JPH01258069A - 日本語文字列の形態素解析方式 - 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】 〔産業上の利用分野〕 本発明は日本語文字列の形態素解析方式に関する。

〔従来の技術〕

日本語文字列の形態素解析とは、与えられた日本語の文
章、またはその一部分を、それを構成する名詞、動詞、
助詞、助動詞などの構成諸単語に分解することである０
例えば、 “鳥が飛ばない、′という文章を形態素解析すると、（
“鳥”；名詞）、（“が”；主語を表わす助詞）、（“
飛ば″；動詞未然形）、（”ない″；打消の助動詞終止
形）と分解される。また、平仮名文章“とりがとばない
、″の場合は、（″とり″；名詞）、（“が”；主語を
表わす助詞）、（″とば″；動詞未然形）、（“ない”
；打消の助動詞終止形）となり、ローマ字文章の”ｔｏ
ｒｉｇａｔｏｂａｎａｉ、　’の場合は、（１１ｔｏｒ
ｌ　＋ｌ　；名詞）、（“ｇａ”：主語を表わす助詞）
、（１／　ｔＯｂ　ａＩＴ　；動詞未然形）、（１’　
ｎａｉｊｌ　；打消の助動詞終止形）のように分解され
る。

日本語ワードプロセッサーにおける仮名漢字変換処理や
、日英機械翻訳システム、日本語による問合せができる
データベース検索システム等においては、単語ごとに分
ち書きされずに入力された平仮名、またはローマ字、ま
たは漢字仮名混じりの各文字列を、このように文章を構
成する諸単語に分解する必要がある。

例えば、日本語ワードプロセッサーにおける仮名漢字変
換処理においては、単語辞書の見出しと。

単語間の連接可能性判定のために、テーブルを参照しな
がら上述した文章の分解処理を行ない、見出しに対応す
る漢字かな混じり表記をつなげて出力する。また、日英
機械翻訳システムや、日本語による問合せができ゛るデ
ータベース検索システム等においても、単語ごとに分ち
書きをされていない入力日本文がどのような単語から構
成されているかを知るために上記のごとき分解をした後
、構文解析、意味解析等を施し、その後に英語やデータ
ベース検索用の言語に変換する処理を施す、このように
、日本語の形態素解析は、日本語を機械により解析する
プロセスをふくむ言語処理システムにおいて必要不可欠
な処理の１つである。

以下、主として「言語の機械処理」第３章　長尾真他著
（三省堂）、ｐ６１〜ｐ８１を参考として従来方式を述
べる。

従来の形態素解析では、規則動詞の活用変化形も見出し
に含む計算機辞書を検索して、解析を行なっていた。こ
の方式（第１の従来方式）による処理を、文字列が、漢
字仮名混じり表記の日本語文である具体例で示せば、下
記のようになる。

今、文字列が“押して動けば動かそう、″であるとしよ
う。

このとき、文字列の先頭から１文字目のパ押″、２文字
目までの“押し”、３文字目までの“押して″、という
ように切り出してゆき、辞書に記載されているうちで最
も長い“押し”をとって、辞書に記載されたその見出し
に対応する品詞とともに以下のごとく記録する。

（押しく動詞“押す′″の連用形）） 残りの文字列″て動けば動かそう、′に対しても同様の
処理をし、続けて次を切り出す。

（て（格助詞）） ここで、品詞間の連説テーブルよりこの接続は合文法的
できであるとわかる。続けて、残りの文字列動けば動か
そう、″に対しても同様の処理をし１次を切り出す。

（動け（動詞“動く”の仮定形）） 上記と同様の処理を繰返すことにより、最終的にはつど
のような連鎖を得ることができる。

（押し　（動詞“押す”の連用形）） （て　　（格助詞）） （動け　（動詞動く”の仮定形）） （ば　　（格助詞）） （動かそ（動詞“動かす”の未然形） （う　　（助動詞）） 上記分析の途中で、辞書に登録されていない文字列しか
切り出せなくなるか、或いは接続情報から、すべての切
り方が非文法的であることがわかった場合は、失敗とす
る。上記の例では形態素解析は成功している。この方法
には、活用語処理するためには、すべての用言のすべて
の活用形を辞書に網羅的に登録する必要があり、メモリ
ーを多量に消費するという問題点がある。

一方、文字列が、平仮名表記であった場合、同様の処理
でつぎのような連鎖を得ることができる。

（おし　　（動詞“押す″の連用形））（て　　　（格
助詞）） （うごけ　（動詞′動＜″の仮定形））（ば　　　（格
助詞）） （うどかそ（動詞“動かす”の未然形）（う　　　（助
動詞）） 文字列が、ローマ字表記であった場合も同様の処理でつ
ぎのような連鎖を得る。

（ｏｓｉ　　　（動詞“押す″の連用形））（ｔｏ　　
　　（格助詞）） （ｕｇｏｋａ　　（動詞“動＜″の仮定形））（ｂａ　
　　　（格助詞）） （ｕｇｏｋａｓｏ　（動詞動かす″の未然形）（１＋　
　　　（助動詞）） このとき用いる辞書１２０は、例えば図１２のごとき内
容であり、連接テーブル１３０は、図１３のごとくなる
。連接テーブル１３０は、０゜１により、それぞれ対応
する行の品詞しこ＼対応する列の品詞が接続不能か可能
かを表わしている。

漢字仮名混じり文に対応するための、第２の従来方式と
しては、辞書見出しに漢字とローマ字を用いて、用言は
母音、子音単位での発音上の語幹を登録する１例えば“
動く′については見出しは″′動ｋ　ＩＩとなる。そし
て、′″動ｋＩＴの活用パターンは活用語尾情報として
分類記載する。

この方法の概略は、まず、入力文字列の平仮名をローマ
字化し、パ動ｋｅｂａ”の解析途中で“動ｋＩｔが切り
出されたときは、「活用語尾テーブル」を参照して次の
１１　ｅＩＩを仮定形語尾とみなし、以下に続く“ｂａ
”″との連接が合文法的かどうか「活用話尾に含む品詞
間接続テーブル」を用いてでチエツクするというような
ものである。

前述した第１の従来方式で引用したのと同じ漢字かな混
じり文字列に対して上記第２の方式を適用すると、解析
結果は次のようになる。

（押ｓｉ（動詞“押す′の連用形）） （ｔｅ（格助詞）） （動ｋｅ（動詞“動く”の仮定形）） （ｂａ　　　　（格助詞）） （動ｋａｇ　ｏ　（動詞“動かす”の未然形）（ｕ　　
　　（助動詞）） また、第１の方式と同じ平板名文字列、およびローマ字
文字列に対して適用すると１次のような解析結果を得る
ことができる。

（ｏｓｉ（動詞“押す″の連用形）） （ｔｓ　　　　（格助詞）） （ｕｇｏｋ　　ｅ　（動詞動＜″の仮定形））（ｂａ　
　　　（格助詞）） （ｕｇｏｋａｓ　ｏ（動詞“動かす”の未然形）（ｕ　
　　　（助動詞）） このとき用いる辞書１４０は、例えば第１４図のごとき
内容であり、連接テーブル１５０は、第１５図のごとく
なる。連接テーブル１５０は、０゜１により、それぞれ
対応する行の品詞に、対応する列の品詞が接続不能か否
かをあられしている。

この第２の方式によれば、辞書の見出し数を低減できる
代わりに、処理効率が大幅に低下するという問題点があ
る。つまり、解析中に用言の活用形に出合う毎に、用言
語幹と語尾の接続チエツク、語尾と他の品詞の接続チエ
ツクというように、必要な計算処理が倍化してくる。

〔発明が解決しようとする課題〕

動詞、助動詞などからなる動詞句の処理は、仮名漢字変
換における。一つの困難な部分であると同時に、日英翻
訳においても、構文解析、意味解析等の処理において重
要な部分である。しかしながら、上述した従来の日本語
文形ｍ索解析処理方式によれば、用言活用形の処理にお
いて、辞書のメモリスペースを大量に使用するという犠
牲を払って計算処理効率を改善するか、計算時間を大量
にかけるという犠牲を払って辞書のメモリスペースを縮
小するかというトレードオフの問題が生ずる。その為、
小型のワードプロセッサー、超小型の日英翻訳機等の日
本文処理応用器具においては。

辞書見出し語数を少なくするとか、処理速度を低くする
などの性能低下を強いられてきた。

本発明の目的は、メモリ使用量の低減を実現しつつ、同
時に解析処理効率も向上できるようにした形態素解析方
式を提供することにある。

〔課題を解決するための手段〕

上記目的を解決するために、本発明では、動詞などの用
言の見出しとしてその終止形の一部分のみ用い、上記用
言の活用部分は、他の特定の形態素との融合形にして登
録した辞書と、上記用言の終止形の一部分、および、上
記用言の活用部分と他の特定の形態素の融合形とを含む
拡張された形ｓｌＲ間の連接可能性判定テーブルを用い
ることを特徴とする。

〔作用〕

本発明によれば、動詞などの用言の見出しとして、その
終止形の一部分のみ用い、その活用部分は、他の特定の
形態素との融合形にして登録した辞書を用いることによ
り、見出し語の数を減らし。

メモリ使用量の低減が実現できる。また、上記用言の終
止形の一部分および、上記用言の活用部分と他の特定の
形ｊ！！素の融合形を含む拡張された形態素間の連接テ
ーブルを用いることにより、効率の良い用言活用部の解
析が実現できる。

〔実施例〕

以下１木刀式による形態素解析の１実施例として、仮名
漢字変換への応用例を図面を参照して説明する。

第１図は、本発明方式による日本語形態素解析方式を適
用した日本語仮名漢字変換装置の１実施例をしめずブロ
ック図である。第１図において。

１は文字列入力装置（例えばキーボード）であり、入力
された文字列は入力文字列エリアへ書き込まれる０本実
施例では、上記文字列は、ローマ字入力されるものと仮
定する。２はＣＰＵであり、第１図の各ブロック間のデ
ータ転送等を第４図に示すフローチャート従って制御す
る。３は単語辞書であり、動詞等の用言が、その終止形
の一部、または各活用形に展開したものをローマ字表記
して見出しとし、各見出しに対して、その漢字ローマ字
混じりの出力表記および品詞コードが格納されている。

単語辞書３は、第２図に示す如く、見出し３１と、漢字
ローマ字混じり出力表記３２と。

品詞コード３３とを含む、この辞書はＩＣメモリ。

磁気ディスク、磁気テープ等に格納されている。

４は連接テーブルであり、連接判定ルーチンとあわせて
、後で説明する。５は表示装置であり、入力文字列の確
認、および変換結果の表示に用いる。

６は上記入力されたローマ字文字列を記憶するための入
力文字列エリア、７は上記入力されたローマ字文字列の
文字数を記憶するためのエリア、８は次回位置候補エリ
アであり、入力文字列エリアの仮名文字列のどの位置か
ら、部分文字列抽出ルーチン１４による部分文字列切り
出しと辞書検索を行うかをしめず複数個の値を記憶する
。次回位置候補エリア８の初期値は、入力文字列の先頭
をしめす“１”のみであるが、連接判定ルーチン１５等
が動作すると、それにより決定された新しい次回位置が
追加される。

１４は部分文字列抽出ルーチンであり、次回位置候補エ
リア８に記憶された位置から、１字目まで、２字目まで
、・・・・・・と、順次切り出しを続け、文末にいたっ
たら、切り出しの処理は終了する。

この場所から切りだして得られる、辞書見出しにある部
分文字列すべてを得る。これらの部分文字列に対し、そ
れぞれに対応して辞書に記載された出力表記２品詞コー
ド、および、先頭位置として上記位置をとり１部分文字
列後尾の直後の文字の位置を次回位置とする。これら４
つの組は抽出結果格納エリア９へ記憶される。１５は連
接判定ルーチンであり、抽出結果格納エリア９に格納さ
れている上記４つ組をひとつずつ取り出し、出力部分文
字列候補エリア１０に格納されている既に連接判定処理
の終った各４つ組との間の連接可能性を、両組の品詞コ
ードと次回位置等を用いて判定する。４つ組同士の連接
可能性判定は次のように行なう、すなわち、連接テーブ
ル４により、第１の４つ組の品詞コードに第２の４つ組
の品詞コードが連接可能であり、かつ、第２の組の先頭
位置が第１の組の次回位置と一致すれば、第２の組は第
１の組に連接可能である。抽出結果格納エリア９の４つ
組で、出力部分文字列候補エリア１０に格納されている
どれかの組に連接可能なものは。

出力部分文字列候補エリア１０に格納し、その新たに格
納された４つ組中の次回位置を次回位置候補エリア８に
書き込む。

１１は第１ワークエリアであり、連接判定ルーチンの動
作中、出力部分文字列候補エリア１０に格納されている
どれかの組に連接可能とわかった抽出結果格納エリア９
の４つ組を、−時記憶しておくのに用いる。初期状態で
は、すでに連接判定処理の終わった４つ組はないので１
部分文字列抽出ルーチンによって得られるすべての４つ
組を書き込む、二つの品詞コードの連接可能性判定は、
連接テーブル４を用いておこなう。

第３図は、連接テーブル４の１例を示す。連接テーブル
４は、ｉ行ｊ列が「Ｏか１か」により、それぞれ最左列
ｉ番目の要素であるコードを持つ品詞に、最上行ｊ番目
の要素であるコードを持つ品詞が「後置不能か可能か」
を示す。

／Ｑ 倉は出力部分文字列候補エリア、１６は出力文字列選択
ルーチンであり、このルーチンは出力部分文字列候補エ
リア１０に記憶された４つ組のうち、入力文字列の先頭
から末尾までに対応する連接可能な４つ組の各出力表記
をつなぎあわせ、漢字ローマ字混じり文字列にして第２
のワークエリア１２へ書き込む、ここで、漢字かな混じ
り表記に複数の可能性がある場合には、複数の候補を評
価し、最も確からしいものを出力する必要があり、その
方法としては最長一致法等、幾つかの方法が知られてい
る０本発明では、この方法については特定しない。

１７は、ローマ字−平仮名変換ルーチンであり、第２の
ワークエリア１２に格納された漢字ローマ字混じり文字
列中のローマ字部文を平仮名にして、出力用メモリ１８
へ書き込む、その内容は、表示装置５によって確認する
ことが出来る。

１３は第３のワークエリアであり、各ルーチンが動作す
るときに用いる内部変数等を一次格納するために用いら
れる。上述した各エリアとルーチンは、例えばＩＣメモ
リ、磁気ディスク、磁気テープ等により実現されるメモ
リ装置内に用意される。

第４図は本実施例における処理の流れ図である。

ここで、単語辞書の見出し等について、第２図を参照し
て若干の説明をする。ただし、簡単のため、以下必要と
なる五段活用動詞の処理に関する部分に限って述べる。

例として、′押す”の見出しは、本発明においては、こ
れをローマ字表記したときのｏｓｕ″　　のうち、活用
時に変化を起こさない’　ｏ　ｓ　＃の部分のみとする
。そして、見出しに対応する記載項目として、漢字ロー
マ字混じり出力表記“押、ｎ、「子音で終わる動詞語幹
」をあられす品詞コード、例えば“ｖｃ”を登録する。

同様に、パ動く”に対しては、見出し“ｕｇｏｋ”　、
記載項目（“動に＃　、　ｖｃ）を登録する。つぎに本
方式で特徴的な、動詞活用語尾と助動詞、助詞等の融合
した見出しについて具体例に即して説明する。

本発明では１例えば活用形押５ａｎａｉ”、″押５ａｓ
ｅｒｕ”、“押ｓｏｕ”　、　　“押５ｉｔｅ”、′押
５ｅｂａ”等において、従来、”ｎａｉ”　ｕ　ｓｅ　
ｒ　ｕ　１１　、　　”　ｕ”。

“ｔｅｌＩ　、　　ｕｂａｎ等として扱ってきた助動詞
、助詞を、それぞれ直前の動詞活用語尾と融合して。

”ａｎａｉ”、　　”ａｓｅｒｕ　　、　　ｏｕ　　、
　　”ｉｔｅ”　　１１ｅｂａ＃＃などとして一単位と
し、それらの無変化部分ａｎａ　　＋　　８１１６　　
、　　ｏｔｌ”、　　“ｉｔｓ”　、　　”ａｂａ”等
を見出し語３１とする。これらの見出し語３１は、それ
ぞれ漢字ローマ字混じり出力表記３２、及び、連接テー
ブルにおいてそれらを表現するコード３３と組にして登
録する。以下において、漢字ローマ字混じり出力表記３
２は、単に出力表記と書くことがある。

品詞コード３３は１例えば、”ａｎａ”　についてはａ
ｌｅとし、　　”ａｓｓ”についてはａ　２　ｃ　、　
”ｉｔｅ”についてはｃｌｃ・・・・・・・・・などと
する、同様にして。

他にも５段活用動詞の語尾と、後置される助詞。

助動詞語幹との融合形をつくり、見出し語にする。

一方、語幹が母音でおわる動詞、例えば、′食べる”に
ついては、見出し３１として“ｔａｂｓ”を登録し、漢
字ローマ字混じり出力表記３２として“食ｂｅ＃９品詞
コード３３として、ｖｖを登録する。また、活用形“ｔ
ａｂｅｎａｉ”、　　”ｔａｂｅｓａｓｅｒｕ”　。

“ｔａｂａｙｏｕ”、　”ｔａｂａｔａ”　、　　’ｔ
ａｂａｒｅｂａ”　　等を扱うため、従来どおりの非融
合形“ｎａ”　、　”８ａｓｅ“。

“ｙｏｕ”　、　”ｔｏ”ｅ　　”ｒｅｂａ”等を見出
しとして９．録する。これらの間の接続の可否は、例え
ば第３図に示す如く、連接テーブル４によって定義され
る。

次に、本方式による日本文形態素解析を用いた仮名漢字
変換を、具体的な入力文字列 ”　ｏｓｉｔａｕｇｏｋｅｂａｕｇｏｋａｓｏｕ　”を
用い、第４図のフローチャートに従って説明する。

本実施例では複数変換結果が得られた場合の処理順序、
又は評価等については特定しないため、以下では煩雑さ
を避け、上記の動詞活用形を含む文が、どのようにして
“押して動けば動かそう″に変換されるかに限って説明
する。従って、この場合に切り出される文字列は、動詞
と助動詞である。

ローマ字文字列は、操作者によって文字列入力手段１よ
り入力され、入力文字列エリア６に書き込まれる。操作
者によって、変換開始コマンドが投入されると、４図の
フローチャートに従い、以下のように処理が進む。

まず、処理４００に従い次回位置候補エリア。

出力部分文字列候補エリアをクリアする０次に処理５０
０で、入力文字数エリア７に、入力されたローマ字文字
列の文字数を書き込み、処理６００で、次回位置候補エ
リア８に初期値１を書き込んだ後、部分文字列抽出ルー
チン７００を呼び出す。

部分文字列抽出ルーチン７００では、先ず処理７０００
で、抽出結果格納エリアをクリアした後、処理７００１
で、ｉを次回位置候補エリアにある１にセットし、１を
次回位置候補エリアから消去する０次に、処理７００２
で、ｋを０にセットする。この場合、入力文字列の１文
字目“ｏＩ＋は。

辞書見出しにないので、処理７００３，７００９゜７０
１０を経て７００３に戻る。ここで、初めに述べた注意
に従い、読み０″をもっ″尾″などの名詞は考慮しない
。

更に、以下では煩雑さを避けるため “入力文字列のｉ文字目からｉ＋に文字目までは辞書見
出しにないので、処理７００３，７００９゜７０１０を
経て７００３に戻る。″とが、″１人力文字列のｉ文字
目からｉ＋に文字目までは辞書見出しにあり、ｉは１な
ノテ、処理７００３，７００４゜７００５．７００６，
７００８，７００９，７０１０を経て７００３に戻る。

ｎ とか、′入力文字列のｉ文字目からｉ＋に文字目までは
辞書見出しにあり、ｉは１ではないので、処理７００３
，７００４，７００５，７００７゜７００９．７０１０
を経て７００３に戻る。″などの表現を、ｋを増やすご
とにいちいち記述することはしない、単に、′ループ７
００３〜７０１Ｏにおいて、ｋが・・・の時入力文字列
のｉ文字目からｉ十に文字目までは辞書見出しにあり、
ｉは１ではないので、７００３，７００４，７００５，
７００７゜７００９．７０１０を経て、４つ組（・・・
・・・・・・）を抽出結果格納エリアへ追加し、ｉ　＋
　ｋ　＞　Ｍでないので７００３へ戻る。１等と記述す
る。

ループ７００３〜７０１０において、ｋが１の時、入力
文字列のｉ＝１文字目からｉ＋に＝２２文字目での“ｏ
ｓ”は辞書見出しにあり、ｉは１であるので、７００３
，７００４，７００５，７００６゜７００８を経て、（
“押ｓ”ｖｃ　　１　３）を出力部分文字列候補エリア
１０へ書き込み、′３”を１次回位置候補エリア８に書
き込む、そののちふたたび部分文字列抽出ルーチン７０
０へ移る。

７０００で抽出結果格納エリアをクリアし、７００１で
、ｉを次回位置候補エリアにある３にセットし、３を次
回位置候補エリアから消去する。

７００２ではｋをＯにセットする。

ループ７００３〜７０１０において、ｋが２の時、入力
文字列のｉ＝３文字目からｉ＋２＝５文字目までの“ｉ
ｔａ”　は辞書見出しにあり、ｉは１ではない（Ｄで、
７００３，７００４，７００５゜７００７．７００９，
７０１０を経て、　（“ｉｔｅ”ＱＩＱ　　３　６）を
抽出結果格納エリア９書き込む、先頭位置が１ではない
ので５部分文字列抽出ルーチン７００を終了して連接判
定ルーチン８００に移る。

連接判定ルーチン８００では、第４図（ｃ）に示す如く
、最初のステップ５ｏｏｏで抽出結果格納エリアが空か
否かを判定する。この場合、空ではないので、ステップ
８００１へ進む。

８００１ではワークエリア１をクリアし１次のステップ
８００２で、Ｘを抽出結果格納エリア中の（“ｉｔｅ”
ｃｌｃ　　３　６）にセットし、（“ｉｔｅ”ａｌｅ　
　３　６）を抽出結果格納エリアから消去する。８００
３では、ｊを１にセットし１Ｍを。

出力部分文字列候補エリア１０内の４つ組の数１にセッ
トする０次に８００４で、ｙを抽出結果格納エリア中の
ｊ＝１番目の４つ組（“押ｓ”　ｖｃｌ　３）にセット
し、８００５でｊを１増やす。

組Ｘの次回位置＝組ｙの先頭位置であり、連接テーブル
により、ｏｌｅはＶＣに連接可能であるので、８００６
．８００７を経て、８００Ｂに従い、Ｘをワークエリア
１に追加する。以下、空なエリアにでも、“追加する″
ということにする。

組Ｘの次回位置６は、入力文字長エリアにある２０を超
えないので、８０ｏ９に従い、８０１０へ移る。ステッ
プ８０１０では“６″を次回位置エリア８へ追加する。

ｊ＝２は、出力部分文字列候補エリア１０内の４つ組の
数Ｍ＝１をこえるので、判定８０１１に従い、８０１２
へ移る。今、抽出結果格納エリアは空であるから、８０
１２の判定の結果、８０１３へ移る。８０１３では、ワ
ークエリア１中の（“ｉｔｓ”ｃｌｃ　　３　６）　を
、出力部分文字列候補エリア１０へ追加し、連接判定ル
ーチンを終わり、９００へ移る（第４図（、））。

次回位置候補エリアは空でないので、部分文字列抽出ル
ーチン７００へ移る。

ルーチン７００では、先ず７０００に従い、抽出結果格
納エリアをクリアする０次に７００１でｉを次回位置候
補エリアにある６にセットし、６を次回位置候補エリア
から消去する。

７００２では、ｋｔ＆ｏにセットする。

ループ７００３〜７０１０において、ｋが３の時、入力
文字列のｉ＝６文字目からｉ＋３＝９文字目までの”ｕ
ｇｏｋ”は辞書見出しにあり、ｉは１ではないので、７
００３，７００４，７００５゜７００７．７００９．７
０１０を経て、（１１動にｖｃ　　６　１０）を抽出結
果格納エリア９に書き込む、先頭位置が１ではないので
、部分文字列抽出ルーチン７００を終了して連接判定ル
ーチン８００に移る。

ルーチン８ｏＯでは、抽出結果格納エリアは空でないの
で、８０００によって８００１へ進み、ワークエリア１
をクリアする。

ステップ８００２では、Ｘを抽出結果格納エリア中の（
“動ｋ”ｖｃ　　６　１０）にセットし、（“動ｋ”ｖ
ｃ　　６　１０）を抽出結果格納エリアから消去する０
次に８００３で、ｊを１にセットし、Ｍを、出力部分文
字列候補エリア１０内の４つ組の数である２にセットす
る。

８００４では、ｙを抽出結果格納エリア中のｊ＝１番目
の４つ組（“押ｓ”ｖｃ　　１　３）にセットする。次
に、８００５でｊを１増やし１組Ｘの次回位置＝組ｙの
先頭位置でないので、１１１００６を経て８００１１へ
移る。

ｊ＝２は、出力部分文字列候補エリア１０内の４つ組の
数Ｍ＝２をこえないので、８０１１に従い、８０１２へ
移る。抽出結果格納エリアは空であるから、８００４へ
移り、ｙを抽出結果格納エリア中のＪ＝２番目の４つ組
（“ｉｔｅ”ｃｌｃ　　３６）にセットする。

８００５ではｊを１増やす６組Ｘの次回位置＝組ｙの先
頭位置であり、連接テーブルにより、ｖｃはｃｌｃに連
接可能であるので、８００６゜８００７を経て、８００
８に従い、Ｘをワークエリア１に追加する。

組Ｘの次回位置１０は、入力文字長エリアにある２０を
超えないので＋　８００９に従い、８０１０へ移り、”
　１０　’″を次回位置エリア８へ追加する。

ｊ＝３は、出力部分文字列候補エリア１０内の４つ組の
数Ｍ＝２をこえるので１次に８０１２へ移る。この場合
、抽出結果格納エリアは空であるから、８０１３へ移り
、ワークエリア１中の（“動ｋ　”ｖｃ　　６　１０）
を、出力部分文字列候補エリア１０へ追加し、連接判定
ルーチンを終わり、９００へ移る。

次回位置候補エリアに１０があるので、部分文字列抽出
ルーチン７００へ移る。

ルーチン７００で、７０００に従い、抽出結果格納エリ
アをクリアする１次に７００１でｉを次回位置候補エリ
アにある１０にセットし、１０を次回位置候補エリアか
ら消去し、７００２でｋを０にセットする。

ループ７００３〜７０１０において、ｋが２の時、入力
文字列の１＝１０文字目からｉ＋２＝１２文字目までの
“ａｂａ”は辞書見出しにあり、ｉは１ではないので、
７００３，７００４，７００５゜７００７．７００９，
７０１０を経て、　（“ｅｂａ”ｃ３ｃ　　１０　１３
）を抽出結果格納エリア９に書き込む、先頭位置が１で
はないので、部分文字列抽出ルーチン７００を終了して
連接判定ルーチン８００に移る。

以下、説明を簡素にし、各ルーチン終了後の各エリアの
内容を追跡する。

連接判定ルーチン８００では、前記と同様の処理の結果
、（“ｅｂａ”ｃ３ｃ　　１０　１３）が、出力部分文
字列候補エリア１０内の４つ組（″動ｋ　”ｖｃ　　６
　１０）に連接可能であるとわかり、出力部分文字列候
補エリア１０に追加される。“１３″は次回位置エリア
８へ追加され、連接判定ルーチン終了後、出力部分文字
列候補エリア１０には、４つの４つ組 （“押ｓ”ｖｃ　　１　３）（“ｉｔｅ”ｃｌｃ　３６
）（１１動ｋ”ｖｃ　　６　１０）（“ｅｂａ”ｃ３ｃ
ｌ。

が存在し、次回位置エリア８には、ｔ＋　１３　ｔ′が
存在する。連接判定ルーチンを終わり、９００へ移る。

次回位置候補エリアに’　１３　”があるので、９００
より部分文字列抽出ルーチン７００へ移る。

前記と同様の処理の結果、ループ７００３〜７０１０に
おいて、ｋが３の時（“動ｋ”ｖｃ１３　１７）が、ｋ
が５の時（“動ｋａｓ”　ｖ　ｃ１３　１９）が切り出
され、抽出結果格納エリア９へ書き込まれ、抽出結果格
納エリア９の内容は、（“動ｋ”ｖｃ　　１３　１７）
　　（“動ｋａｓ”ｖｃ１３１９）となる６次回位置候
補エリアは空となる。この状態で部分文字列抽出ルーチ
ン７００を終了し、連接判定ルーチン８００に移る。

抽出結果格納エリア９に２つの４つ組があるので、ルー
プ８００２〜８０１２を２回り、出力部分文字列候補エ
リア１０の、４つの４つ組（“押５ＩＩｖｃ　　１　３
）　　（“ｉｔｅ”ｃｌｃ　　３　６）（“動ｋ　７１
ｖｃ　　６　１０）（“ｅｂａ”ｃ３ｃ　　１０　１３
）のそれぞれと、抽出結果格納エリア９の２つの４つ組
（“動ｋ”ｖｃ　　１３　１７）（“動ｋａｓｌｊｖｃ
　　１３　１９）との間の連接判定を行い、（“動ｋ”
ｖｏ　　１３　１７）も（１′動ｋａｓ”ｖｃ１３　１
９）も、（“ｓｂａ”ｃ３ｃ　　１０　１３）に連接可
能とわかる。

連接判定ルーチン８００終了時に、出力部分文字列候補
エリア１０には、６つの４つ組（“押Ｓ″ｖｃ　　］、
　　３）（“ｉｔｓ″ａｌｅ　　３６）（“動ｋ”ｖｅ
　　６　１０）（“ｅｂａ”ｃ３ｃｌ。

１３）　（“動ｋ”ｖｃ　　１３　１７）（“動ｋａｓ
”ｖｃ　　１３　１９） が存在し、次回位置候補エリアには “１９”、′１７” が存在する。

次回位置候補エリアは空でないので、９００より部分文
字列抽出ルーチン７００へ移る。

７００１に従い、次回位置候補エリアの１９”。

“１７″のうちのひとつ“１７”を選び、１＝１７とし
、１１１７１＃を次回位置候補エリアから消去する。以
下、前記と同様の処理の結果、ループ７００３〜７０１
０において、なにも切りだされず、抽出結果格納エリア
９は空のままで、部分文字列抽出ルーチンを終わり、連
接判定ルーチン８００へ移る。

抽出結果格納エリアは空なので、８０００により、連接
判定ルーチン８００を終了、９００へ移る。

次回位置候補エリアには“１９″が存在するので１部分
文字列抽出ルーチン７００へ移る。

７００１で、１＝１９とし、′１９”を次回位置候補エ
リアから消去する０次回位置候補エリアは空となる。

ループ７ｏＯ３〜７０１０において、ｋが１の時、入力
文字列の１＝１９文字目からｉ＋１＝２０文字目までの
“ｏｕ”は辞書見出しにあり、ｉは１ではないので、７
００３，７００４，７００５゜７００７．７００９，７
０１０を経て、（“ｏｕ”ａ３ｃ　　１９　２１）を抽
出結果格納エリア９に書き込む、先頭位置が１ではない
ので、部分文字列抽出ルーチン７００を終了して連接判
定ルーチン８００に移る。

連接判定ルーチン８００では、（′″ｏｕ”ａ３ｃ１９
　２１）が、出力部分文字列候補エリア１０内の４つ組
に連接可能であるとわかり、出力部分文字列候補エリア
１０に追加される。”２１”は入力文字数２０を超える
ので、次回位置エリア８には追加されない、連接判定ル
ーチン終了後、出力部分文字列候補エリア１０には、７
つの４つ組（“押Ｓ”ｖｃ　　１　３）（“ｉｔｓ”ｃ
ｌｃ　　３６）（”動ｋ”　ｖｃ　　６　１０）　（”
ｅｂａ”　ｃ３ｃ１０　１３）（“動ｋ”ｖｃ　　１３
　１７）（″動ｋａｓ”　ｖｃ　　１３　１９）　（“
ｏｕ”ａ３ｃが存在し、次回位置エリア８は空である。

連接判定ルーチンを終わり、９００へ移る。　次回位置
候補エリアは空であるので、９００により、出力文字列
選択ルーチン１００ｏへ移る。

出力文字列選択ルーチン１０００では、出力部分文字列
候補エリア１０中から、入力文字列の先頭から末尾まで
に対応する、連接可能な４つ粗列（”ｏｕ”　ａ３ｃ　
　１９　２１）（“動ｋａｓ”　ｖ　ｃ１３　１９）、
（“ｅｂａ”ｃ３ｃ　　１０　１３）、（“動ｋ”ｖｃ
　　６　１０）、（“ｉｔｓ″ｃ　１　ｃ３６）、（１
′押Ｓ”ｖｅ　　１　３）をとりだし、“押Ｓ”ｉｔｅ
”動ｋＩＩ　　＃ｅｂａ”動ｋａｓ″″Ｏｕ″をつなげ
、ワークエリア２へ書き込む、出力文字列選択ルーチン
１０００を終了し、ローマ字−平板名変換ルーチン１１
００に移る。

ローマ字−平板名変換ルーチン１１００では、ワークエ
リア２へ書き込まれた “押５ｉｔｅ動ｋｅｂａ動ｋａｓｏｕ”の、ローマ字部
分を平仮名化し、 “押して動けば動かそう″ に変換して出力用メモリ１８へ書き込む、この結果が１
２００で表示手段５によって出力される。

上記の場合、出力候補は一つである。

上記処理においては、ａ詞語幹と語尾、語尾と他の品詞
の接続チエツクをしないので、形態素解析にかかるステ
ップ数は、従来方式のうちの前者と同程度である。また
、辞書見出しには、各用言に対し、原則的に一つの見出
ししか必要としないため、辞書に必要なメモリ容量は、
上記従来形式の後者と同等である。尚、”ｕｇｏｋａｓ
”を　１１ｕｇｏｋｌ＋とパ８ｓ”にわけ、“ａｓ″を
、前段動詞を他動詞化する補助用言語幹として登録して
もよい、そうすれば、辞書の動詞見出しに関するメモリ
容量は、１１　ｋａＳＩ＋　　で終わる語幹を持つ動詞
の数−１だけ、更に低減できる。

更に、各ルーチンは、専用ハード化することも可能であ
る。

本実施例では、入力文字列の走査方向は、先頭から末尾
方向へかけてであるが、転置した連接テーブルを用いれ
ば、同様の制御構造で末尾から先頭方向への走査に対応
できる。また、本連接テーブルと転置した連接テーブル
を合わせて用いれば、制御構造を適当に修正することに
より、必要ならば双方向混在した走査にも対応できる。

また、本実施例では、音便処理については、特定しない
、従って、変形例として以下の様な方法を採用してもよ
い。

（１）“動いて″を“動ｉ”＋“ｔｏ”に分解し、音便
によって不規則に変化する部分′動ｉ”は見出し語とし
て登録し、第５図のごとき辞書、第６図のごとき連接テ
ーブルを用いて本実施例と同様にして“ｕｇｏｉｔａ”
を、′動＜″に変換する方式。

（２）“動ｉｔｓ”を“動”＋“ｉｔｓ”と分解し、′
動″を１名詞も兼ねる見出し語として登録する。

″動″は二つの品詞コード、例えば名詞としてｎ、動詞
としてｖｃｋを与える。また、動詞としてのｕａ”には
、”ｋａｎａ”　”　ｋ　ａ　ｓ　ｓ　Ｉ＋　、　ｋｏ
　ｕ　１１゜１１１ｔθ”、　　’ｋｓｂａ”　等が接
続するので、これらは“動”に連接可能であることを示
すため、それぞれ、例えば、ａｌｋ、ａ２に、ａ３ｋ。

ｃｌｋ、ｃ２に、ｃ３に等の品詞コードを与え、第７図
のごとき辞書、第８図のごとき連接テーブルを用いて１
本実施例と同様にして“ｕｇｏｉｔａ”を、′動いて”
に変換する方式、この方式では。

”ｋａｎａ”　　１ｊｋａｓｅ＃ｊ　、　ｊＪｋｏｕｌ
ｌ　、　”ｉｔｅ＃＃　、　”ｋａｂａ”等が、新たに
見出し語として増えるが、必要な新たな見出し語の数は
、数十個にすぎず、音便による不規則変化形をすべて見
出しに登録すると、見出しは数百側増えるのに比べて、
優れた方法である。

（３）上記（２）の変形として、第９図のごとく、見出
しを平板名表記し、出力表記は、漢字平板名混じりとし
た辞書と第８図のごとき連接テーブルを用いて、本実施
例と同様にして“ｕｇｏｉｔｅ”を、゛動いて″に変換
する方式、この方式では。

ローマ字入力の場合は”ｕｇｏｉｔｅ”は、−度平板名
変換して“うごいて”にする必要があるが、平板名人力
の場合は、変換の必要がなく、制御構造は本実施例と同
一でよい。

更に、第１０図のごとき構成を持つ日英機械翻訳方式に
おいても、形態素解析の部分で、本実施例と同様の活用
語処理を行うことにより、見出し語の削減が可能になる
。この場合は１例えば、第１１図のごとき形態素解析用
辞書、第８図のごとき連接テーブルを用いる。入力文字
列に、どの様な単語が含まれているかという結果を構文
解析へわたし、残りの処理を実行すればよい。

日英翻訳に限らず、入力された日本語を、他の自然言語
、又は形式言語に翻訳する場合、まず第１に、入力され
た日本語の文にどの様な単語が含まれているかを判別す
ることが必須であるので、本発明は、日本語の形態素解
析を必要とするそれらのシステムにも応用できる。

〔発明の効果〕

本発明方式によれば、辞書の小型化と、効率の良い動詞
当の活用形の形態素解析が可能になるので、日本語の形
態素解析を必要とするすべての日本語処理機器、例えば
、ワードプロセッサー、日英翻訳装置等において、効率
のよいメモリの利用と高速化が実現される。特に、メモ
リ利用の高効率化は、超小型の日英翻訳装置等において
、同じメモリスペースで遥かに多くの単語を収納できる
事を意味し、その機能の高度化が図れる。

【図面の簡単な説明】

第１図は本発明による日本語形態素解析装置の一実施例
を示す構成図、第２図は上記装置でもちいる単語辞書の
構成の１例を示す図、第３図は単語に付与された品詞コ
ードの間の連接テーブルの１例を示す図、第４図（ａ）
〜（ｃ）は上記実施例装置の動作を示すフローチャート
、第５図、第７図、第９図は音便処理を考慮したときの
単語辞書の変形例を示す図、第６図、第８図は音便処理
を考慮したときの単語に付与された品詞コードの間の連
接テーブルを示す図、第１０図は本発明の応用システム
の１例を示す図、第１１図は上記応用例で用いる形態素
解析辞書の１例を示す図、第１２図〜第１５図はそれぞ
れ従来の辞書１２０゜１４０と連接テーブル１３０，１
５０を説明するための図である。 １・・・文字列入力手段、２・・・ＣＰＵ、・・・３・
・・単語辞書、４・・・連接テーブル、５・・・表示手
段、６・・・入力文字列エリア、７・・・入力文字数エ
リア、８・・・次回位置候補エリア、９・・・抽出結果
格納エリア、１０・・・出力部分文字列候補エリア、１
１・・・ワークエリア１．１２・・・ワークエリア２．
１２・・・ワークエリア３．１４・・・部分文字列抽出
ルーチン、１５・・・連接判定ルーチン、１６・・・出
力部分文字列選択ルーチン、１７・・・ローマ字−平仮
名変換ルーチン、１８・・・出力用メモリ、３１・・・
見出し、３２・・・出力表記、３３・・・品詞コード。 第　２　ＶＪ　″ ２Ｉ・・見立し ２２・パｉｔローフ了り毘しりおり表を乙５−　完呵コ
ード 第　３　　目 ノ ５Ｉ　　・克土し Ｓ２・　・１１Ｔ１えもＳＬ−りと刀泰Ｊ乙５３　゛品
詞コート 第　６１！］ ７１・・克出し ７２・・側酊τローマτ４Ｌじすと力を幽ニア３゛品請
フード 第　δ　口 ／ 第　′ニア　　目　　　　す ？ｌ　−剋出し ’７２−４ｇｃｔｓ−ｐ＊ｔ−リと力表記デ３　゛゛σ
６σ６審■ト− 第　ｔｔ　　ａ ／１０・・−見、ｔＬ Ｈｔ・・・品呵コード Δ　　　　　第　１２　　口 ／２０・・−見＝し ／２１−表記 １２２−・品　詞 第　／３　　口 １３０・・・連接テープ”ル 第　７４　口 βν ／４０・・−地出し ／４１−・・表に ／＋２−一品詞

Claims (1)

【特許請求の範囲】
1. １、日本語文字列を走査し、予め用意された日本本語単
   語の見出し文字列、および、その文字列の文法情報を含
   む単語辞書を参照しながら、上記文字列を辞書の見出し
   に登録されている文字列の連鎖に分割し、上記文法情報
   に基づいて各単語間の連接可能性を判定する連接テーブ
   ルを参照して、上記分割が合文法的か否かを判定する日
   本語文字列の形態素解析方法において、日本語文字列を
   先頭から末尾へ、または、末尾から先頭へ、または、上
   記双方向を混合して走査し、ローマ字も含む日本語の表
   記方法で見出しを表記し、特定の単語についてはその一
   部分のみを、上記単語の残りの部分は、他の特定の単語
   との融合形を辞書の見出しとして登録し、機械検索可能
   なかたちにコード化した辞書を用いること、および、上
   記特定の単語の一部分のみ、および上記特定の単語の残
   りの部分と他の特定の単語との融合形を含んだ、拡張さ
   れた単語のあいだの連接テーブルを用いることを特徴と
   する日本語文字列の形態素解析方式。