の重要な実際問題であ
る０本発明者は、明らかに１発音はスピーチ部分に時々
依存する特にスピーチ合成の用途に興味を持っている。
そして、発音がスピーチ部分に依存する次の３つの例を
考えてみる。
第１に、”ｗｉｎｄ（風）”のような言葉が存在する。
この場合、この名詞は動詞とは異なる母音を有している
。即ち、名詞ｒｗｉ’ｎｄ（風）」はｒｔｈｅ　　ｗｉ
ｎｄ　　ｉｓ　　ｓｔｒｏｎｇ（風が強い）」の場合の
ように短い母音を有している。一方、動詞ｒｗｉｎｄ（
巻く）」はｒＤ。
ｎｏｔ　　ｆｏｒｇｅｔ　　ｔｏ　　ｗｉｎｄ　　ｙｏ
ｕｒ　　ｗａｔｃｈ（時計のねじを巻くのを忘れるな）
」の場合にように長い母音を有している。
第２に、発音ｒｔｈａｔ４にはｒＤｉｄ　　ｙ。
ｕ　　ｓｅｅ　　ＴＨＡＴ（それを見たか）？」の場合
のように強制が置かれ、これは、ｒＩｔ　　ｉｓａ　　
ｓｈａｍｅ　　ｔｈａｔ　　ｈｅ　　ｉｓ　　ｌｅａｗ
ｉｎｇ（彼が行ってしまうのは残念だ）」の場合のよう
に補足間ｒｔｈａｔＪとは異なっている。
第３に、ｒｏｉｌｙ　　ＦＬＵＩＤ　（油性流体）」と
ｒＴＲＡＮｓＭＩｓｓＩＯＮ　　ｆｌｕｉ’ｄ　（伝送
流体）」との差に注意する。概して、ｒｏｉｌｙ　　Ｆ
ＬｔＪＩＤＪのような形容詞−名詞のシーケンスは一般
的には右側に強勢が置かれるが、ｒＴＲＡＮｓＭＩｓｓ
ＩＯＮ　　ｆｌｕｉｄＪのような名詞−名詞のシーケン
スは一般的には左側に強勢が置かれる。これは例えば、
１９８４年ロンドンのＪｅｏｒｇｅ　　Ａ１１ｅｎ　　
＆　　Ｕｎｒｏｉｎ発行のＥｎｇｌｉｓｈ　　Ｗｏｒｄ
　　Ｓ±ｒｅｓｓにおいてＥｒ１ｋ　　Ｆｕｄｇｅによ
り述べられている。これらは合成装置が正確なスピーチ
部分情報を利用した場合にはより自然に響くと思われる
多くの構成の内のわずか３つのものである。
第３図では、スピーチ部分タグ性は部３１は第１図の方
法を使用するコンピュータである０名詞句解剖部３２は
第２図の方法を使用するコンピュータである。
スピーチ部分タグ性は部３１と名詞句解剖部３２の出力
は統語論解析機で利用されてＣ，Ｈ。
Ｃｏｋｅｒ外に発行された米国特許代３．７０４．３４
５号の第１図の絶対強勢信号発生器１８に入力信号を提
供する。
現在説明されている規則の例としては、名詞句について
の規則を述べる、Ｆｕｄｇｅの木のページ１４４〜１４
９の付録５．１を注意されたし。
他の点では、第３図の実施例の動作はＣｏｋｅｒの特許
の第１図の実施例に似ている。
同様に、第４図の実施例では、スピーチ部分タグ性は部
４１は第１図に説明したように機能し、そして１名詞句
解剖部４２は第２図において記載したように機能する。
その場合、名詞句及びスピーチ部分情報はテキスト編集
システム４３で利用されるが、このシステム４３はＦ、
Ｒ，Ｌａｎｇｅ外に与えられた米国特許第４，６７４，
０６５号で記載された種類のものである。特に、スピー
チ部分タグ性は部４１と名詞句解剖部４２はその中に編
集表示を発生するのを助けるためにＬａｎｇｅ外の特許
における「スピーチ部分」部３３に対する置換物を与え
る。これに固有の精度のため第１図及び第２図の本発明
の方法は従来技術の場合よりも更に有用な編集表示を発
生するはずである。
あるいは又、テキスト編集システム４３は１９８１年２
月Ｂｅ１ｌ　　Ｔｅ１ｅｐｈｏｎｅ　　Ｌａｂｏｒａｔ
ｏｒｉｅｓ、Ｉｎｃｏｒｐｏｒａｔｅｄ発行のＣｏｍｐ
ｕｔｅｒ　　５ｃｉｅｎｃｅ　　工ｅｃｈｎｉｃａｌ　
　Ｒｅｐｏｒｔ、Ｎｏ、９１Ｌ、Ｌ、Ｃｈｅｒｒｙ外に
よるｒＷｒｉｔｔｎｇＴｏｏｌｓ−Ｔｈｅ　　５ＴＹＬ
Ｅ　　＆　　Ｄｉｃｔｉｏｎ　　ＰｒｏｇｒａｍｓＪに
記載されたＷｒｉｔｅｒ’ｓ　　Ｗｏｒｋｂｅｎｃｈ商
標システムであってもよい０本発明の方法はその中にお
いてｒＰＡＲＡＴｓＪと示した方法の置換となろう。
明らかに、本発明の種々の変形は本発明の意図及び範囲
から逸脱せずに成し得る。
例えば、Ｆｕｄｇｅの本の強勢規則を実施する１つの方
法はＣａｍｂ　ｒ　ｔ　ｄｇｅのＣａｍｂｒｉｄｇｅ　
　Ｕｎｉｖｅｒｓｉｔｙ　　Ｐｒｅｓｓによる本、Ｆｒ
ｏｍ　　Ｔｅ５ｔ　　ｔｏ　　５ｐｅａｃｈ：Ｔｈｅ　
　ＭＩＴ　　Ｔａ１ｋ　　Ｓｙｓｔｅｍ（１９８７）に
おいてＪｏｎａｔｈａｎ　　Ａ１１ｅｎ外により、特に
、第１０章、ｒＴｈｅ　　Ｆｕｎｄａｍｅｎｔａｌ　　
ＦｒｅｑｕｅｎｃｙＧｅｎｅｒａｔｏｒＪで開示された
アルゴリズムによるものであろう。
更に、語彙の確率は平滑化により改善することができる
確率のみではない。文脈の頻度もまたＺｉ　ｐｆの法則
に従うように見える。即ち、スピーチの３つの部分の全
てのシーケンスよりなる組の場合、対数紙におけるその
ランクに対してシーケンスの頻度をプロットしたとき、
古典的な線形関係及びほとんど−１の勾配を観察した。
明らかに、平滑技術は文脈頻度の代替物にも充分応用で
きる。同じことは又名詞句の解剖の場合に使用される先
行確率についても云える。
本発明の技術はスピーチ認識のような他の用途にも関連
を有する。スピーチ部分の文脈確率は認識することがで
きる話し言葉の場合に恐らくより良い選択が可能となろ
う。
本発明の技術はＣ，Ｗ、Ｔｏｍｐｓｏｎ外に対して１９
８７年４月１８日に発行された米国特許部４，６８８，
１９４号に開示されたデータベースに呼び掛けるシステ
ムにおいて記載されたスピーチ部分のタグ付きの直接の
代りとなり得る。
本発明の他の変形例及び応用例も又本発明の意図及び範
囲内にある。
表　　　　Ａ フオームのファイルを入力 （ＷＯｒｄ＞＜ｐｏｓ＞＜Ｉｅｘ−ｐｒｏｂ＞＜ｐｏｓ
＞＜１ｅｘ−ｐｒｏｂ）（ｐｏｓ＞＜Ｉ　ｅｘ−ｐｒｏ
ｂ）・Φ・ （ＷＯｒｄ）（ｐｏｓ）ｃｌｅＸ−ｐｒｏｂｘｐＱＳ）
（ｌｅｘ−ｐｒｏｂ）（ｐｏｓ）（Ｉｅｘ−ｐｒｏｂ）
拳・・ ｃｗｏｒｄ＞＜ｐｏＳ＞＜ｌ　Ｃｘ−ｐｒｏ　ｌ）＞＜
ｐｏｓ＞＜Ｉｅｘ−ｐｒｏｂ＞＜ｐｏｓ＞＜１ｅｘ−ｐ
ｒｏｂ）・・・ （ＷＯｒｄ）（ｐｕｓ）（ｌｅＸ−ｐｒｏｂ）（ｐＯｓ
）（ｌｅＸ−ｐｒｏｂ）＜ｐＯｓ）（ｌｅｘ−ｐｒｏｂ
）＋１・− 各ワードは文中のワード（トークン）に（逆の順序で）
対応する。りｐｏｓ＞と（ｌｅＸ−１）ｒＯｂ）はスピ
ーチと語仝の確率の一部である。
スピーチ部分の最良のシーケンスを出力ｎｅｗ−ａｃｔ
ｉｖｅ−ｐａＬｈｓニー（）　　：非通路の組通路は一
連のスピーチ部分とスコアの記録てある。変数の旧−ａ
ｃｔｉｖｅ−ｐａｔｈは一組の１通路まで初期化され、
この通路は一連の非スピーチ部分と■Ｄの確率値を含む
。
ｏｌｄ−ａｃｔｉｖｅ−ｐａｔｈｓニー（くｐａｔｈｓ
：　［１，５ｃｏｒｅ：１．０））　：　１通路の組 入カニ １ｉｎｅ：＝ｒｅａｄｌｉｎｅ（） ｉｆ（ｌｉｎｅ＝ｅｎｄ−ｏｆ−ｆｉｌｅ）　　ｇｏｔ
ｏ　ｆｉｎｉｓｈｗｏｒｄ：＝ｐｏｐｆｉｅｌｄ（ｌｉ
ｎｅ）ｗｈｉｌｅ（ライン空いてない） ｐｏｓ：＝ｐｏｐｆｉｅｌｄ（ｌｉｎｅ）ｔｅｘ−ｐｒ
ｏｂ：＝ｐｏｐｆｉｅｌｄ（ｌｉｎｅ）ｌｏｏｐ　ｆｏ
ｒ　ｏｌｄ−ｐａｔｈ　ｉｎ　ｏｌｄ−ａｃｔｉｖｅ−
ｐａｔｈｓｏｌｄ−ｐａｔｈｓ：ｍｏｌｄ−ｐａｔｈン
ｐａｒｔｓｏｌｄ　５ｃｏｒｅニーｏｌｄ−ｐａｔｈ）
ｓｃｏｒｅｎｅｗ−ｐａ　ｒｔｓ　：　＝ｃｏｎｃａ　
１ｏｎａ　ｉ　ｃ　（ｏ　Ｉｄ−ｐａ　ｔｈｓ　。
ｐｏｓ） ｎｅｗ　５ｃｏｒｅニー１ｅｘ−ｐｒｏｂ寡ｏ１ｄ　ｓ
ｃｏｒｅｔｃｏｎｔｅｘｔｕａｊｐｒｏｂ （ｎｅｗ−ｐａｔｈｓ） ｎｅｗ　　ｐａｔｈ：ａｗａｋｅ−ｒｅｃｏｒｄ（ｎｅ
ｗ−ｐａｒｔｓ。
ｎｅｗ−ｓｃｏｒｅ） ｉｆ（ｎｅｗ−ｓｃｏｒｅ）ｓｃｏｒｅ　ｏｆ　ｐａｔ
ｈｓ　　ｉｎｎｅｗ−ａｃｔｉｖｅ−ｐａｔｈｓ　ｗｉ
ｔｈ　ｔｈｅ　５ａｓｅｌａｓｔ　ｔｗｏ　ｐａｒｔｓ
　ｏｆ　ｓｐｅｅｃｈ）ｎｅｗ−ａｃｔｉｖｅ−ｐａｔ
ｈｓ：＊ａｄｄ　ｎｅｗ−ｐａｔｈしｏ　　ｎｅｗ−ａ
ｃｔｉｖｅ−ｐａｔｈｓｏｌｄ−ａｃｔｉｖｅ−ｐａｔ
ｈｓ：＝ｎｅｗ−ａｃｔｉｖｅ−ｐａｔｈｓｎｅｗ−ａ
ｃｔｉｖｅ　ｐａｔｈｓ：ａ（）ｇｏｔｏ　　１ｎｐｕ
ｔ 完成： ｆｉｎｄ　　ｐａｔｈ　　ｉｎ　　ｎｅｗ−ａｃｔｉｖ
ｅ−ｐａｔｈｓ　　ｗｉｔｈ　　ｂｅｓｔｃｏｒｅ ｏｕｔｐｕｔ　　ｐａｔｈ−）ｐａｒｔｓｃｏｎｔｅｘ
ｔｕａｊｐｒｏｂ　（１，、、ｘ　ｙ　ｚｌ）：ｒｅｔ
ｕｒｎ　（ｆｒｅｑ（ｘ　ｙ　ｚ）／ｆｒｅｑ（Ｘ　Ｙ
））入力ファイル： 空白　　空白　　　１．０ 空白　　空白　　　１．０ 鳥　　　　　ＮＮ　　　　　　　１．０１羽　ＡＴ　　
　２３０１３／２３０１９　　ＩＮ　　　６／２３０１
９見ルＶＢ　　　　７７１／７７２　　０Ｈ１／７７２
私は　　Ｉ）ＰＳＳ　　５８：１７１５８３８　　ＮＰ
　　　　１１５８３８空白　　空白　　　１．０ 空白　　空白　　　１．０ 出力ファイル： 空白　空白　　ＮＮ　ＡＴ　ＶＢ　ＰＰ５Ｓ　　空白　
空白Ｔｒａｃｅ　ｏｆ　ｏｌｄ−ａｃｔｉｖｅ−ｐａｔ
ｈｓ：（以後値は対数確率と解釈するものとする）ワー
ド　′°鳥”を処理後、”　ｏｌｄ−ａｃｔｉｖｅ−ｐ
ａｔｈｓ　ｉｓ（く部分：［ＮＮ　　空白　空白］の値
はニー４．８４８０７２））ワード　ｎａｎを処理後ｏ
１＋ｊａｃｔｉｖｅ　−ｐａｔｈｓ　ｉｓ　（（部分：
［ＡＴＮＮ空白空白１の値はニー７．４４５３９４５）
く部分：ＩＮ　ＮＮ空白　空白Ｊの値はニー１５．０１
９５７））ワード”ｓｅｅ　（見る）“の後に （く部分：［ＶＢ　ＡＴ　ＮＮ　　空白　空白１の値は
ニーＩＯ，１９Ｌ４〉 く部分：［ＶＢ　ＩＮ　ＮＮ　　空白　空白１の値はニ
ー１８．５４３１８〉 〈部分：［ＵＨＡＴ　ＮＮ　　空白　空白］の値はニー
２９．９７４１４２〉 （部分：［ＵＩＩ　ＩＮ　ＮＮ空白　空白］の値はニー
３６．５３２９９〉） ワード″１″の後で （く部分：［ＰＰ５Ｓ　ＶＢ　ＡＴ　ＮＮ空白　空白］
の値はニー１２、’１２７５１Ｎ） 〈部分＝［ＮＰ　ＶＢ　ＡＴ　ＮＮ空白　空白Ｊの値は
ニー２４．１１１２４２＞ く部分：［ＰＰ５Ｓ　ＵＨＡＴ　ＮＮ空白　空白］の値
はニー３５．６６７４５８） く部分：［ＮＰ　ＯＨＡＴ　ＮＮ空白　空白１の値はニ
ー４４．３範囲外のワードの空白スピーチ部分を仮定し
て更に２回サーチを鰻返す （く部分＝【空白ＰＰ５Ｓ　ｉ　ＡＴ　ＮＮ空白　空白
］の値はニー１３．２６２３３３） く部分：［空白ＮＮ　ＶＢ　ＡＴ　ＮＮ　　空白　空白
Ｉの値はニー２６．５１９６）） 最後に （＜部分：［空白空白ＰＰ５Ｓ　ＶＢ　ＡＴ　ＮＮ　　
空白　空白１の値はニー１３．２６２３３］〉）
【図面の簡単な説明】
第１図は本発明によるスピーチ部分割当方法の流れ図で
あって、 第２図は本発明による名詞句解剖方法の流れ図であり、 第３図は第１図と第２図の方法を使用するスピーチ合成
装置のブロック線図であり、及び第４図は第１図の方法
を使用するテキスト編集のブロック線図である。 出願人　　アメリカン　テレフォン　アンドテレグラフ
　カムバニー ＦＩＧ、３ ＦＩＯ，Ｉ ＦＩＧ、４

Claims (1)

  1. 【特許請求の範囲】 １、メッセージの記憶された表現を電子的に読み取り、 各ワードがスピーチの特定部分となるべき語彙の確率を
    発生し、及び この主題となるワードに関する語彙の確率に応答すると
    共に少なくとも１つの隣接ワードがスピーチの特定部分
    となる文脈の確率に応答して、主題のワードがスピーチ
    の特定部分となる文脈の確率を選択する段階を有する種
    類のメッセージのワードにスピーチの一部分（スピーチ
    部という）を割当る自動化方法において、 前記語彙の確率を発生する段階は、 特定のワード、文の前後の空間、及び句読点の符号を、
    前記メッセージの非言葉の記録の場合に経験的に決定さ
    れる発生頻度を持つ言葉として表現し、 少なくとも特定のワードに関するスピーチ部分の頻度を
    平滑化する段階を有し、及び 前記文脈の確率を選択する段階は、少なくとも次のワー
    ドを有する近くのワードのスピーチ部分に関する文脈の
    確率を最大にすることを含むことを特徴とするスピーチ
    部分の決定方法。 ２、全ての生じ得る名詞句の境界を割当て、全ての非対
    の境界を除去し、及び 文脈上の名詞句の境界の確率を最適化する段階を更に有
    することを特徴とする請求項１記載の決定方法。 ３、前記最適化段階の結果に依存してワードの強勢を割
    当る段階を有することを更に特徴とする請求項２記載の
    決定方法。 ４、割当られたワードの強勢に応答して前記メッセージ
    に対応するスピーチを合成する手段を更に有することを
    特徴とする請求項３記載の決定方法。 ５、メッセージ内の文脈上の誤りを検出するためにこの
    メッセージ内のワードに関する選択された文脈上の最高
    の確率を使用することを更に特徴とする請求項２記載の
    決定方法。６、メッセージ内で、このメッセージ内の各
    名詞の付近のワードが名詞句の一部となるかどうかを評
    価し、そして、その結果生じる評価を利用する段階を有
    する種類の、適正な確率でスピーチ部分が割当られてい
    る名詞句の始めと終りを決定する自動化方法において、
    全ての有り得る名詞句の境界を割当て、 全ての非対の境界を除去し、及び 文脈上の名詞句の境界の確率を最適化する段階を更に有
    することを特徴とするスピーチ部分の決定方法。 ７、近くのワードのスピーチの部分に関してｎグラム解
    析によりメッセージ内におけるスピーチ部分を割当て、
    そして、この割当段階が、 メッセージの非言葉の記録の場合における経験的に決定
    された発生頻度を持つワードとして特定の非ワードを表
    し、 前記非ワードの異なる使用の文脈上のスピーチ部分の確
    率に関係して特定のスピーチ部分となるべきメッセージ
    内の互いの近くのワードの規格化された最適な文脈の確
    率を計算する段階を有し、この規格化された文脈の確率
    は、空白空間を含む、文の終りにおいて開始することに
    より全て決定される、２グラムスピーチ部分の確率によ
    り割られた、３グラムスピーチ部分の確率であることを
    特徴とする請求項１又は６記載の決定方法。 ８、前記発生する段階はスピーチの特定部分として比較
    的低い発生頻度を持つワードのスピーチ部分の使用につ
    いて辞書を参照することにより頻度を平滑化し、及び 前記選択する段階は、 文脈の確率の語彙の確率の積を決定し、及び同一ワード
    に関する前の積を越える積を保持することを含む、数個
    の可能なスピーチ部分の組み合せに関し前記決定する段
    階を反復する段階を更に有し、 前記文脈の確率の語彙の確率の積を決定する場合に、 前記語彙の確率はスピーチの全ての部分としてのワード
    の発生頻度により割られた、スピーチの特定部分として
    の前記ワードの発生頻度の商として評価され、 前記文脈の確率は２グラム頻度により３グラム頻度を割
    ることにより評価され、この場合、３グラム頻度は２つ
    の続くワードについて既に決定されているスピーチの２
    つの続く部分に対するシーケンスにおけるスピーチのそ
    の特定部分の発生頻度であり、そして、 ２グラム頻度は、次に続くワードについて既に決定され
    ているスピーチの次に続く部分に対するシーケンスにお
    いて次のワードのスピーチの特定部分の発生頻度である
    ことを特徴とする請求項１記載の決定方法。
JP1024794A 1988-02-05 1989-02-04 スピーチ部分の決定方法 Expired - Fee Related JPH0769910B2 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US152,740 1988-02-05
US07/152,740 US5146405A (en) 1988-02-05 1988-02-05 Methods for part-of-speech determination and usage

Publications (2)

Publication Number Publication Date
JPH01224796A true JPH01224796A (ja) 1989-09-07
JPH0769910B2 JPH0769910B2 (ja) 1995-07-31

Family

ID=22544213

Family Applications (1)

Application Number Title Priority Date Filing Date
JP1024794A Expired - Fee Related JPH0769910B2 (ja) 1988-02-05 1989-02-04 スピーチ部分の決定方法

Country Status (9)

Country Link
US (1) US5146405A (ja)
EP (1) EP0327266B1 (ja)
JP (1) JPH0769910B2 (ja)
KR (1) KR970006402B1 (ja)
AU (1) AU617749B2 (ja)
CA (1) CA1301345C (ja)
DE (1) DE68923981T2 (ja)
ES (1) ES2076952T3 (ja)
IN (1) IN175380B (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05289692A (ja) * 1992-02-10 1993-11-05 Internatl Business Mach Corp <Ibm> ワードを予測する会話認識装置用言語生成装置及び方法
JPH07199379A (ja) * 1993-10-18 1995-08-04 Internatl Business Mach Corp <Ibm> 音声記録指標化装置及び方法
US6718303B2 (en) 1998-05-13 2004-04-06 International Business Machines Corporation Apparatus and method for automatically generating punctuation marks in continuous speech recognition

Families Citing this family (192)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5530863A (en) * 1989-05-19 1996-06-25 Fujitsu Limited Programming language processing system with program translation performed by term rewriting with pattern matching
US5157759A (en) * 1990-06-28 1992-10-20 At&T Bell Laboratories Written language parser system
US5418717A (en) * 1990-08-27 1995-05-23 Su; Keh-Yih Multiple score language processing system
JP2764343B2 (ja) * 1990-09-07 1998-06-11 富士通株式会社 節／句境界抽出方式
NL9100849A (nl) * 1991-05-16 1992-12-16 Oce Nederland Bv Werkwijze voor het met behulp van een computersysteem corrigeren van een fout in een, in een natuurlijke taal gestelde zin, alsmede een inrichting geschikt voor het uitvoeren van deze werkwijze.
US5477451A (en) * 1991-07-25 1995-12-19 International Business Machines Corp. Method and system for natural language translation
US5475796A (en) * 1991-12-20 1995-12-12 Nec Corporation Pitch pattern generation apparatus
US5541836A (en) * 1991-12-30 1996-07-30 At&T Corp. Word disambiguation apparatus and methods
US5383120A (en) * 1992-03-02 1995-01-17 General Electric Company Method for tagging collocations in text
US5293584A (en) * 1992-05-21 1994-03-08 International Business Machines Corporation Speech recognition system for natural language translation
JPH06195373A (ja) * 1992-12-24 1994-07-15 Sharp Corp 機械翻訳装置
US5440481A (en) * 1992-10-28 1995-08-08 The United States Of America As Represented By The Secretary Of The Navy System and method for database tomography
JPH0756957A (ja) * 1993-08-03 1995-03-03 Xerox Corp ユーザへの情報提供方法
US5873056A (en) * 1993-10-12 1999-02-16 The Syracuse University Natural language processing system for semantic vector representation which accounts for lexical ambiguity
WO1995010832A1 (en) * 1993-10-15 1995-04-20 At & T Corp. A method for training a system, the resulting apparatus, and method of use thereof
US5510981A (en) * 1993-10-28 1996-04-23 International Business Machines Corporation Language translation apparatus and method using context-based translation models
SE513456C2 (sv) * 1994-05-10 2000-09-18 Telia Ab Metod och anordning vid tal- till textomvandling
US5485372A (en) * 1994-06-01 1996-01-16 Mitsubishi Electric Research Laboratories, Inc. System for underlying spelling recovery
US5537317A (en) * 1994-06-01 1996-07-16 Mitsubishi Electric Research Laboratories Inc. System for correcting grammer based parts on speech probability
US5610812A (en) * 1994-06-24 1997-03-11 Mitsubishi Electric Information Technology Center America, Inc. Contextual tagger utilizing deterministic finite state transducer
US5850561A (en) * 1994-09-23 1998-12-15 Lucent Technologies Inc. Glossary construction tool
US5721938A (en) * 1995-06-07 1998-02-24 Stuckey; Barbara K. Method and device for parsing and analyzing natural language sentences and text
EP0834139A4 (en) * 1995-06-07 1998-08-05 Int Language Engineering Corp COMPUTER-ASSISTED TRANSLATION TOOLS
US6330538B1 (en) 1995-06-13 2001-12-11 British Telecommunications Public Limited Company Phonetic unit duration adjustment for text-to-speech system
US5873660A (en) * 1995-06-19 1999-02-23 Microsoft Corporation Morphological search and replace
US5828991A (en) * 1995-06-30 1998-10-27 The Research Foundation Of The State University Of New York Sentence reconstruction using word ambiguity resolution
US5680628A (en) * 1995-07-19 1997-10-21 Inso Corporation Method and apparatus for automated search and retrieval process
US5794177A (en) * 1995-07-19 1998-08-11 Inso Corporation Method and apparatus for morphological analysis and generation of natural language text
US5721902A (en) * 1995-09-15 1998-02-24 Infonautics Corporation Restricted expansion of query terms using part of speech tagging
US5819260A (en) * 1996-01-22 1998-10-06 Lexis-Nexis Phrase recognition method and apparatus
SG49804A1 (en) * 1996-03-20 1998-06-15 Government Of Singapore Repres Parsing and translating natural language sentences automatically
US5999896A (en) * 1996-06-25 1999-12-07 Microsoft Corporation Method and system for identifying and resolving commonly confused words in a natural language parser
US5878386A (en) * 1996-06-28 1999-03-02 Microsoft Corporation Natural language parser with dictionary-based part-of-speech probabilities
US5802533A (en) * 1996-08-07 1998-09-01 Walker; Randall C. Text processor
US6279017B1 (en) * 1996-08-07 2001-08-21 Randall C. Walker Method and apparatus for displaying text based upon attributes found within the text
US7672829B2 (en) * 1997-03-04 2010-03-02 Hiroshi Ishikura Pivot translation method and system
CA2282711A1 (en) * 1997-03-04 1998-09-11 Hiroshi Ishikura Language analysis system and method
JP2001517815A (ja) * 1997-09-24 2001-10-09 ルノー・アンド・オスピー・スピーチ・プロダクツ・ナームローゼ・ベンノートシャープ 言語認識上の類似発声識別方法及び装置
US6182028B1 (en) 1997-11-07 2001-01-30 Motorola, Inc. Method, device and system for part-of-speech disambiguation
US6260008B1 (en) * 1998-01-08 2001-07-10 Sharp Kabushiki Kaisha Method of and system for disambiguating syntactic word multiples
US6098042A (en) * 1998-01-30 2000-08-01 International Business Machines Corporation Homograph filter for speech synthesis system
GB9806085D0 (en) * 1998-03-23 1998-05-20 Xerox Corp Text summarisation using light syntactic parsing
US6167370A (en) * 1998-09-09 2000-12-26 Invention Machine Corporation Document semantic analysis/selection with knowledge creativity capability utilizing subject-action-object (SAO) structures
US6185524B1 (en) * 1998-12-31 2001-02-06 Lernout & Hauspie Speech Products N.V. Method and apparatus for automatic identification of word boundaries in continuous text and computation of word boundary scores
EP2336899A3 (en) 1999-03-19 2014-11-26 Trados GmbH Workflow management system
DE19942171A1 (de) * 1999-09-03 2001-03-15 Siemens Ag Verfahren zur Satzendebestimmung in der automatischen Sprachverarbeitung
US20060116865A1 (en) 1999-09-17 2006-06-01 Www.Uniscape.Com E-services translation utilizing machine translation and translation memory
AU2621301A (en) * 1999-11-01 2001-05-14 Kurzweil Cyberart Technologies, Inc. Computer generated poetry system
US7050977B1 (en) 1999-11-12 2006-05-23 Phoenix Solutions, Inc. Speech-enabled server for internet website and method
US9076448B2 (en) 1999-11-12 2015-07-07 Nuance Communications, Inc. Distributed real time speech recognition system
US7392185B2 (en) 1999-11-12 2008-06-24 Phoenix Solutions, Inc. Speech based learning/training system using semantic decoding
US7725307B2 (en) 1999-11-12 2010-05-25 Phoenix Solutions, Inc. Query engine for processing voice based queries including semantic decoding
US6633846B1 (en) 1999-11-12 2003-10-14 Phoenix Solutions, Inc. Distributed realtime speech recognition system
US6665640B1 (en) 1999-11-12 2003-12-16 Phoenix Solutions, Inc. Interactive speech based learning/training system formulating search queries based on natural language parsing of recognized user queries
US6615172B1 (en) 1999-11-12 2003-09-02 Phoenix Solutions, Inc. Intelligent query engine for processing voice based queries
US7120574B2 (en) 2000-04-03 2006-10-10 Invention Machine Corporation Synonym extension of search queries with validation
US7962326B2 (en) * 2000-04-20 2011-06-14 Invention Machine Corporation Semantic answering system and method
US6684202B1 (en) * 2000-05-31 2004-01-27 Lexis Nexis Computer-based system and method for finding rules of law in text
US6810375B1 (en) * 2000-05-31 2004-10-26 Hapax Limited Method for segmentation of text
US6941513B2 (en) 2000-06-15 2005-09-06 Cognisphere, Inc. System and method for text structuring and text generation
US6952666B1 (en) * 2000-07-20 2005-10-04 Microsoft Corporation Ranking parser for a natural language processing system
US6728707B1 (en) 2000-08-11 2004-04-27 Attensity Corporation Relational text index creation and searching
US6732098B1 (en) 2000-08-11 2004-05-04 Attensity Corporation Relational text index creation and searching
US6732097B1 (en) 2000-08-11 2004-05-04 Attensity Corporation Relational text index creation and searching
US6741988B1 (en) 2000-08-11 2004-05-25 Attensity Corporation Relational text index creation and searching
US6738765B1 (en) 2000-08-11 2004-05-18 Attensity Corporation Relational text index creation and searching
US7171349B1 (en) 2000-08-11 2007-01-30 Attensity Corporation Relational text index creation and searching
US8272873B1 (en) 2000-10-16 2012-09-25 Progressive Language, Inc. Language learning system
DE10057634C2 (de) * 2000-11-21 2003-01-30 Bosch Gmbh Robert Verfahren zur Verarbeitung von Text in einer Rechnereinheit und Rechnereinheit
US7263488B2 (en) * 2000-12-04 2007-08-28 Microsoft Corporation Method and apparatus for identifying prosodic word boundaries
US6978239B2 (en) * 2000-12-04 2005-12-20 Microsoft Corporation Method and apparatus for speech synthesis without prosody modification
US6910004B2 (en) * 2000-12-19 2005-06-21 Xerox Corporation Method and computer system for part-of-speech tagging of incomplete sentences
US20020129066A1 (en) * 2000-12-28 2002-09-12 Milward David R. Computer implemented method for reformatting logically complex clauses in an electronic text-based document
US6859771B2 (en) * 2001-04-23 2005-02-22 Microsoft Corporation System and method for identifying base noun phrases
WO2002097663A1 (en) * 2001-05-31 2002-12-05 University Of Southern California Integer programming decoder for machine translation
WO2003005166A2 (en) * 2001-07-03 2003-01-16 University Of Southern California A syntax-based statistical translation model
US9009590B2 (en) * 2001-07-31 2015-04-14 Invention Machines Corporation Semantic processor for recognition of cause-effect relations in natural language documents
JP2003242176A (ja) * 2001-12-13 2003-08-29 Sony Corp 情報処理装置および方法、記録媒体、並びにプログラム
US6988063B2 (en) * 2002-02-12 2006-01-17 Sunflare Co., Ltd. System and method for accurate grammar analysis using a part-of-speech tagged (POST) parser and learners' model
AU2003269808A1 (en) 2002-03-26 2004-01-06 University Of Southern California Constructing a translation lexicon from comparable, non-parallel corpora
US20030191645A1 (en) * 2002-04-05 2003-10-09 Guojun Zhou Statistical pronunciation model for text to speech
WO2004003887A2 (en) * 2002-06-28 2004-01-08 Conceptual Speech, Llc Multi-phoneme streamer and knowledge representation speech recognition system and method
US7567902B2 (en) * 2002-09-18 2009-07-28 Nuance Communications, Inc. Generating speech recognition grammars from a large corpus of data
EP1588277A4 (en) * 2002-12-06 2007-04-25 Attensity Corp SYSTEMS AND METHOD FOR PROVIDING A MIXING DATA INTEGRATION SERVICE
US10733976B2 (en) * 2003-03-01 2020-08-04 Robert E. Coifman Method and apparatus for improving the transcription accuracy of speech recognition software
US7496498B2 (en) * 2003-03-24 2009-02-24 Microsoft Corporation Front-end architecture for a multi-lingual text-to-speech system
KR100481598B1 (ko) * 2003-05-26 2005-04-08 한국전자통신연구원 복합 형태소 분석 장치 및 방법
US8548794B2 (en) 2003-07-02 2013-10-01 University Of Southern California Statistical noun phrase translation
US7711545B2 (en) * 2003-07-02 2010-05-04 Language Weaver, Inc. Empirical methods for splitting compound words with application to machine translation
US7475010B2 (en) * 2003-09-03 2009-01-06 Lingospot, Inc. Adaptive and scalable method for resolving natural language ambiguities
US7813916B2 (en) 2003-11-18 2010-10-12 University Of Utah Acquisition and application of contextual role knowledge for coreference resolution
US7983896B2 (en) 2004-03-05 2011-07-19 SDL Language Technology In-context exact (ICE) matching
US20100262621A1 (en) * 2004-03-05 2010-10-14 Russ Ross In-context exact (ice) matching
US7698125B2 (en) * 2004-03-15 2010-04-13 Language Weaver, Inc. Training tree transducers for probabilistic operations
US8296127B2 (en) * 2004-03-23 2012-10-23 University Of Southern California Discovery of parallel text portions in comparable collections of corpora and training using comparable texts
US8666725B2 (en) * 2004-04-16 2014-03-04 University Of Southern California Selection and use of nonstatistical translation components in a statistical machine translation framework
US7664748B2 (en) * 2004-07-12 2010-02-16 John Eric Harrity Systems and methods for changing symbol sequences in documents
GB2417103A (en) * 2004-08-11 2006-02-15 Sdl Plc Natural language translation system
WO2006042321A2 (en) 2004-10-12 2006-04-20 University Of Southern California Training for a text-to-text application which uses string to tree conversion for training and decoding
US20060122834A1 (en) * 2004-12-03 2006-06-08 Bennett Ian M Emotion detection device & method for use in distributed systems
US8886517B2 (en) 2005-06-17 2014-11-11 Language Weaver, Inc. Trust scoring for language translation systems
US8676563B2 (en) 2009-10-01 2014-03-18 Language Weaver, Inc. Providing human-generated and machine-generated trusted translations
US7974833B2 (en) 2005-06-21 2011-07-05 Language Weaver, Inc. Weighted system of expressing language information using a compact notation
JP2007024960A (ja) * 2005-07-12 2007-02-01 Internatl Business Mach Corp <Ibm> システム、プログラムおよび制御方法
US7389222B1 (en) 2005-08-02 2008-06-17 Language Weaver, Inc. Task parallelization in a text-to-text system
US7813918B2 (en) * 2005-08-03 2010-10-12 Language Weaver, Inc. Identifying documents which form translated pairs, within a document collection
JP2007058509A (ja) * 2005-08-24 2007-03-08 Toshiba Corp 言語処理システム
US8700404B1 (en) * 2005-08-27 2014-04-15 At&T Intellectual Property Ii, L.P. System and method for using semantic and syntactic graphs for utterance classification
US7624020B2 (en) * 2005-09-09 2009-11-24 Language Weaver, Inc. Adapter for allowing both online and offline training of a text to text system
US10319252B2 (en) 2005-11-09 2019-06-11 Sdl Inc. Language capability assessment and training apparatus and techniques
US20100280818A1 (en) * 2006-03-03 2010-11-04 Childers Stephen R Key Talk
US8943080B2 (en) 2006-04-07 2015-01-27 University Of Southern California Systems and methods for identifying parallel documents and sentence fragments in multilingual document collections
WO2007129316A2 (en) 2006-05-07 2007-11-15 Varcode Ltd. A system and method for improved quality management in a product logistic chain
US7562811B2 (en) 2007-01-18 2009-07-21 Varcode Ltd. System and method for improved quality management in a product logistic chain
US8886518B1 (en) 2006-08-07 2014-11-11 Language Weaver, Inc. System and method for capitalizing machine translated text
US8521506B2 (en) 2006-09-21 2013-08-27 Sdl Plc Computer-implemented method, computer software and apparatus for use in a translation system
US9235573B2 (en) 2006-10-10 2016-01-12 Abbyy Infopoisk Llc Universal difference measure
US9645993B2 (en) 2006-10-10 2017-05-09 Abbyy Infopoisk Llc Method and system for semantic searching
US9633005B2 (en) 2006-10-10 2017-04-25 Abbyy Infopoisk Llc Exhaustive automatic processing of textual information
US9984071B2 (en) 2006-10-10 2018-05-29 Abbyy Production Llc Language ambiguity detection of text
US8145473B2 (en) 2006-10-10 2012-03-27 Abbyy Software Ltd. Deep model statistics method for machine translation
US8548795B2 (en) * 2006-10-10 2013-10-01 Abbyy Software Ltd. Method for translating documents from one language into another using a database of translations, a terminology dictionary, a translation dictionary, and a machine translation system
US8214199B2 (en) * 2006-10-10 2012-07-03 Abbyy Software, Ltd. Systems for translating sentences between languages using language-independent semantic structures and ratings of syntactic constructions
US9047275B2 (en) 2006-10-10 2015-06-02 Abbyy Infopoisk Llc Methods and systems for alignment of parallel text corpora
US8195447B2 (en) 2006-10-10 2012-06-05 Abbyy Software Ltd. Translating sentences between languages using language-independent semantic structures and ratings of syntactic constructions
US20080086298A1 (en) * 2006-10-10 2008-04-10 Anisimovich Konstantin Method and system for translating sentences between langauges
US8433556B2 (en) 2006-11-02 2013-04-30 University Of Southern California Semi-supervised training for statistical word alignment
US9122674B1 (en) 2006-12-15 2015-09-01 Language Weaver, Inc. Use of annotations in statistical machine translation
CA2675216A1 (en) * 2007-01-10 2008-07-17 Nick Koudas Method and system for information discovery and text analysis
US8468149B1 (en) 2007-01-26 2013-06-18 Language Weaver, Inc. Multi-lingual online community
US8615389B1 (en) 2007-03-16 2013-12-24 Language Weaver, Inc. Generation and exploitation of an approximate language model
US8959011B2 (en) 2007-03-22 2015-02-17 Abbyy Infopoisk Llc Indicating and correcting errors in machine translation systems
US8831928B2 (en) 2007-04-04 2014-09-09 Language Weaver, Inc. Customizable machine translation service
US8528808B2 (en) 2007-05-06 2013-09-10 Varcode Ltd. System and method for quality management utilizing barcode indicators
KR100887726B1 (ko) * 2007-05-28 2009-03-12 엔에이치엔(주) 자동 띄어쓰기 방법 및 그 시스템
US8825466B1 (en) 2007-06-08 2014-09-02 Language Weaver, Inc. Modification of annotated bilingual segment pairs in syntax-based machine translation
US8812296B2 (en) 2007-06-27 2014-08-19 Abbyy Infopoisk Llc Method and system for natural language dictionary generation
CN105045777A (zh) * 2007-08-01 2015-11-11 金格软件有限公司 使用互联网语料库的自动的上下文相关的语言校正和增强
US8595642B1 (en) 2007-10-04 2013-11-26 Great Northern Research, LLC Multiple shell multi faceted graphical user interface
EP2218055B1 (en) 2007-11-14 2014-07-16 Varcode Ltd. A system and method for quality management utilizing barcode indicators
US11704526B2 (en) 2008-06-10 2023-07-18 Varcode Ltd. Barcoded indicators for quality management
US9262409B2 (en) 2008-08-06 2016-02-16 Abbyy Infopoisk Llc Translation of a selected text fragment of a screen
US8190423B2 (en) * 2008-09-05 2012-05-29 Trigent Software Ltd. Word sense disambiguation using emergent categories
GB2468278A (en) * 2009-03-02 2010-09-08 Sdl Plc Computer assisted natural language translation outputs selectable target text associated in bilingual corpus with input target text from partial translation
US9262403B2 (en) 2009-03-02 2016-02-16 Sdl Plc Dynamic generation of auto-suggest dictionary for natural language translation
CN102439590A (zh) * 2009-03-13 2012-05-02 发明机器公司 用于自然语言文本的自动语义标注的系统和方法
US8990064B2 (en) 2009-07-28 2015-03-24 Language Weaver, Inc. Translating documents based on content
US9390161B2 (en) * 2009-09-25 2016-07-12 Shady Shehata Methods and systems for extracting keyphrases from natural text for search engine indexing
US8380486B2 (en) 2009-10-01 2013-02-19 Language Weaver, Inc. Providing machine-generated translations and corresponding trust levels
US20110161073A1 (en) * 2009-12-29 2011-06-30 Dynavox Systems, Llc System and method of disambiguating and selecting dictionary definitions for one or more target words
US20110161067A1 (en) * 2009-12-29 2011-06-30 Dynavox Systems, Llc System and method of using pos tagging for symbol assignment
CA2787390A1 (en) * 2010-02-01 2011-08-04 Ginger Software, Inc. Automatic context sensitive language correction using an internet corpus particularly for small keyboard devices
US10417646B2 (en) 2010-03-09 2019-09-17 Sdl Inc. Predicting the cost associated with translating textual content
US8788260B2 (en) * 2010-05-11 2014-07-22 Microsoft Corporation Generating snippets based on content features
US9128929B2 (en) 2011-01-14 2015-09-08 Sdl Language Technologies Systems and methods for automatically estimating a translation time including preparation time in addition to the translation itself
US11003838B2 (en) 2011-04-18 2021-05-11 Sdl Inc. Systems and methods for monitoring post translation editing
US8694303B2 (en) 2011-06-15 2014-04-08 Language Weaver, Inc. Systems and methods for tuning parameters in statistical machine translation
EP2546760A1 (en) 2011-07-11 2013-01-16 Accenture Global Services Limited Provision of user input in systems for jointly discovering topics and sentiment
US8620837B2 (en) 2011-07-11 2013-12-31 Accenture Global Services Limited Determination of a basis for a new domain model based on a plurality of learned models
US8676730B2 (en) * 2011-07-11 2014-03-18 Accenture Global Services Limited Sentiment classifiers based on feature extraction
US8886515B2 (en) 2011-10-19 2014-11-11 Language Weaver, Inc. Systems and methods for enhancing machine translation post edit review processes
US8942973B2 (en) 2012-03-09 2015-01-27 Language Weaver, Inc. Content page URL translation
US8989485B2 (en) 2012-04-27 2015-03-24 Abbyy Development Llc Detecting a junction in a text line of CJK characters
US8971630B2 (en) 2012-04-27 2015-03-03 Abbyy Development Llc Fast CJK character recognition
US10261994B2 (en) 2012-05-25 2019-04-16 Sdl Inc. Method and system for automatic management of reputation of translators
US9263059B2 (en) 2012-09-28 2016-02-16 International Business Machines Corporation Deep tagging background noises
US8807422B2 (en) 2012-10-22 2014-08-19 Varcode Ltd. Tamper-proof quality management barcode indicators
EP2915068A4 (en) 2012-11-02 2016-08-03 Fido Labs Inc METHOD AND SYSTEM FOR NATURAL LANGUAGE PROCESSING
US9152622B2 (en) 2012-11-26 2015-10-06 Language Weaver, Inc. Personalized machine translation via online adaptation
CN103971684B (zh) * 2013-01-29 2015-12-09 腾讯科技（深圳）有限公司 一种添加标点的方法、系统及其语言模型建立方法、装置
US9811517B2 (en) 2013-01-29 2017-11-07 Tencent Technology (Shenzhen) Company Limited Method and system of adding punctuation and establishing language model using a punctuation weighting applied to chinese speech recognized text
CN104143331B (zh) 2013-05-24 2015-12-09 腾讯科技（深圳）有限公司 一种添加标点的方法和系统
US9311299B1 (en) * 2013-07-31 2016-04-12 Google Inc. Weakly supervised part-of-speech tagging with coupled token and type constraints
US9213694B2 (en) 2013-10-10 2015-12-15 Language Weaver, Inc. Efficient online domain adaptation
DE202013104836U1 (de) 2013-10-29 2014-01-30 Foseco International Limited Speiseraufbau
RU2592395C2 (ru) 2013-12-19 2016-07-20 Общество с ограниченной ответственностью "Аби ИнфоПоиск" Разрешение семантической неоднозначности при помощи статистического анализа
RU2586577C2 (ru) 2014-01-15 2016-06-10 Общество с ограниченной ответственностью "Аби ИнфоПоиск" Фильтрация дуг в синтаксическом графе
US10515138B2 (en) 2014-04-25 2019-12-24 Mayo Foundation For Medical Education And Research Enhancing reading accuracy, efficiency and retention
RU2596600C2 (ru) 2014-09-02 2016-09-10 Общество с ограниченной ответственностью "Аби Девелопмент" Способы и системы обработки изображений математических выражений
US9626358B2 (en) 2014-11-26 2017-04-18 Abbyy Infopoisk Llc Creating ontologies by analyzing natural language texts
CN107615268B (zh) * 2015-03-10 2021-08-24 非对称实验室公司 用于根据词之间的不确定性而对词间隔进行不对称格式化的系统和方法
US9703394B2 (en) * 2015-03-24 2017-07-11 Google Inc. Unlearning techniques for adaptive language models in text entry
JP6649472B2 (ja) 2015-05-18 2020-02-19 バーコード リミティド 活性化可能な品質表示ラベルのための熱変色性インク証印
CN107709946B (zh) 2015-07-07 2022-05-10 发可有限公司 电子质量标志
US10635863B2 (en) 2017-10-30 2020-04-28 Sdl Inc. Fragment recall and adaptive automated translation
US10817676B2 (en) 2017-12-27 2020-10-27 Sdl Inc. Intelligent routing services and systems
US10956670B2 (en) 2018-03-03 2021-03-23 Samurai Labs Sp. Z O.O. System and method for detecting undesirable and potentially harmful online behavior
US10599767B1 (en) 2018-05-31 2020-03-24 The Ultimate Software Group, Inc. System for providing intelligent part of speech processing of complex natural language
US11256867B2 (en) 2018-10-09 2022-02-22 Sdl Inc. Systems and methods of machine learning for digital assets and message creation
RU2721190C1 (ru) 2018-12-25 2020-05-18 Общество с ограниченной ответственностью "Аби Продакшн" Обучение нейронных сетей с использованием функций потерь, отражающих зависимости между соседними токенами
CN111353295A (zh) * 2020-02-27 2020-06-30 广东博智林机器人有限公司 序列标注方法、装置、存储介质及计算机设备
US11594213B2 (en) * 2020-03-03 2023-02-28 Rovi Guides, Inc. Systems and methods for interpreting natural language search queries

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3704345A (en) * 1971-03-19 1972-11-28 Bell Telephone Labor Inc Conversion of printed text into synthetic speech
JPS58175074A (ja) * 1982-04-07 1983-10-14 Toshiba Corp 構文分析方式
US4674065A (en) * 1982-04-30 1987-06-16 International Business Machines Corporation System for detecting and correcting contextual errors in a text processing system
US4456973A (en) * 1982-04-30 1984-06-26 International Business Machines Corporation Automatic text grade level analyzer for a text processing system
US4688195A (en) * 1983-01-28 1987-08-18 Texas Instruments Incorporated Natural-language interface generating system
US4580218A (en) * 1983-09-08 1986-04-01 At&T Bell Laboratories Indexing subject-locating method
US4692941A (en) * 1984-04-10 1987-09-08 First Byte Real-time text-to-speech conversion system
JPS6140672A (ja) * 1984-07-31 1986-02-26 Hitachi Ltd 多品詞解消処理方式

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH05289692A (ja) * 1992-02-10 1993-11-05 Internatl Business Mach Corp <Ibm> ワードを予測する会話認識装置用言語生成装置及び方法
JPH07199379A (ja) * 1993-10-18 1995-08-04 Internatl Business Mach Corp <Ibm> 音声記録指標化装置及び方法
US6718303B2 (en) 1998-05-13 2004-04-06 International Business Machines Corporation Apparatus and method for automatically generating punctuation marks in continuous speech recognition

Also Published As

Publication number Publication date
DE68923981D1 (de) 1995-10-05
EP0327266A2 (en) 1989-08-09
IN175380B (ja) 1995-06-10
KR890013549A (ko) 1989-09-23
CA1301345C (en) 1992-05-19
AU617749B2 (en) 1991-12-05
KR970006402B1 (ko) 1997-04-28
US5146405A (en) 1992-09-08
JPH0769910B2 (ja) 1995-07-31
ES2076952T3 (es) 1995-11-16
AU2899089A (en) 1989-08-10
DE68923981T2 (de) 1996-05-15
EP0327266A3 (en) 1992-01-02
EP0327266B1 (en) 1995-08-30

Similar Documents

Publication Publication Date Title
JPH01224796A (ja) スピーチ部分の決定方法
Longacre Grammar discovery procedures: a field manual
Crompton Syllables and segments in speech production
US5510981A (en) Language translation apparatus and method using context-based translation models
Bird Sparse transcription
Huet Formal structure of Sanskrit text: Requirements analysis for a mechanical Sanskrit processor
Neto et al. The design of a large vocabulary speech corpus for portuguese.
Lin et al. Extracting Chinese Frequent Strings Without Dictionary From a Chinese corpus, its Applications
Alkahtani Building and verifying parallel corpora between Arabic and English
Kathol et al. Speech translation for low-resource languages: the case of Pashto.
Uliniansyah et al. Development of text and speech corpus for an Indonesian speech-to-speech translation system
Thatphithakkul et al. LOTUS-BI: A Thai-English code-mixing speech corpus
Gibbon et al. Spoken Language Characterization
Hammarberg Introduction to the ASU Corpus: a longitudinal oral and written text corpus of adult learner Swedish with a corresponding part from native Swedes. Version 2010-11-16.
Hazem et al. Towards automatic variant analysis of ancient devotional texts
Weber et al. Blackfoot Words: a database of Blackfoot lexical forms
Matsuoka et al. Natural language processing in a Japanese text-to-speech system for written-style texts
Magary Translation technique in the Peshitta of the book of Micah
Baclayon et al. Designing a Context-Based English Synonym Database
Chen et al. Chinese Spelling Check based on Neural Machine Translation
Ghoshal et al. Normalization of shorthand forms in French text messages using word embedding and machine translation
Monaghan et al. Multilingual TTS for computer telephony: The Aculab approach
Mostafavi Kashani Automatic transliteration from Arabic to English and its impact on machine translation
Goetzfridt et al. Language Dictionaries and Grammars of Guam and Micronesia
SAMUEL DESIGNING A STEMMING ALGORITHM FOR KAMBAATA TEXT: A RULE BASED APPROACH