JPH03244070A - かな漢字変換装置 - 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］ この発明は、日本語ワードプロセッサ等におけるかな漢
字変換装置に関する。

［発明の概要］ この発明は、入力されたかな文字列を文節毎にかな漢字
変換して同音具ａ語の文節候補を得ると共に、各文節候
補を組み合せた組み合せ候補群の中から最適な組み合せ
候補を選択するかな漢字変換装置において、文節同士の
係り受け関係を組織化（ネットワーク化）した知識情報
を記憶するメモリを設け、このメモリの内容に基づいて
最適な組み合せ候補を選択すると共に、候補が確定され
た際に、必要に応じて当該確定候補の係り受け関係を知
識情報としてメモリへ登録することにより、ユーザ使用
に応じて知識情報を拡張するようにしたものである。

［従来の技術１ 近年、日本語文書処理システム、特に、日本語ワードプ
ロセッサにおけるかな漢字変摸装置には、意味情報を用
いた同音異義語選択装置を備え、かな漢字変換の変換率
の向上を図っている。

この場合、日本語辞書には個々の単語に対応して意味情
報が付加されている。

第１Ｏ図は意味情報を備えた日本語辞書の構成の一部を
視覚的に示したものである。ここで、辞書内の意味情報
はその意味内容（意味分類）が２階層（大分類、小分類
）からなっているものとして以下説明するが、意味分類
が、Ｎ階層であっても、基本的には同じである。

この辞書に記載された意味情報を用いて同音異義語の選
択を行う手法としては、従来法の方法が知られている。

（１）近似の法則を用いる手法（最もプリミティブな手
法） この手法は、意味分類番号が、同しか又は近似したもの
が出現する傾向があるという統計に基づき、同音異義語
が存在する場合は、同一文中に存在する語（特に、隣接
している前後の文節に含まれている語）との意味分類番
号がより近いものを第１候補として出力するものである
。

この手法では、例えば、＄１１図のような同音異義語の
候補が存在する場合であれば、「花が」（植物・花）−
［咲＜Ｊ　　（植物・開花）の組み合わせを最尤候補（
第１候補〕として選択することができる。

（２）係り受け意味パターンを用いる手法この手法では
、構文解析（ｐａｒｓｉｎｇ　）は行わないが、文章中
に出現頻度の高い係り受けパターンをデータ化しておき
、このデータを用いて、同音異義語を含む文節の係り受
け語（文節）を決定するとともに、係り受け語の意味情
報に応じて、同音異義語の選択を行うものである。

例えば、第１２図に示されているような例文に対して第
１３図で示されているような係り受け意味パターンをデ
ータとして持っていた場合、係り受けパターンに一致す
る「彼は」　（人間・人称）「英語」　（言語・言葉〕
−「話した」　（言語行為・陳述）の組み合わせを最尤
候補として選択することができる。なお、この手法では
、付属語に着目し、「名詞」＋「は、が」を主格、「名
詞」十「を」を目的格と判断する。

［発明が解決しようとする課題］ 以上、２つの同音異義語の選択手法のうち、（１）の手
法では、文中の隣接する単語（文節９間に、係り受け関
係が存在するとは限らないし、たとえ、係り受け関係が
存在したとしても、意味情報か近似する組み合わせが、
止しい組み合わせであるとは限らない。

また、（２）の手法の場合、知識（意味情報）を固足的
に決めてしまうので、あらかじめ決められたケースにし
か対応できず、その応用は、限られたものになるという
欠点があった。しかも、全ての知識を予め記述すること
は、ハードウェアーにの制約（処理空間・処理速度）に
より、実質上、不可能である。

そこで、文節同士の係り受け関係を組織化した知識情報
に基づいて最適な文節の組み合せ候補を選択すると共に
、選択候補の確定時に必要に応じて知識情報を拡張する
ことができれば、ユーザの使用に即してかな漢字変換時
における変換率を大幅に向上させることができるように
なることは明らかである。

この発明の課題は、文節同士の係り受け関係を組織化し
た知識情報に基づいて最適な文節の組み合せ候補を選択
すると共に、選択候補の確定時に必要に応じて知識情報
を拡張できるようにすることである。

［課題を解決するための手段］ この発明の手段は次の通りである。

かな漢字変換手段ｌ（第１図の機能ブロック図を参照、
以下同じ）は、入力されたかな文字列を文節毎にかな漢
字変換して同音異義語の文節候補を得る。

係り受け関係決定手段２ほかな漢字変換手段ｌで得られ
た各文節候補同士の係り受け関係を一定の規則に基づい
て決定する。この場合、構文解析は行わず、例えば予め
用意されている日本語の係り受けパターンと照合し、そ
の係り受け度合を示す確信度（日本語としての正確さ）
を決定するようにしてもよい。

知識情報記憶手段３は文節同士の係り受け関係を組織化
した知識情報を記憶するもので、システム初期状態にお
いては日常的に頻繁に使用される知識情報がプロトタイ
プとして予め記憶されている。

候補選択手段４は同音異義語の文節候補同士を組み合せ
た組み合せ候補群の中から係り受け関係決定手段２によ
って決定された係り受け関係と知識情報記憶手段３内に
記憶されている知識情報とに基づいて文節の組み合せ候
補を選択する。

登録手段５は候補選択手段４によって選択された組み合
せ候補の確定時に、当該組み合せ候補の係り受け関係を
知識情報として知識情報記憶手段３に登録する。

［作　用］ この発明の手段の作用は次の通りである。

いま、−・文単位のかな文字列が入力されると、かな漢
字変換手段１は入力文字列を文節毎にかな漢字変換して
同音異義語の文節候補を得る。すると、係り受け関係決
定手段２は各文節候補同士の係り受け関係を一足の規則
に基づいて決定する。

そして、同音異義語の文節候補同士を組み合せた組み合
せ候補群の中から候補選択手段４は係り受け関係決定手
段２によって決定された係り受け関係と知識情報記憶手
段３内に記憶されている知識情報とに基づいて最適な文
節の組み合せ候補を決定する。

このようにして選択された組み合せ候補はＣＲＴ等の出
力装置から出力される。そして、ユーザがそれを目視確
認し、その確定指令を与えると、登録手段５は組み合せ
候補の確定時に当該組み合せ候補の係り受け関係を知識
情報として知識情報記憶手段３に登録する。この際、シ
ステム初期状態におけるプロトタイプの知識情報に関連
があり、それを派生（拡張）するものであれば、それに
付加し、また派生不可能であれば新規な知識情報として
登録する。なお、知識情報記憶手段３に既に登録されて
いれば、その登録を行う必要はない。

したがって、文節同士の係り受け関係を組織化した知識
情報に基づいて最適な文節の組み合せ候補を選択すると
共に、選択候補の確定時に必要に応じて知識情報を拡張
することができる。

［実施例Ｊ 以下、第２図〜第９図を参照して一実施例を説明する。

第２図は日本語ワードプロセッサのかな漢字変換装置を
示したブロック図である。

入力装置１１は文字データ等を入力するキーボードやＯ
ＣＲ等の入力装置である。

入力記憶装置１２は入力装置１１から入力されたかな文
字列（英数字、記号、カタカナを含む）を−時的に記憶
する入力八ツファである。

形態素解析装置１３は入力記憶装置１２内のかな文字列
を読み込み、日本語基本辞書メモリ１４、形態素解析辞
書メモリ１５を用いて文節毎にかな漢字変換し同音異義
語の文節形態素解析を行う。この場合、入力かな文字列
の形態素解析は、１文単位で行う。ここで、日本語基本
辞書メモリ１４には通常の意味情報を備えた辞書メモリ
と同様に、見出しく読み）、表記、品詞、意味分類の情
報が含まれている。形態素解析辞書メモリ１５は自立語
と自立語、付属語と付属Ｊｂ、及び目立部と付属語間の
接続の可否及び接続の強さ（確信度）をＯ″〜°“１５
″の１６段階で示した情報を記憶するものである。なお
、接辞（接頭辞、接尾辞）に関する情報も形態素解析辞
書メモリ１５に含まれている、 変換候補記憶装置１６は形態素解析装置１３によりかな
漢字変換された各文節の候補群を記憶する。

係り受け解析装置１７は変換候補記憶装置１６に記憶さ
れている各文節候補群の係り受け関係を決定する。この
場合、意味的に関係を持つ単語（文節）と単語（文節）
が実際の文中で連脱して存在しているとは限らない。換
言すれば、隣接する２単語（文節）間に、係り受け関係
が存在するとは限らない。そのため、係り受け解析装置
１７において、係り受け解析を行うことにより、係り受
け決定の際の精度を向上させることを図っている。そし
て、係り受け解析装置１７ではハードウェア上の制約（
記憶領域、実行速度等）により構文解析を行わず、日本
語の係り受けパターンに１ 関する一般的な規則を用いて入力文中の単語（文節）間
の係り受け関係を決定している。なお、係り受け解析の
結果は変換候補記憶装置１６に記憶される。この場合、
実際の処理としては係り受け関係にある単語（文節）同
士がリンクポインタによって結合される。またその際ど
のような係り受け関係が存在するかという情報も記憶さ
れる。

評価装置１８は同音異義語の文節候補同士を組み合せた
組み合せ候補群の中から係り受け解析装置１７により決
定された係り受け関係と統語・知識ネットワークメモリ
１９の内容とに基づいて最適な文節の組み合せ候補を第
１候補として選択する。なお、評価装置１８での評価値
（確信度）は、変換候補記憶装置１６に記憶されている
文節候補に関係づけて付加される。統語Φ知識ネットワ
ークメモリ１９は文節同士の係り受け関係を組織化（ネ
ットワーク化）した知識情報を記憶するもので、システ
ムの初期状態では日常的に頻繁に使用され、しかも各意
味を代表するような単語を用いて各文節同士の係り受け
関係をｆＡ織化したプ　２ ０ツトタイプの知識情報（確信度を含む）が記憶されて
いる。なお、知識情報内の確信度は変動値である。

出力制御装置２０は評価装置１８において第１候補とし
て選択された組み合せ候補をＣＲＴ、プリンタ等の出力
装置へ転送する。

ネットワーク管理装置２１はＣＲＴ等に出力された組み
合せ候補に対して入力装置１１からその確定が指示され
ると、入力装置１１はこの確定候補と統語・知識ネット
ワークメモリ１９の内容とを照合し、その確定候補の係
り受け関係を示す知識情報が統語争知識ネットワークメ
モリ１９に記憶されていなければ、それを条件に当該知
識情報を統語・知識ネットワークメモリ１９に新たな知
識情報として登録する。

なお、かな漢字変換制御装置２２はかな漢字変換装置全
体の動作を制御するものである。

次に、本実施例の動作を説明する。

いま、入力装置１１から、ひらがな文字列［かれはえい
ごをはなす」が入力されたものとする。

この入力文字列は、入力記憶装置１２に、−時的に記憶
された語、形態素解析装置１３に送られる。

形態素解析装置１３では、日本語基本辞書メモリエ４及
び形態素解析辞書メモリ１５を用いて、形態素解析を実
行し、解析の結果、文節の候補として認められたものを
変換候補記憶装置１６に伝達する。

ここで、形態素解析の結果、変換候補記憶装置１６には
、第３図に示すような各文節候補が記憶されたものとす
る。なお、実際には、図に示されていない変換候補も変
換候補記憶装置１６に記憶されるが、ここでは、説明の
簡略化のために、省略することにする。

係り受け解析装置１７では、変換候補記憶装置１６に記
憶されている文節候補間の係り受け関係を一般的な規則
を用いて決定している。

第４図は、本実施例で採用した係り受け規則の部を視覚
的に示したものである。

ここで、ＮＰは名詞、ＶＰは動詞を示し、係り受けパタ
ーンに対応して係り受け度合を示す確信度が定義されて
いる。

しかして、係り受け解析装置１７による解析結果は、変
換候補記憶装置１６に送れる。

第５図は係り受け解析後における変換候補記憶装置１６
の内容を視覚的に示したものである。なお、図中括弧内
の数字は各文節間の係り受け度合を示す確信度である。

なお、係り受け解析の結果、係り受け関係を決定するこ
とができなかった単語（文節）に関しては、後接する単
語（文節）との間の係り受け関係を認める。ただし、こ
の場合、係り受けのラベルとしてｒＯＲＰＨＡＮＴＪを
、また確信度としてｒｏ、ｌＪを変換候補記憶装置１６
に記憶させておく。

このようにして係り受け解析を行ったのち、評価装置１
８は変換候補記憶装置１６の記憶内容と統語・知識ネッ
トワークメモリ１９の記憶内容とを照合する。

ここで、第６図はシステム初期状態において統語拳知識
ネットワークメモリ１９に記憶されてい５ る「話す」の知識情報を視覚的に示した図、第７図は「
放す」の知識情報を視覚的に示した図である。

いま、「彼は」　（人間轡人称）−「英語を」（言語争
言葉）−「話す」　（言語行為・陳述）の組み合せを例
に挙げると、統語争知識ネットワークメモリ１９に格納
されている「話す」の主格（ＳＵＢＪＥＣＴ）は「人間
」　（人間・人間）であり、目的格（ＯＢＪＥＣＴ）は
「言葉Ｊ　　（ｉ語・言葉）である。

ここで、変換候補記憶装置１６に記憶されている「話す
」の主格である「彼は」　（人間・人称）の意味情報を
（入間・人間）と比較すると、小分類（２階層目）は異
なっているが、大分類（１階層目）は同一である。また
、「話す」の目的格である「英語」　（言語・言葉）は
、大分類・小分類とも「言葉」　（言語−言葉）と同一
である。従って、「彼は」−「英語を」−「話す」の組
み合せは、統語・知識ネットワークメモリ１９に記述さ
れているブｆｆｌトタイプと適合する。

６ 反対に、ｒ枯れ葉Ｊ−ｒ英五を」−「話すＪの組み合せ
は、主格である「枯れ葉」　（植物・枝葉）及び目的格
である「英五を」　（人間・人名）とも、それぞれ統語
・知識ネットワークメモリ１９に記述されている「話す
」のプロトタイプと適合しない。

以上のような照合の結果、評価装置１８では、「彼は」
−「英語を」−「話す」の組み合せが、最尤候補として
選択され、出力制御装置２０に送られる。

出力制御装置では、「彼は英語を話す」をＣＲＴ等へ文
節組み合せの変換候補として出力する。

ここで、ユーザによりｒ確定キー」が操作された場合（
もしくは、次のひらがな入力が開始された場合）は、出
力制御装置２０は、［彼は英語を話すＪを確定状態でＣ
ＲＴ等に出力するとともに、「彼は英語を話す」が選択
されたことをネットワーク管理装置２１に伝達する。

ネットワーク管理装置２１では、確定された文節の組み
合せ候補と、統語・知識ネットワークメモリ１９の内容
とを照合する。

この場合は、「話す」の主格として「人間」が、目的格
として「言葉」が既に（確信度工として）登録されてい
るので、統語・知識ネットワークメモリ１９への登録は
行われない。

ここで、更に他の文例に基づいて上述の動作を記述する
。

いま、ひらがな文字列Ｆきかいがえいごをはなす」が入
力されたものとする。すると、形態素解析装置１３にお
ける形態素解析及び係り受け解析装置１７での係り受け
結果、変換候補記憶装置１６には、第８図に示すような
文節候補群が係り受け関係と共に記憶されたものとする
（この場合も、説明の便宜−し、変換候補を絞っている
）。

この場合、評価装置１８において統語・知識ネットワー
クメモリ１９を用いた解析の結果、前例同様、「英語」
　（言語・言葉）は「話す」　（言語行為め陳述）の目
的格に適合するが、「放す」（束縛・開放）の目的格に
き適合しないことが判明する。しかしながら、「話す」
の主格とじては、「機会」　（時間・時期）及び「機械
」　（機械・機械）とも適合しない。

いま、評価装置１８において、「機械が」−「英語を」
−「話す」の組み合せが、誤って第１候補として選択さ
れ、出力制御装置２０に送られたと仮足する。

また、出力制御装置２０において、「機会が英語を話す
」を変換候補としてＣＲＴ等に出力したところ、ユーザ
により「次候補キー」の操作により、「機会が」が「機
械が」に修正され確定されたとする。

ここで、ネットワーク管理装置２１は、出力制御装置２
０から、「機械が英語を話す」が選択・確定されたとい
う情報を受け取り、統語・知識ネットワークメモリ１９
の内容と照合する。この結果、「英語を」に関しては、
前例と同様、「話す」の目的格として「言葉」　（言語
・言葉）が既に（確信度１で）登録されているので、統
語・知識ネットワークメモリ１９には登録されない。し
かしながら、「機械が」に関しては、「機械」９ （機械・機械）が、「話す」の主格となるという情報は
、統語・知識ネットワークメモリ１９には存在しない。

そこで、ネットワーク管理装置２１は、「機械」を新た
に「話す」の主格としてネットワーク管理装置２１に登
録する。この結果を示したのが、第９図である。したが
って、統語・知識ネットワークメモリ１９に既に登録さ
れている「話す」の知識情報に、「機械」を「話す」の
主格とする情報を派生的に付加し、「話す」の知識情報
を拡張する。

このように、確定された文節の組み合せ候補が統語・知
識ネットワークメモリ１９に記述されている内容と異な
る場合は、ネットワーク管理装置２１により、統語・知
識ネットワークメモリ１９に記憶されている知識情報が
目動的に追加・修正され拡張されていく。つまり、該当
する知識情報が既に登録されていれば、今回の確定候補
に関する知識情報を登録する必要はなく、また、該当す
る知識情報が登録されていなければ新規に追加分０ 録するか、あるいは既登録情報に派生するものであれば
、既登録情報を修正する。

そして、「機械が英語を話す」は、次回から、（直前に
機会が用いられていたとしても）正しく変換出力するこ
とができる。更に、「機械が英語を話す」が入力される
ごとに、「機械」が「話す」の主格であるという確信度
が増加されていくことになる。

なお、評価装置１８における確信度の計算力法は、次の
方法を採用している。

いま、１文がＮ文節で構成されているものとすると、文
単位での確信度は以下の式で求めることができる。

文単位での確信度−（（第１文節の形態素レベルでの確
信度）×（第１文節の係り受けレベルでの確信度）×（
第１文節のネットワーク知識レベルでの確信度）＋・・
・・・・（第Ｎ文節の形態素レベルでの確信度）×（第
Ｎ文節の係り受けレベルでの確信度））÷Ｎ（文節数） したがって、「彼は英語を話した」を例に挙げると、「
彼はＪ　１５Ｘ０．９Ｘ１．０＋ｒ英語をＪ　　１５Ｘ
０．９Ｘ１．Ｏ＋　ｒ話したＪ１５×０．９＝４０．５
であるから、文単位での確信度は４０．５／３文節−１
３，５となる。また、［枯れ葉Ｊ　１２ＸＯ，９ＸＯ＋
　ｒ英五を」１５×０．９Ｘ１．Ｏｒ放したＪ　１５Ｘ
０．９＝２７であるから文単位での確信度は２７／３文
ｍ−９となる。したがって、「彼は英語を話した」が第
１候補として選択される。

［発明の効果Ｊ この発明は、文節同士の係り受け関係を組織化した知識
情報に基づいて最適な文節の組み合せ候補を選択すると
共に、選択候補の確定時に必要に応じて知識情報を拡張
することができるので、次の効果を有する。

■　システム初期状態で用意すべき知識情報を最小限に
止めることができる。

■　新しい知識情報の獲得によりかな漢字変換における
変挨率を大幅に向−１−させることができると共に、ユ
ーザの使用に即したものとなる。

■　−度でも確定されればその確定候補の意味情報が登
録されるので、比唆表現などの処理にも有効である。

【図面の簡単な説明】

第１図はこの発明の機能ブロック図、第２図〜第９図は
実施例を示し、第２図はかな漢字変換装置の構成を示し
たブロック図、第３図は形態素解析装置１３による解析
の結果、変換候補記憶装置１６に記憶された文節候補群
を例示した図、第４図は一般的な係り受け規則を例示し
た図、第５図は係り受け解析装置１７による解析の結果
、係り受け情報が付加された変換候補記憶装置１６内の
文節候補群を例示した図、第６図は統語・知識ネットワ
ークメモリ１９に格納されている「話す」の知識情報を
示した図、第７図は統語・知識ネットワークメモリ１９
に格納されている「放す」の知識情報を示した図、第８
図は係り受け情報が刊加された他の文節候補群を例示し
た図、第３ ９図は候補確定後に拡張された知識情報を示した図、第
１０図〜第１３図は従来例を示すもので、第１０図は意
味情報を備えた辞書メモリの構成の一部を示した図、第
１１図は同音異義語の文節候補を組み合せた例を示す図
、第１２図は他の組み合せ例を示した図、第１３図は係
り受け意味パターンの記述例を示した図である。 １１・・・・・・入力装置、１２・・・・・・入力記憶
装置、１３・・・・・・形態素解析装置、１４・・・・
・・日本語基本辞書メモリ、１５・・・・・・形態素解
析辞書メモリ、１６・・・・・・変換候補記憶装置、１
７・・・・・・係り受け解析装置、１８・・・・・・評
価装置、１９・・・・・・統語・知識ネットワークメモ
リ、２０・・・・・・出力制御装置２１・・・・・・ネ
ットワーク管理装置、２２・・・・・・かな漢字変換制
御装置。 　４ 第１０図 意味情報を備えた辞書の構成 同も異丼嘗吾の紹刀イ這り世仔ツ

Claims (1)

1. 【特許請求の範囲】 入力されたかな文字列を文節毎にかな漢字変換して同音
   異義語の文節候補を得るかな漢字変換手段と、 このかな漢字変換手段で得られた各文節候補同士の係り
   受け関係を一定の規則に基づいて決定する係り受け関係
   決定手段と、 文節同士の係り受け関係を組織化した知識情報を記憶す
   る知識情報記憶手段と、 前記同音異義語の文節候補同士を組み合せた組み合せ候
   補群の中から前記係り受け関係決定手段によって決定さ
   れた係り受け関係と前記知識情報記憶手段内に記憶され
   ている知識情報とに基づいて文節の組み合せ候補を選択
   する候補選択手段と、 この候補選択手段によって選択された組み合せ候補の確
   定時に、当該組み合せ候補の係り受け関係を知識情報と
   して前記知識情報記憶手段に登録する登録手段と、 を具備したことを特徴とするかな漢字変換装置。