JPH05113997A - 辞書データ収集装置 - Google Patents

Abstract

(57)【要約】 【目的】 機械翻訳装置や翻訳用辞書などは一切使用せ
ず、非常に簡単な方式で、入力原語文のみ、入力既存の
語彙データのみ、又は入力原語文と入力既存の語彙デー
タの、いずれかから、その原語と所定の関係にある語を
迅速に収集する辞書データ収集装置を提供する。 【構成】 入力日本語文は、語分割部１で字種に応じて
分割されて、パターン検索部３に供給される。抽出パタ
ーン格納部２には、原語と、その原語と所定の関係にあ
る語とから成る語パターンであって、語パターン抽出の
ための抽出パターンが複数格納されており、パターン検
索部３は入力の語に一致する抽出パターンを取り出し
て、テーブル出力編集部４に出力する。テーブル編集部
４は抽出パターンと一致する語をパターンごとに分類
し、しかも各語の出現頻度などを検出して編集する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は、例えば日本語の文章
や既存の語彙データなどから、原語−訳語、原語−略
語、原語−同義語の対などを自動的に収集する装置に関
する。

【０００２】

【従来の技術】従来、機械翻訳などの自然言語処理に用
いる辞書の開発は、以前は自動的に行う手段がなかった
ために、人手によって膨大なデータを収集処理して、入
力しなければならなかった。

【０００３】このような非効率的な方法に対して、特開
昭６２−２９７９７２号公報によれば、機械翻訳手段を
用いることによって、その機能が果たす作用によって翻
訳された出力表現と入力表現の対応する部分を抽出し
て、表現間の対訳関係を抽出することによって自動的に
翻訳に利用できる翻訳辞書を生成する方式が提案されて
いる。

【０００４】

【発明が解決しようとする課題】しかしながら、以上の
様な方式では、機械翻訳手段（例えば、機械翻訳装置や
プログラム及び翻訳用の辞書など）を準備する必要があ
り、入力表現と出力表現の比較を行うための複雑な手段
が必要となる問題があった。

【０００５】また以上の様な方式では、機械翻訳手段内
の辞書の情報の組合わせ以上の情報は得られないという
問題があった。

【０００６】この発明は、以上の課題に鑑み為されたも
のであり、その目的とするところは、機械翻訳装置や翻
訳用辞書などは一切使用せず、非常に簡単な装置で、入
力原語文のみ、入力既存の語彙データのみ、又は入力原
語文及び入力既存の語彙データに、いずれかから、ある
原語と、その原語と所定の関係にある語とを迅速に、し
かも自動的に収集する辞書データ収集装置を提供するこ
とである。

【０００７】

【課題を解決するための手段】この発明は、以上の目的
を達成するために、第１の発明においては、入力原語文
から原語と、その原語と所定の関係にある語とを収集す
る辞書データ収集装置において、以下の特徴的な各手段
を備えて改良した。

【０００８】つまり、入力した前記原語文を字種の違い
によって各語に分割して出力する語分割手段と、ある原
語と、その原語と所定の関係にある語とから成る語パタ
ーンであって、前記語分割手段から供給される各語か
ら、所望の語パターンを抽出するために予め用意されて
いる抽出パターンを複数格納する原語文用抽出パターン
格納手段と、前記語分割手段から供給される各語から、
前記抽出パターン格納手段に格納されている抽出パター
ンと一致する語パターンを検索して出力する原語文用パ
ターン検索手段とを備えて成ることを特徴とする。

【０００９】また第２の発明においては、入力既存の語
彙データから原語と、その原語と所定の関係にある語と
を収集する辞書データ収集装置において、以下の特徴的
な各手段を備えて改良した。

【００１０】つまり、ある原語と、その原語と所定の関
係にある語とから成る語パターンであって、前記入力語
彙データから、所望の語パターンを抽出するために予め
用意されている抽出パターンを複数格納する語彙データ
用抽出パターン格納手段と、前記入力語彙データから、
前記抽出パターン格納手段に格納されている抽出パター
ンと一致する語パターンを検索して出力する語彙データ
用パターン検索手段とを備えて成ることを特徴とする。

【００１１】また第３の発明においては、入力原語文及
び入力既存の語彙データから原語と、その原語と所定の
関係にある語とを収集する辞書データ収集装置におい
て、以下の特徴的な各手段を備えて改良した。

【００１２】つまり、原語と、その原語と所定の関係に
ある語とから成る語パターンであって、前記語分割手段
から供給される各語から、所望の語パターンを抽出する
ために予め用意されている抽出パターンを複数格納する
原語文用抽出パターン格納手段と、原語と、その原語と
所定の関係にある語とから成る語パターンであって、前
記入力語彙データから、所望の語パターンを抽出するた
めに予め用意されている抽出パターンを複数格納する語
彙データ用抽出パターン格納手段と、前記語分割手段か
ら供給される各語から、前記原語文用抽出パターン格納
手段に格納されている抽出パターンと一致する第１の語
パターンを検索し、更に前記語彙データから、前記語彙
データ用抽出パターン格納手段に格納されている抽出パ
ターンと一致する第２の語パターンを検索して、前記第
１及び第２の語パターンから原語と、その原語と所定の
関係にある語を抽出して出力するパターン抽出手段とを
備えて成ることを特徴とする。

【００１３】

【作用】この第１の発明によれば、機械翻訳装置や翻訳
用辞書などを使用せずに、簡単な構成で、入力原語文か
ら原語と、その所定の関係にある語（例えば原語と略語
の対、原語と訳語の対、原語と同義語の対など）を自動
的に収集することができる。

【００１４】またこの第２の発明によれば、機械翻訳装
置や翻訳用辞書などを使用せずに、簡単な構成で、入力
既存の語彙データから原語と、その所定の関係にある語
（例えば原語と略語の対、原語と訳語の対、原語と同義
語の対など）を自動的に収集することができる。

【００１５】またこの第３の発明によれば、機械翻訳装
置や翻訳用辞書などを使用せずに、簡単な構成で、入力
原語文及び入力既存の語彙データから原語と、その所定
の関係にある語（例えば原語と略語の対、原語と訳語の
対、原語と同義語の対など）を自動的に収集することが
できる。

【００１６】

【実施例】次にこの発明に係る辞書データ収集装置の好
適な実施例を図面を用いて説明する。

【００１７】この辞書データ収集装置は、ハードウエア
的には一般のコンピュータシステム（例えばワークステ
ーションなど）と同様な構成で実現できる。即ちＣＰ
Ｕ、主記憶装置、補助記憶装置、キーボード、ＣＲＴデ
ィスプレイ、プリンタ、ＯＣＲ等から構成される。この
実施例ではこれ以上のハードウエアについての説明は省
略する。

【００１８】第１実施例 第１実施例の説明を図面を用いて説明する。

【００１９】この第１実施例は、日本語の例文を入力と
し、出力として原語−略語、原語−訳語を迅速に収集す
ることを目的とする。

【００２０】この第１実施例の機能的構成を図１に示
す。

【００２１】図１は、原文入力部１０と、語分割部１
と、抽出パターン格納部２と、パターン検索部３と、テ
ーブル編集部４と、テーブル出力部２０とで構成されて
いる。次に前記各構成部の機能を説明する。

【００２２】原文入力部１０は、キーボードやＯＣＲな
どを用いて読み込んだ日本文の原文をメモリなどに格納
し、１文づつ語分割部１に供給する。

【００２３】図１において前記語分割部１は、入力され
た日本文を字種（英字、ひらがな、カタカナなど）の違
いによって分割するものである。語分割用の辞書は必要
ない。

【００２４】抽出パターン格納部２は、抽出したいパタ
ーンを格納する。

【００２５】パターン検索部３は、語分割部１から供給
され、しかも抽出パターン格納部２に格納されている抽
出パターンと一致するものを取り出してテーブル編集部
４に供給する。

【００２６】テーブル編集部４は、パターン検索部３か
らの結果に対して編集（例えば、並べ換えや、出現頻度
のカウントなど）を行い、この結果をテーブル出力部２
０に供給する。

【００２７】テーブル出力部２０は、テーブル編集部４
から出力された図５に示すようなテーブルを外部のＣＲ
Ｔディスプレイやプリンタに出力する。

【００２８】次に図１の動作を説明する。

【００２９】原文入力部１０から、語分割部１に供給さ
れる文の例を次のような文とする。 例文・・・「・・・ＡＩ（人工知能）の応用・・・」 この場合は、語分割部１からの出力は、図２に示すよう
に（１）〜（７）に分割され出力される。

【００３０】抽出パターン格納部２は、図３に示すよう
なパターンＰ１〜Ｐ６・・・を格納している。図３中の
文字列１、２の必須文字はとは、文字列１、２中に必ず
必要な字種であり、任意文字とは、文字列１、２中にあ
ってもなくてもよい字種を意味する。

【００３１】例えばパターンＮｏがＰ３のものは、１文
字以上の英大文字（文字列１）と、「（」（区切りマー
カ）と１文字以上の漢字（文字列２）と「）」（区切り
マーカ）が続いているというパターンを表している。こ
のパターンに一致するのが、前記例文中の「ＡＩ（人工
知能）」に当たる。

【００３２】またパターンＮｏがＰ１のものは、１文字
以上の英大文字（文字列１）と「（」（区切りマーカ）
と英大文字、英小文字、アンダーバー、ブランクのいず
れかの連続（文字列２、但し、英大文字、アンダーバ
ー、ブランクはなくてもよい）と「）」（区切りマー
カ）が続いているというパターンを表している。このパ
ターンの例として、例えば「ＬＡＮ（略語）（Local Ar
eaNetwork）（原語）」を挙げることができる。

【００３３】これらのパターンは、使用者が目的や入力
する文章の違いに応じて変更することが可能であり、区
切りマーカも「（」』、「）」のみでなく、例え
ば「〔」、「〕」や、「《」、「》」
や、「『」、「』」などであってもよい。

【００３４】パターン検索部３は、語分割部１からの出
力より、抽出パターン格納部２に格納されているパター
ンに一致しているものを取り出すものである。前記例文
において、パターン検索部３からの出力の例を図４に示
す。図４からわかるように前記例文の下線部が、図３の
パターンＮｏＰ３に一致しているので、このＰ３が出力
されている。

【００３５】テーブル編集部４は、パターン検索部３か
らの結果を編集して出力する。即ち、パターン検索部３
からの結果を、パターンごとに振り分けて、更に並べ換
えなどを行って出現頻度と共に出力する。

【００３６】図５にテーブル編集部４からの出力の例を
示す。ここで前記入力例文中の「ＡＩ（人工知能）」と
いう表現から、英語の略語である「ＡＩ」（文字列１）
と日本語訳語の「人工知能」（文字列２）という語の対
が抽出できたことがわかる。また入力例文が、例えば
「・・・ＬＡＮ（Local Area Network）の応用・・・」
である場合は、パターン検索部３からＰ１がテーブル編
集部４に出力され、このテーブル編集部４から例文中の
「ＬＡＮ（Local Area Network）」から、略語「ＬＡ
Ｎ」と、原語「Local Area Network」の対が出力され
る。

【００３７】以上の第１実施例によれば、非常に簡単な
構成で、日本語の文書から、原語−訳語、原語−略語の
対などを自動的に収集することができる。

【００３８】またこのようにして収集されたデータは、
出現頻度に基づき専門用語を抽出するなどして、機械翻
訳用辞書の開発・改良に役立てることができる。

【００３９】更に例えば新しく登場した専門用語など
は、原語ないし略語が括弧（）内に記載されている場合
が多いため、この第１実施例の装置によれば、新出用語
をもれなく収集することができる。

【００４０】第２実施例 次にこの発明に係る辞書データ収集装置の好適な第２実
施例を図面を用いて説明する。

【００４１】この第２実施例は、入力として日本語の例
文のみ、既存の語彙データのみ、又は日本語の例文及び
既存の語彙データの、いずれかから、原語−訳語、原語
−略語、原語−同義語などの辞書データを迅速に収集す
ることを目的とする。

【００４２】この第２実施例の機能的構成を図６に示
す。

【００４３】図６は、原文入力部１０と、語分割部１
と、パターン検索部３と、日本語文用抽出パターン格納
部５と、語彙（一定の範囲に使われる語及びそれを集め
たもの）データ入力部３０と、パターン付与部６と、語
彙データ用抽出パターン格納部７と、原語−略語抽出部
８と、原語−訳語抽出部９と、原語−同義語抽出部１０
と、出力部４０とで構成されている。

【００４４】語分割部１に日本語文が入力され、パター
ン付与部６に既存の語彙データ（後述）が入力される。
入力については、日本語文のみ、既存の語彙データの
み、又は日本語文と既存の語彙データの両方の、いずれ
の場合でも有効である。

【００４５】原語−略語抽出部８からは、原語と略語の
対（例えば、前記第１実施例と同様な対）が出力され、
同様に原語−訳語抽出部９からは原語と訳語の対（例え
ば、前記第１実施例と同様な対）が出力され、原語−同
義語抽出部１０からは原語と同義語の対（例えば、国際
標準機構と国際標準化機構などの対）が出力される。次
は図６の前記各構成部の機能を説明する。

【００４６】原文入力部１０は、キーボードやＯＣＲな
どを用いて読み込んだ日本文の原文をメモリなどに格納
し、１文づつ語分割部１に供給する。

【００４７】語分割部１は、入力された日本語文を字種
（英字、ひらがな、カタカナなど）の違いによって分割
するものである。語分割用の辞書は必要としない。

【００４８】日本語文用抽出パターン格納部５は、入力
された日本語文から単語のペアを認識するためのパター
ンをするものであり、語彙データ用抽出パターン格納部
７は、入力された既存の語彙データの各々を区別するた
めのパターンを格納する。

【００４９】パターン検索部３は、語分割部１の出力か
ら日本語文用抽出パターン格納部５に格納されている抽
出パターンと一致するものを取り出すものである。

【００５０】語彙データ入力部３０は、キーボードやＯ
ＣＲなどを用いて読み込んだ既存の用語集、略語集、対
訳データなどをメモリなどに格納し、１データづつパタ
ーン付与部６に供給する。

【００５１】パターン付与部６は、既存の語彙データが
入力される。この語彙データとしては、用語集（「Ａ
Ｉ」と「人工知能」の対など）、略語集（「ＦＡ」と
「factryautomation 」の対など）、対訳データ（日本
語と英語の単語の対など）を扱うことができる。図８に
語彙データの形式を示す。またこのパターン付与部６
は、入力された各データに対して語彙データ用抽出パタ
ーン格納部７に格納されている抽出パターンの番号を付
与するものである。

【００５２】原語−略語抽出部８は、パターン検索部２
及びパターン付与部６からの出力を受け取り、原語−略
語の対を出力し、原語−訳語抽出部９は、同様に原語−
訳語の対を出力し、原語−同義語抽出部１０は、同様に
原語−同義語の対を出力するものである。

【００５３】出力部４０は、原語−略語の対、原語−訳
語の対、原語−同義語の対などを外部のＣＲＴディスプ
レイやプリンタに出力する。

【００５４】次に図６の動作を説明する。

【００５５】原文入力部１０から語分割部１に供給され
る日本語文に次のような表現を含む文が含まれていると
する。

【００５６】（例文）・・・ＯＳＩ（Open System Inte
rconnection ）の採用は・・・ ・・・ＯＳＩ（開放型システム間相互接続）の規格に・
・・ この場合は、語分割部１の出力は図７に示すようにな
る。

【００５７】日本語文用抽出パターン格納部５には、図
９に示すようなパターンが格納されている。図中の文字
列１、２の必須文字とは文字列１、２内に必ず必要な字
種であり、任意文字列とは文字列１、２内にあってもよ
い字種を意味する。

【００５８】例えば、パターンＮｏがＰ１のものは、１
文字以上の英大文字（文字列１）と「（」（区切りマー
カ）と英大文字、英小文字、アンダーバー、ブランクの
いずれかの連続（文字列２、但し英大文字、アンダーバ
ー、ブランクはなくてもよい）と「）」（区切りマー
カ）が続いているというパターンを表している。ＯＳＩ
（Open System Interconnection ）は、このＰ１パター
ンに一致する。

【００５９】またパターンＮｏがＰ５のものは、１文字
以上の英大文字（文字列１）と、「（」（区切りマー
カ）と、漢字、カタカナのいずれかの連続（文字列２）
と「）」（区切りマーカ）が続いているというパターン
を表している。ＯＳＩ（開放型システム間相互接続）
は、このＰ５パターンに一致する。

【００６０】パターン検索部３は、語分割部１からの出
力から、日本語文用抽出パターン格納部５に格納されて
いるパターンに一致しているものを取り出す。パターン
検索部３からの出力を図１１に示す。

【００６１】またパターン付与部６に供給されたデータ
に、図８に示すデータがあるとする。語彙データ用抽出
パターン格納部７には、図１０に示すようなパターンが
格納されている。入力されたデータが略語集のデータで
あれば、パターンＮｏはＰ１となるが、用語集データの
パターンＮｏはＰ３〜Ｐ５に分かれており、対訳データ
のパターンＮｏはＫ１〜Ｋ３に分かれている。尚パター
ン番号は、図９及び図１０において共通的に定義されて
いる。

【００６２】原語−略語抽出部８、原語−訳語抽出部
９、原語−同義語抽出部１０における処理を図１６〜図
１８の処理フローチャートを用いて説明する。

【００６３】図１６は、原語−略語抽出部８の処理フロ
ーチャートを示す。

【００６４】図１６において、パターン検索部３と、パ
ターン付与部６からのデータを受け取る（Ｓ１１０
１）。次にバッファを空にする（Ｓ１１０２）。次にデ
ータの終りか否かを判断する（Ｓ１１０３）。ここでデ
ータの終りでないと判断されると次に、１データを読み
込む（Ｓ１１０４）。次に図９におけるパターンＮｏ＝
Ｐ１であるか否かを判断する（Ｓ１１０５）。ここでパ
ターンＮｏがＰ１であるならば次に、文字列１、文字列
２の順に出力する（Ｓ１１０６）。次は再び前記Ｓ１１
０３に戻り、処理を繰り返す。しかしながら、前記Ｓ１
１０５において、パターンＮｏがＰ１でなければ、次に
図９におけるパターンＮｏ＝Ｐ２であるか否かを判断す
る（Ｓ１１０７）。ここでパターンＮｏがＰ２であるな
らば次に、文字列２、文字列１の順番に出力する（Ｓ１
１０８）。次は再び前記Ｓ１１０３に戻り、処理を繰り
返す。しかしながら、前記Ｓ１１０７において、パター
ンＮｏがＰ２でなければ次に、パターンＮｏが、Ｐ３、
Ｐ４、Ｐ５、Ｋ１、Ｋ２、Ｋ３のいずれであるか否かを
判断する（Ｓ１１０９）。いずれにも該当しなければ、
次は再び前記Ｓ１１０３に戻り処理を繰り返す。しかし
ながら、前記Ｓ１１０９において、Ｐ３、Ｐ４、Ｐ５、
Ｋ１、Ｋ２、Ｋ３のいずれかに該当する場合は、次に文
字列１と文字列２を入れ換える（Ｓ１１１０）。次にデ
ータをバッファに追加する（Ｓ１１１１）。次は再び前
記１１０３に戻り、処理繰り返す。

【００６５】しかしながら、前記Ｓ１１０３において、
データの終わりと判断されると、次はバッファ内のデー
タを文字列１、文字列２の順番にソート（並び替え）す
る（Ｓ１１１２）。次にバッファ内で文字列１が同一の
連続した２データがあるか否かを判断する（Ｓ１１１
３）。ここでなければ、処理を終了する。しかしなが
ら、あれば次に第１データと、第２データのパターンが
（Ｐ３、Ｋ１）か、（Ｐ４、Ｋ２）か、（Ｐ５、Ｋ３）
のいずれであるか否かを判断する（Ｓ１１１４）。いず
れにも該当しなければ、第１データを削除する（Ｓ１１
１７）。しかしながら、（Ｐ３、Ｋ１）か、（Ｐ４、Ｋ
２）か、（Ｐ５、Ｋ３）のいずれかに該当する場合は、
第１データ、第２データ各々の文字列２を出力する（Ｓ
１１１５）。次は第１データと、第２データを削除する
（Ｓ１１１６）。次は再び前記Ｓ１１１３に戻り、処理
を繰り返す。

【００６６】例えば図１１に示す検索部２からの２つの
データ（パターンＮｏがＰ１、Ｐ５）出力の内、第１の
データはパターンＮｏがＰ１となっている。このデータ
は図１６（原語−略語抽出部８）のフローチャートのＳ
１１０６によって、略語「ＯＳＩ」と原語「Open Syste
m Interconnection 」の対が出力される。また図１１に
おいて、図１０の例に示すような語が入力された場合
は、前記Ｓ１１１４の判断で、パターン（Ｐ３、Ｋ１）
の場合は、例えば「ＡＩ」と「Artifical Intelligenc
e」の対が出力され、またパターン（Ｐ４、Ｋ２）の場
合は、例えば「ＯＡ」と「Office Automation 」の対が
出力され、またパターン（Ｐ５、Ｋ３）の場合は、例え
ば「ＯＳＩ」と「Open SystemInterconnection 」の対
が出力される。

【００６７】原語−略語抽出部８からの出力の例を図１
３に示す。

【００６８】図１７は原語−訳語抽出部９の処理フロー
チャートである。

【００６９】図１７において、パターン検索部２、パタ
ーン付与部６からのデータを受け取る（Ｓ１２０１）。
次はバッファを空にする（Ｓ１２０２）。次はデータの
終わりか否かを判断する（Ｓ１２０３）。ここで終わり
でないと判断されると次は、１データ読み込む（Ｓ１２
０４）。次はパターンＮｏがＫ１、Ｋ２、Ｋ３のいずれ
かに該当するか否かを判断する（Ｓ１２０５）。ここで
該当すると判断されると次は、文字列２、文字列１の順
番に出力する（Ｓ１２０６）。しなかながら、前記Ｓ１
２０５において、Ｋ１、Ｋ２、Ｋ３のいずれにも該当し
ない場合は、次にパターンＮｏがＰ１、Ｐ３、Ｐ４、Ｐ
５のいずれに該当するか否かを判断する（Ｓ１２０
７）。ここで、いずれにも該当しない場合は、再び前記
Ｓ１２０３に戻り、処理を繰り返す。しかしながら、Ｐ
１、Ｐ３、Ｐ４、Ｐ５のいずれかに該当する場合は、次
にデータをバッファに追加する（Ｓ１２０８）。次は再
び前記Ｓ１２０３に戻り、処理を繰り返す。

【００７０】前記Ｓ１２０３において、データの終わり
であると判断されると、次はバッファ内のデータを文字
列１、文字列２の順にソートする（Ｓ１２０９）。次は
バッファ内で文字列１が同一の連続した２データがある
か否かを判断する（Ｓ１２１０）。ここでないと判断さ
れると、ここで処理を終了する。

【００７１】しかしながらあると判断されると、次は第
１データ、第２データのパターンが（Ｐ１、Ｐ３）か、
（Ｐ１、Ｐ４）か、（Ｐ１、Ｐ５）のいずれに該当する
か否かを判断する（Ｓ１２１１）。ここでいずれかに該
当する場合は、次に第２データの文字列２、第１データ
の文字列２を出力する（Ｓ１２１２）。次に第１デー
タ、第２データの削除を行う（Ｓ１２１３）。次は再び
前記Ｓ１２１０に戻り、処理を繰り返す。しかしなが
ら、前記Ｓ１２１１において、（Ｐ１、Ｐ３）か、（Ｐ
１、Ｐ４）か、（Ｐ１、Ｐ５）のいずれにも該当しない
場合は、次に第１データを削除する（Ｓ１２１４）。次
は再び前記Ｓ１２１０に戻り、処理を繰り返す。

【００７２】また例えば図１１（パターン検索部２から
の出力）の２つのデータ（パターンＮｏがＰ１、Ｐ５）
は、図１７（原語−訳語抽出部９）のフローチャートの
Ｓ１２０８によって、バッファ内に格納され、その後Ｓ
１２１２より、原語「開放型システム間相互接続」と訳
語「Open System Interconnection 」の対として出力さ
れる。

【００７３】原語−訳語抽出部９からの出力の例を図１
４に示す。

【００７４】図１８は原語−同義語抽出部１０の処理フ
ローチャートである。

【００７５】図１８において、パターン検索部２、パタ
ーン付与部６からのデータを受け取る（Ｓ１３０１）。
次はバッファを空にする（Ｓ１３０２）。次はデータの
終わりであるか否かを判断する（Ｓ１３０３）。ここで
終わりでないと判断されると、次は１データを読み込む
（Ｓ１３０４）。次はパターンＮｏがＰ３、Ｐ４、Ｐ５
のいずれに該当するか否かを判断する（Ｓ１３０５）。
ここでいずれかに該当すると判断されると、次はデータ
をバッファに追加する（Ｓ１３０６）。次は再び前記Ｓ
１３０３に戻り、処理を繰り返す。しかしながら、前記
Ｓ１３０５において、いずれの前記パターンにも該当し
ないと判断されると、次は再び前記Ｓ１３０３に戻り、
処理を繰り返す。

【００７６】また前記Ｓ１３０３において、データの終
わりであると判断されると、次はバッファ内のデータを
文字列１、文字列２の順番にソートする（Ｓ１３０
７）。次はバッファ内で文字列１が同一の連続した複数
データがあるか否かを判断する（Ｓ１３０８）。ここで
複数データがあると判断されると、次はそれらの複数個
のデータの各々の文字列２を出力する（Ｓ１３０９）。
次は上記複数個のデータを削除する（Ｓ１３１０）。次
は再び前記Ｓ１３０８に戻り、処理を繰り返す。また前
記Ｓ１３０８において、複数データがないと判断される
と、ここでこの処理を終了する。

【００７７】例えば図１２（パターン付与部６からの出
力）に示す２つのデータ（パターンＮｏがＰ３の「ＩＳ
Ｏ」（文字列１）、「国際標準機構」（文字列２）と、
パターンＮｏがＰ３の「ＩＳＯ」（文字列１）、「国際
標準化機構」（文字列２））は図１８（原語−同義語抽
出部１０）のフローチャートのＳ１３０６によってバッ
ファ内に格納され、その後Ｓ１３０９によって、「国際
標準化機構」と「国際標準機構」の２語は同異義語とし
て出力される。

【００７８】原語−同義語抽出部１０からの出力の例を
図１５に示す。

【００７９】以上のようにして原語−略語抽出部８、原
語−訳語抽出部９、原語−同義語抽出部１０は処理を行
い出力データを出力部４０に出力する。

【００８０】以上のようにして前記例文の入力から、
「開放型システム間相互接続」（原語）と「Open Syste
m Interconnection」（訳語）の対が抽出できたことが
図１４からわかり、「ＯＳＩ」（略語）と「Open Syste
m Interconnection 」（原語）の対が抽出できたことが
図１３からわかる。

【００８１】また図８に示した語彙データより、同義語
の対（「国際標準化機構」と「国際標準機構」）が抽出
できたことがわかる。

【００８２】以上の第２実施例によれば、非常に簡単な
構成で、入力日本語文章のみ、既存の語彙データのみ、
又は前記両方の、いずれかから、原語−訳語、原語−略
語、原語−同義語などの対を自動的に収集することがで
きる。

【００８３】入力データが日本語文のみの時は、辞書デ
ータの収集ができ、入力データが語彙データのみの時
は、辞書データのマージ（併合）などができ、また入力
データが日本語文と語彙データ両方の時は、語彙データ
の拡張などを行うことができる。

【００８４】以上の第２実施例において、図９に示す日
本語文用抽出パターンと、図１０に示す語彙データ用抽
出パターン（パターンＮｏと区切りマーカと文字列の必
須文字、任意文字の組み合わせ）は、前述した実施例に
限定されるものではなく、入力される文章の違いに応じ
て最適なパターンを設定することが可能である。

【００８５】また同様に、原語−略語抽出部８、原語−
訳語抽出部９、原語−同義語抽出部１０での処理におい
て、使用しているパターンＮｏも、この実施例のものに
限定されるものではない。

【００８６】また以上の実施例においては、日本語文の
入力を対象としたが、他の言語、例えば英文の場合であ
っても適用できる。

【００８７】

【発明の効果】以上述べたようにこの発明によれば、機
械翻訳装置や翻訳用辞書などは一切使用せず、非常に簡
単な装置で、第１の発明によれば、入力原語文から原語
と、その所定の関係にある語を自動的に収集することが
でき、また第２の発明によれば、入力既存の語彙データ
から原語と、その所定の関係にある語を自動的に迅速に
収集することができ、また第３の発明によれば、入力原
語文及び入力既存の語彙データから原語と、その所定の
関係にある語を自動的に迅速に収集することができる。

【００８８】従ってこれらの語の対は、辞書データなど
として利用することができる。

【図面の簡単な説明】

【図１】この第１実施例に係る辞書データ収集装置を実
現する機能ブロック図である。

【図２】図１に係る語分割処理の結果を表す説明図であ
る。

【図３】図１に係る抽出パターンの説明図である。

【図４】図１に係るパターン検索部２からの出力の説明
図である。

【図５】図１に係るテーブル編集部４からの出力の説明
図である。

【図６】この第２実施例に係る辞書データ収集装置を実
現する機能ブロック図である。

【図７】図６に係る語分割処理の結果を表す説明図であ
る。

【図８】図６に係る語彙データの形式を表す説明図であ
る。

【図９】図６に係る日本語文用抽出パターンの説明図で
ある。

【図１０】図６に係る語彙データ用抽出パターンの説明
図である。

【図１１】図６に係るパターン検索部２からの出力の説
明図である。

【図１２】図６に係るパターン付与部６からの出力の説
明図である。

【図１３】図６に係る原語−略語抽出部８からの出力の
説明図である。

【図１４】図６に係る原語−訳語抽出部９からの出力の
説明図である。

【図１５】図６に係る原語−同義語抽出部１０からの出
力の説明図である。

【図１６】図６に係る原語ー略語抽出部８における処理
フローチャートである。

【図１７】図６に係る原語−訳語抽出部９における処理
フローチャートである。

【図１８】図６に係る原語−同義語抽出部１０における
処理フローチャートである。

【符号の説明】

１…語分割部、２…抽出パターン格納部、３…パターン
検索部、４…テーブル編集部、３…パターン検索部、５
…日本語文用抽出パターン格納部、６…パターン付与
部、７…語彙データ用抽出パターン格納部、８…原語−
略語抽出部、９…原語−訳語抽出部、１０…原語−同義
語抽出部。

Claims (3)

【特許請求の範囲】
1. 【請求項１】 入力原語文から原語と、その原語と所定
   の関係にある語とを収集する辞書データ収集装置におい
   て、 入力した前記原語文を字種の違いによって各語に分割し
   て出力する語分割手段と、 原語と、その原語と所定の関係にある語とから成る語パ
   ターンであって、前記語分割手段から供給される各語か
   ら、所望の語パターンを抽出するために予め用意されて
   いる抽出パターンを複数格納する原語文用抽出パターン
   格納手段と、 前記語分割手段から供給される各語から、前記抽出パタ
   ーン格納手段に格納されている抽出パターンと一致する
   語パターンを検索して出力する原語文用パターン検索手
   段とを備えて成ることを特徴とする辞書データ収集装
   置。
2. 【請求項２】 入力既存の語彙データから原語と、その
   原語と所定の関係にある語とを収集する辞書データ収集
   装置において、 原語と、その原語と所定の関係にある語とから成る語パ
   ターンであって、前記入力語彙データから、所望の語パ
   ターンを抽出するために予め用意されている抽出パター
   ンを複数格納する語彙データ用抽出パターン格納手段
   と、 前記入力語彙データから、前記抽出パターン格納手段に
   格納されている抽出パターンと一致する語パターンを検
   索して出力する語彙データ用パターン検索手段とを備え
   て成ることを特徴とする辞書データ収集装置。
3. 【請求項３】 入力原語文及び入力既存の語彙データか
   ら原語と、その原語と所定の関係にある語とを収集する
   辞書データ収集装置において、 入力した前記原語文を字種の違いによって各語に分割し
   て出力する語分割手段と、 原語と、その原語と所定の関係にある語とから成る語パ
   ターンであって、前記語分割手段から供給される各語か
   ら、所望の語パターンを抽出するために予め用意されて
   いる抽出パターンを複数格納する原語文用抽出パターン
   格納手段と、 原語と、その原語と所定の関係にある語とから成る語パ
   ターンであって、前記入力語彙データから、所望の語パ
   ターンを抽出するために予め用意されている抽出パター
   ンを複数格納する語彙データ用抽出パターン格納手段
   と、 前記語分割手段から供給される各語から、前記原語文用
   抽出パターン格納手段に格納されている抽出パターンと
   一致する第１の語パターンを検索し、更に前記語彙デー
   タから、前記語彙データ用抽出パターン格納手段に格納
   されている抽出パターンと一致する第２の語パターンを
   検索して、前記第１及び第２の語パターンから原語と、
   その原語と所定の関係にある語を抽出して出力するパタ
   ーン抽出手段とを備えて成ることを特徴とする辞書デー
   タ収集装置。