JPH0140370B2 - - Google Patents

Description

【発明の詳細な説明】 本発明は文字の発音に従つてカナキーボードか
らカナ文字で入力し、漢字又は漢字カナ混じり文
を出力するように和文ワードプロセツサに係り、
特にカナ―漢字変換を行うための辞書に関するも
のである。

その目的とするところはカナ―漢字変換用辞書
のメモリ容量を縮小できるようフアイル容量を圧
縮するための技法にあり、圧縮辞書を提供するも
のである。

一般にカナ―漢字変換用辞書の語数は装置のレ
ベルによつて様々であるが、市販の国語辞典をみ
てみると小型のもので２〜３万語、中型で５〜７
万語、大型では10万語以上を収容している。この
場合、１語の語長は長いものでカナ見出し14文
字、漢字表記部６文字程度である。

この様な語を一般的な固定長形式でメモリに収
容して辞書を作成すると、第１図に示す様な辞書
１０（メモリ）になる。つまり、各語はカナ見出
し部分１１と漢字表記部１２から構成される。

そして、カナ文字は７ビツトで表わされると共
に８ビツト目を漢字と区別するために“１”とし
て、カナ１文字を１バイト必要とする。また漢字
コード（JIS―6226）は７ビツト×２で表わすと
共にこの各８ビツト目を“０”としてカナと区別
し、結局２バイト必要とする。

従つて、カナ見出し部分１１は14文字分で14バ
イト必要とし、漢字表記部１２は６文字分で12バ
イト必要とする。このため例えば４万語の辞書１
０を作成すると、（14バイト＋12バイト）×４万語
＝1Mバイトとなり、この辞書１０は約1Mバイト
もの容量を必要とする。

また、前記カナ見出し及び漢字表記の他に、品
詞や活用形等の文法情報さらには出現頻度情報等
も含めるとメモリ容量は常に大きなものになる。

この様に辞書フアイルが大容量になるとデイス
ク等の外部記憶装置が必要となるばかりか、入力
装置全体が大きくなると共に装置の価格も上昇す
る。しかもこのフアイルのアクセスタイムも長く
なつて処理スピードにも影響がある。

他方、上記の様な辞書フアイルのメモリ容量を
圧縮する方法として、第１図の如く１語当りのメ
モリ領域を固定長せず、第２図に示す様にカナ見
出しと漢字表記の長さに夫々合せてメモリ領域を
とる可変長構造にする方式が提案されている。

この方式では第２図Ａに示す如く、１語は語長
部分２１とカナ見出し部２２と漢字表記部２３か
ら構成され、この語長部分２１はカナ見出しと漢
字表記部の総バイト数を記憶するところである。
第２図Ｂに示す如く各語つまり“あ”、“あい”、
“あいうち”等はその文字数に応じてカナ見出し
部２２と漢字表記部２３の容量が夫々可変され
る。

この可変構造の方式におけるカナ見出し部２２
の平均が約４バイト、漢字表記部２３の平均が約
4.5バイトであり、そして語長部分２１として１
バイトが必要であり、結局４万語の辞書を作成す
る場合に、 （４バイト＋4.5バイト＋１バイト）×４万語＝
380Kバイト となり、約380Kバイトもの容量が必要である。

この可変長構造の方式では上述した固定長方式
に比して容量が縮少されるが、しかしこれでもま
た大容量のメモリを必要とし、辞書の大容量化を
避けることができない。

上述の様な問題点に鑑み、本発明は上記固定長
方式や可変長構造の方式よりフアイル容量を小さ
くできる圧縮技法を提案するものである。

以下本発明について説明するが、初めに基本的
なカナ―漢字変換の方式について第３図を用いて
説明する。

３１はカナ―キーボードであり、第４図にて更
に詳細に示している様に50音のカナキー群３１Ａ
と漢字変換指示を行う変換キー３１Ｂと漢字変換
された時に同音語の漢字が複数ある場合にその中
から特定のものを選択する選択キー３１Ｃを備え
ている。

前記カナキーボード３１より入力されたカナ文
字列はCPU３２を介して入力文バツフア３３へ
一旦導入される。ここで前記した変換キー３１Ｂ
が押圧操作されると、CPU３２が処理プログラ
ム装置３４のプログラムに従つて辞書３５を検索
して漢字変換を行う。

この辞書３５は第１図或は第２図で示した様な
自立語の辞書フアイル３５Ａと文法情報テーブル
３５Ｂを備えている。この自立語の辞書フアイル
３５Ａは第２図Ａに示した様に語長部、カナ見出
し部、漢字表記部から構成されたフオーマツトに
なつている。

従つて、入力文バツフア３３に例えば「あいが
ん」と導入された場合には、処理プログラムに従
つて自立語の辞書フアイル３５Ａを検索し、該フ
アイル３５Ａのカナ見出し部の「あいがん」と同
じカナ見出しを見つけた後その漢字表記部の内容
「哀願」を検索該当バツフア３６へ取出す。この
時、同音語がある場合にはそれも該バツフア３６
へ取出される。

そして、CPU３２は検索該当バツフア３６に
取出された第１番目の漢字を出力装置３８に表示
する。同音語が複数個ある場合には順次バツフア
３６から第２番目、第３番目の漢字を出力装置３
８へ呼び出し、同音選択キー３１Ｃによつて漢字
を特定するとCPU３２によつて特定された漢字
情報が出力文バツフア３７へ転送される。その
後、CPU３２は入力文バツフアメモリ３３と検
索該当バツフアメモリ３６を初期化してキーボー
ド３１より次のカナ入力の待状態となる。

なお、同音語が複数存在する時にはそれら同音
語を一度に番号を付して表示し、その番号を選択
することで同音語の選択ができる。また、上記し
た文法情報テーブル３５Ｂは一般の文章を対象に
する場合に活用する語（動詞、形容詞、形容動詞
等）や付属語（助詞、助動詞等）についても処理
する必要がある場合に用いるものである。

以上の様な動作でカナ―漢字変換が行なわれる
が、本発明は上記した辞書３５つまり自立語の辞
書フアイル３５Ａを圧縮することにある。

(1) カナ見出し部の圧縮 自立語辞書のカナ見出しをJISコード順（JIS
―6226の下位バイトの降順）に並べてみると、
例えば第１図のカナ見出し部のようになる。こ
れを見ると大半の見出しが前見出しの一部と重
複していることがわかる。例えば、「あい」は
前見出しの「あ」と１文字重複しているし、
「あいうち」は前見出しの「あい」と２文字重
複している。さらに「あいがん」（愛玩）は
「あいがん」（哀願）と４文字も重複している。
このことを利用してカナ見出し部のメモリ圧縮
を図つたのが本発明にかかわる第５図の差分構
造辞書である。

この差分構造辞書の各語のフオーマツトは第
５図Ａに示す如く、先頭に前見出し語との重複
文字数を示す重複文字数領域５１を３ビツト構
成で設けている。この３ビツトで表わされる最
大数は７であるから重複文字数は７文字まで可
能であり、重複文字数が７文字を越えること殆
んどない。

また、前記重複文字数領域５１に続く５ビツ
トをカナ見出し部と漢字表記部の総バイト数を
表わす語長領域５２に設け、これは次のカナ見
出し語の先頭アドレスを演算するのに用いる。
この５ビツトで表わせる最大数は３１であるか
ら、第１図に示した固定長の場合の１語当りの
総バイト数26バイト（カナ見出し部14バイト，
漢字表記部12バイト）を充分満足するものとな
つている。

次に前記語長領域５２に続いてカナ見出し部
５３が設けれる。このカナ見出し部５３は前の
カナ見出し部の語との重複部を除いた残りの文
字を収容する。そして前記カナ見出し部５３に
続いて漢字表記部５４が設けられる。

第５図Ｂに差分構造辞書を示しており、例え
ば第４語の「あいうち」の場合、前見出し（第
３語）が「あい」であるから、重複文字数領域
５１に“２”が保持され、この重複文字「あい
ぃを除いた「うち」だけがカナ見出し部５３に
収容される。また、第８語目の「あいがん」は
前の見出し（第７語目）も「あいがん」であつ
てすべてのカナ文字が重複する。このため、重
複文字数領域５１が“４”となり、カナ見出し
部５３は不要となつている。

前記カナ見出し部５３のカナ文字コードは上
述した様に７ビツトで表わされると共に８ビツ
ト目を漢字と区別するためのビツトとなして１
文字を１バイトで構成している。

この様に一連の自立語列の中で１つ前の語の
カナ文字と重複する部分をカナ文字コードを使
わずに重複文字数で表わし、重複しない文字だ
けカナ見出し部５３にカナ文字コードで保持さ
せる構成とすることにより、約２万語の辞書を
圧縮した結果、カナ見出し部５３の平均は約
1.3バイト（固定長形式14バイト、可変長方式
平均４バイト）となり、重複文字数領域５１の
３ビツトを含めても、大幅な圧縮が可能とな
る。

なお、もし重複文字数が７文字をオーバーす
ることがある場合にはそのオーバーした文字を
カナ見出し部５３に収容すればよい。

(2) 漢字表記部の圧縮 漢字表記部５４は漢字だけでなくカナ文字を
含む場合も多く、例えば「いい加減」、「言いぐ
さ」等である。この漢字コードは上述した様に
JIS―6226では１文字を２バイトで表わすよう
になつているので、前記４文字からなる例のも
のでは８バイト必要となる。

しかし、この漢字表記部５４に含まれるカナ
文字部分はカナ見出し部５３と同じであるか
ら、文字数だけを１バイトで示せば全体を復元
できる。

即ち、前記例示した「いい加減」及び「言い
ぐさ」をコードで表わすと、 となる。つまり「いい加減」では前の２文字が
カナであるのでその文字数“02”（16進）であ
り、漢字の“加”のコードの上位と下位が3243
（16進）でありまた“減”のコードが３８３Ａ
（16進）である。

従つて、この漢字表記部５３は前記「いい加
減」の例では上記表の如く５バイトで収容で
き、「言いぐさ」の例では３バイトで収容でき、
今まで４文字で８ビツト必要としていたものに
比して大きく圧縮できる。

この場合、JIS―6226の漢字コードは第６図
に示す様なコード表となつており、Ａの部分が
カナ、英数、記号の領域、Ｂの部分が第１水準
漢字（2965字）の領域、Ｃの部分が第２水準漢
字（3384字）の領域となつている。

この第６図から分るように漢字コードは上位
（第１バイト）と下位（第２バイト）とも２１
〜７Ｅ（16進）の範囲であり、漢字と共に附さ
れるカナ文字数が“20”（16進）つまり32文字
以下なら上記漢字コード２１〜７Ｆ（16進）と
区別することができる。

このため、この漢字表記部５４の内容を復元
する場合には第７図に示す様に、「いい加減」
の例において、カナ見出し部５３と漢字表記部
５４があり、この漢字表記部５４の“20”（16
進）以下の部分を検出し、最初の１バイトのブ
ロツク５３Ａが“20”以下であるところから最
初がカナ文字であつてカナ見出し部５３の最初
の文字を参照する必要がある。そしてブロツク
５３Ａは“02”で文字数として２文字参照しな
さいと言うことであり、カナ見出し部５３の最
初から２文字分参照してそのカナコード“24”
を持つてくる。この時、漢字コードは２バイト
で表わす必要があるので、上位バイトはカナ領
域を示すコード“24”を附すと共にその下位バ
イトに前記参照カナコード“24”を付ける。

そのため“い”は「24 24」で表わされ、従
つて「いい加減」は に復元されて検索該当バツフア３６へ転送され
る。

この様に漢字表記部５４を、この漢字の接頭
及び接尾に含まれるカナ文字を文字数で表わ
し、漢字のみ漢字コードで表わして構成するこ
とにより、約２万語の辞書を圧縮した結果、該
漢字表記部５４の１語平均は約3.7バイト（固
定長形式12バイト、可変長方式平均4.5バイト）
となり、上記固定長、可変長方式より圧縮する
ことができる。

従つて、第５図Ａに示した差分構造辞書のフ
オーマツト構成では、重複文字数領域５１が３
ビツト、語長領域５２が５ビツト、カナ見出し
部５３が平均1.3バイト、漢字表記部５４が平
均3.7バイトで合計平均６バイトである。

このため、例えば４万語の辞書を作成した合
には、約240Kバイトでよく、従来の固定長と
可変方式では夫々1Kバイト、380Kバイト必要
としていたものに比して大幅に縮小することが
できる。また、その様な固定長や可変長方式よ
りも検索時間が短縮できるのみならず、フアイ
ル容量が小さくなれば半導体メリの使用も可能
になり、入力装置の小型化・低価格化を一層増
進することができる。

(3) 圧縮辞書の検索方法 第８図にこの圧縮辞書を用いた検索方法そし
て第９図にその動作フローを示し、特に第３図
のカナ―漢字変換の装置における一部を取り出
して詳細に示したものである。従つて、第３図
と同一部分は同符号をもつて示している。ま
た、第９図のN₁〜N₂₂はフローの各ステツプを
示す。

第８図において３２はCPU，３３は入力文
バツフアであつて入力情報として「あいきよ
う」と入力され、またその後にENDマーク３
３Ａが入力されている。３５Ａは自立語の辞書
フアイルであり、第５図に示す様な構成となつ
ている。３４は処理プログラム装置、３６は検
索該当バツフアメモリである。

そして、CPU３２内には各種レジスタが備
えられており、先ず自立語辞書ワードスタート
アドレスレジスタ２―１は自立語辞書３５Ａの
現在参照している語のスタートアドレスを記憶
するレジスタである。自立語辞書カレントアド
レスレジスタ２―２は、自立語辞書３５の現在
参照している語の中の現在示している位置アレ
スが入つている。自立語辞書語長レジスタ２―
３は、自立語辞書３５Ａに書かれている現在参
照している語の語長すなわち、カナ見出し部と
漢字表記部の総バイト数を入れるレジスタであ
る。重複文字数レジスタ２―３は自立語辞書３
５Ａに書かれている現在参照している語の重複
文字数、すなわち現在参照している語と、１つ
前の語とのカナ見出しの重複文字数を入れるレ
ジスタである。入力文バツフアカレントアドレ
スレジスタ２―５は、入力文バツフアメモリ３
３の現在示しているアドレスが入つている。

入力文バツフア文字ポイン２―６は、入力文
バツフアカレントアドレスレスタ２―５が入力
文バツフアの何文字目を指しているかを示す。
入力文１文字レジスタ２―７は自立語辞書のカ
ナ見出しと比較するために入力文の１文字をと
つてくる為のレジスタであり、同様にカナ見出
し１文字レジスタ２―８は、入力文と比較する
為に自立語辞書３５Ａのカナ見出し１文字を入
れるレジスタである。ALU２―９は演算比較
装置である。

次に例として、入力文が「あいきよう」であ
る場合によいて説明する。

まず、自立語辞書ワードスタートアドレスレ
ジレタ２―１と、自立語辞書カレントアドレス
レジスタ２―２に、自立語辞書３５Ａの先頭ア
ドレスをセツトする。又、入力文バツフアカレ
ントアドレスレジスタ２―５には文字文バツフ
アの先頭アドレスを、入力文バツフア文字ポイ
ンタ２―６には「１」をそれぞれセツトする。

次に、入力文１文字目と、自立語辞書第１語
のカナ見出し１文字目を比較する（第５図参
照）。いずれも「あ」で等しいので、続いて２
文字目を比較するが、自立語辞書第１語のカナ
見出し２文字目は存在しないので、自立語辞書
は第２語目に進める。第２語目のアドレスを演
算するために、自立語辞書ワードスタートアド
レスレジスタ２―１と自立語辞書語長レジスタ
２―３の内容を加えたものにさらに１を加え、
自立語辞書ワードスタートアドレスレジスタ２
―１と自立語辞書カレントアドレスレジスタ２
―２に入れる。

自立語辞書第２語目は重複文字数１であるか
らカナ見出しは２文字目から始まる。これを入
力文２文字目と比較するといずれも「い」で等
しいので３文字目に進む。自立語辞書の第２語
目、第３語目とも３文字目はないので第４語目
で初めて３文字目を比較する。入力文３文字目
は「き」、自立語辞書は「う」で異なる。

第５語目は第４語目と同様で、第６語目は重
複文字数が３なのでカナ見出しと比較すること
なく次の語に進める。第７語目は第４語目と同
様で、第８語目は第５語目と同様。第９語目は
重複文字数が再び２となり、カナ見出しが３文
字目から始まる。３文字目、４文字目、５文字
目いずれも入力文と等しく、６文字目は入力
文、自立語辞書共に存在しないので、第９語目
（愛嬌）が該当したことになる。第９語目の漢
字表記部を該当バツフア３６に転送した後他に
同音語がないかを調べるためにさらに次の語に
進める。

ここで、もしカナ見出し部が存在しなければ
同音語であるが、この例の場合に第10語目はカ
ナ見出し部が存在するので、同音語は存在しな
かつたとして検索を打ち切る。

なお、上記では入力文と完全一致したものの
検索であるが、前方部分一致の検索もカナ見出
しENDを検出した時の処理を変えれば可能で
ある。又、説明では自立語辞書の先頭からすべ
てを調べていつたが、自立語辞書をいくつかの
ブロツクに分け各ブロツクの先頭見出しと先頭
アドレスを表にしたインデツクスを作れば、ブ
ロツク内だけの検索だけですみ、検索時間は短
縮される。

以上の様に差分構造辞書（第５図）の検索方
法を単純可変長構造辞書（第２図）と比較する
と、単準可変長構造辞書では各語ごとに入力文
の第１文字目からすべて比較する必要があるの
に対して、差分構造辞書では以前の語で一致し
た部分は比較する必要がないので比較回路が大
巾に減少する。さらに重複文字数が（比較しよ
うとしている文字位置―１）より大きい場合つ
まり第３文字目を比較する時に重複文字数が
“４”となつている様な場合はその語をスキツ
プして次の語に移れるし、小さい場合は、そこ
で検索を打ち切ればよく、等しい場合のみカナ
見出しと比較すればよい。

(4) 変形実施例 説明では漢字コードにJIS―6226、カナコ
ードにJIS―6226の下位バイトを使つたが、
漢字コードは７ビツト×２バイト構成で各バ
イトが２１〜７Ｆ（16進）であればよい。又
カナコードも７ビツトで構成で１ビツト余つ
ていれば何でもよい。

説明ではカナ見出しのソート（並び換え）
をJIS―6226下位バイトの降順としたが、昇
順でもよい。

説明の便宜上カナ見出しと漢字部だけを辞
書に収容しているが、他の情報例えば、品
詞、出現頻度等を各語に付加することもでき
る。

カナ漢字変換用自立語辞書だけでなく、意
味情報を付加した電子国語辞典や、音訓辞書
（漢字１字）、さら言語翻釈用辞書にも応用で
きる。

説明では重複文字数３ビツト、語長５ビツ
トとしたが、この値は一例であり、辞書の性
質によつて変えることはできる。

【図面の簡単な説明】

第１図は固定長形式の辞書の構成を示す図、第
２図Ａ，Ｂは可変長構造の辞書の構成を示す図、
第３図はカナ―漢字変換装置の構成を示すブロツ
図、第４図は第３図のカナキーボード部を詳細に
示した図、第５図Ａ，Ｂは本発明に係る差分構造
辞書の構成を示す図、第６図はJIS―6226のコー
ド表を概略的に示す図、第７図は漢字表記部の復
元動作を説明するための図、第８図は本発明辞書
を用いた検索動作を示すための第３図の一部を詳
細に示したブロツク図、第９図はその検索動作の
フローを示す図である。 ３１：カナ―キーボード、３２：CPU、３
３：入力文バツフア、３４：処理プログラム装
置、３５：辞書、３５Ａ：自立語辞書フアイル、
３５Ｂ：文法情報テーブル、３６：検索該当バツ
フア、３７：出力文バツフア、３８：出力装置、
５１：重複文字数領域、５２：語長領域、５３：
カナ見出し部、５４：漢字表記部。

Claims (1)

1. 【特許請求の範囲】 １ カナで入力された文字列を漢字又は漢字カナ
   混じりの文に変換するための辞書において、 各語に対し可変長で収容するカナ見出し部と漢
   字表記部、または前記カナ見出し部と漢字表記部
   の長さを示す語長部とを備えるとともに、 前記カナ見出し部の圧縮と検索時間の短縮を図
   るため、一連の語列の中で１つ前のカナ見出し部
   のカナと重複する部分を、文字コードを使わずに
   重複文字数で表わす重複文字数部を有し、 前記可変長のカナ見出し部には重複文字以外の
   文字のみ文字コードで収容させる構成となしたこ
   とを特徴とするカナ漢字変換用辞書。 ２ カナで入力された文字列を漢字又は漢字カナ
   混じり文に変換するための辞書において、 各語に対し可変長で収容するカナ見出し部と漢
   字表記部、また前記カナ見出し部と漢字表記部の
   長さを示す語長部とを備えるとともに、 前記漢字表記部の圧縮を図るため、該可変長の
   漢字表記部にはカナ文字をともなう漢字に対して
   そのカナ文字部分を文字コードを使わずにカナ文
   字数で表わし、該カナ文字数と漢字コードで収容
   させる構成となしたことを特徴とするカナ漢字変
   換用辞書。