JPH05298349A

JPH05298349A - 共起関係知識学習方法、そのシステム、並びに共起関係辞書およびその利用方法

Info

Publication number: JPH05298349A
Application number: JP4099291A
Authority: JP
Inventors: Atsuko Koizumi; 敦子小泉; Hiroyuki Kaji; 博行梶
Original assignee: Hitachi Ltd
Current assignee: Hitachi Ltd
Priority date: 1992-04-20
Filing date: 1992-04-20
Publication date: 1993-11-12

Abstract

(57)【要約】【目的】本発明は、係り受けの曖昧性解消に有効な共
起関係知識の学習方法および学習システムを提供するこ
とを目的とする。また、係り受けの曖昧性解消に有効な
共起関係知識を記憶した共起関係辞書およびその利用方
法を提供することを目的とする。【構成】共起事例の統計情報（共起関係の出現頻度、
それぞれの語の出現頻度、それぞれの語にとっての共起
語の異なり語数）および共起事例の重み付け（共起関係
の強さ、名詞の係り自由度、述語の受け自由度）を共起
関係辞書に記憶するようにする。そして、共起関係知識
の学習において、前記統計情報を更新し、その結果を基
に共起事例の重み付けを計算する。係り受け解析におい
ては、共起事例の重み付けに基づいて、共起事例と一致
する係り受け候補の尤もらしさを評価するようにする。【効果】共起事例の偏りに起因する、共起事例の副作
用が防止できる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、機械翻訳システムなど
の自然言語処理システムにおける語と語の共起関係知識
の学習方法および学習システムに関し、特に係り受けの
曖昧性解消に好適な共起関係知識の学習方法および学習
システムに関する。また、そのような共起関係知識を記
憶した共起関係辞書およびその利用方法に関する。

【０００２】

【従来の技術】従来より、機械翻訳システムなどの自然
言語処理システムにおいては、語と語の共起関係を利用
して機械翻訳を行なうものがあった。適切な共起関係知
識を数多く登録した共起関係辞書を用いることにより、
より適切な機械翻訳を行なうことができる。そのため、
共起関係知識の学習に関する技術が種々提案されてい
る。

【０００３】例えば特開昭６２−９９８６５号公報に
は、例文の構文解析を行うことによって共起関係事例を
抽出し、出現件数の多い共起関係を有効なデータと判断
し、共起関係辞書に登録する共起関係辞書の保守方式が
開示されている（以下、従来技術（１）と呼ぶ）。これ
によれば、人手への依存度を減らして共起関係辞書の追
加や修正を行なえる。

【０００４】また、特開平２−４２５７２号公報には、
構文的曖昧性のない文の解析結果から語の共起関係を抽
出して知識ベースに蓄積する共起関係辞書の生成保守方
式が開示されている（以下、従来技術（２）と呼ぶ）。
これによれば、ある語と他の語の２項関係を検査しその
２項関係が曖昧でないもののみを共起関係辞書に登録す
るようにしているので、正しい共起関係のみが登録され
る。

【０００５】さらに、共起関係知識を係り受け解析の手
がかりとして利用することに関する従来技術としては、
例えば特開平３−１１６３７３号に開示された技術（以
下、従来技術（３）と呼ぶ）がある。これは、係り語の
候補と受け語の候補に対し、共起関係辞書中にそれらの
２語ともに一致する共起関係データがある候補を最も共
起強度が強いと判断し、優先する方法である。２語とも
一致するデータが無いときは、意味分類が一致する解を
選ぶ。

【０００６】

【発明が解決しようとする課題】ところで、共起関係知
識を係り受けの曖昧性解消に適用するには、共起関係の
事例を蓄積するだけでは不十分である。共起関係の事例
があるからといって共起関係が強いとは限らないし、事
例がないからといって共起しえないとは限らないからで
ある。例えば、上記従来技術（３）のように、複数の係
り受け候補のうち共起関係辞書に登録された共起データ
と一致するものを選択するという方法を取ると、下記
（例１）のように正解を導く場合もあるが、（例２）の
ような副作用も生じやすい。

【０００７】この例１では、係り語「増幅器で」に対し、「変調し
た」と「増幅する」の２つの受け語候補があるが、「変
調した」については共起データがなく、「増幅する」に
ついて共起データがあったので、「増幅器で」の係り先
を「増幅する」に飛ばしている。これは正解であった例
である。

【０００８】この例２では、係り語「機械で」に対し、「変調した」
と「増幅する」の２つの受け語候補があるが、「変調し
た」については共起データがなく、「増幅する」につい
て共起データがあったので、「機械で」の係り先を「増
幅する」に飛ばしている。これは係り受け関係を誤った
例であり、いわば共起データの副作用による誤りであ
る。

【０００９】したがって、従来技術の（１）（２）いず
れを用いて共起関係辞書を学習したとしても、その辞書
を用いて係り受け関係を解析したときには上述したよう
な共起データの副作用による誤りが発生する可能性があ
る。

【００１０】さらに、従来技術（１）のように出現件数
の多い共起関係を有効なデータと判断して登録するだけ
では、適切な係り受け解析の手がかりとなるような重み
付けをすることができない。共起の件数が多いからとい
って共起性が強いとは限らないからである。例えば、（ａ）「増幅器で−増幅する」（ｂ）「増幅器で−処理する」という２つの共起関係では、（ａ）の方が共起性が強い
という知識を学習することが望ましいが、（ｂ）の方が
件数が多い可能性がある。

【００１１】本発明は、前記問題点を解決するためにな
されたものであり、その目的は、係り受けの曖昧性解消
に有効な共起関係知識の学習方法および学習システムを
提供することにある。さらに、係り受けの曖昧性解消に
有効な共起関係知識を記憶した共起関係辞書およびその
利用方法を提供することを目的とする。

【００１２】

【課題を解決するための手段】上記目的を達成するた
め、本発明に係る共起関係辞書は、共起関係データの重
みづけの指標となる次の〜の値、およびこれらを求
めるために必要な統計情報（共起関係の出現頻度、それ
ぞれの語の出現頻度、それぞれの語にとっての共起語の
異なり語数）を記憶するフィールドを設けるようにして
いる。そして、本発明に係る共起関係知識の学習方法お
よびそのシステムでは、入力文から共起関係の事例を得
るたびに共起関係辞書のこれらの値を更新するようにし
ている。

【００１３】共起関係の強さ（述語と名詞の結び付き
易さ）「ＸがＹする」の共起性の強さ＝（「ＸがＹする」の出
現回数／「Ｘが」の出現回数）＊（「ＸがＹする」の出
現回数／「〜がＹする」の出現回数）係り自由度（多様な述語に係りうるか、特定の述語に
しか係らないか）「Ｘで」の自由度＝共起する述語の異なり語数／「Ｘ
で」の出現回数受け自由度（述語の格スロットに入る名詞が多様かど
うか）「〜でＹする」の受け自由度＝デ格で共起する名詞の異
なり語数／「〜でＹする」の出現回数また、本発明による共起関係知識（辞書）利用方法は、
係り受け解析において、次のステップを設けたことを特
徴とする。

【００１４】共起データ評価ステップ係り受け候補と一致する共起データがあるとき、共起関
係の強さ、係り語の係り自由度、受け語、および他の係
り先候補語の受け自由度に基づいて、該係り受け候補の
採否を決定する。

【００１５】非共起関係推定ステップ係り受け候補と一致する共起データがないとき、係り語
の係り自由度、受け語、および他の係り先候補語の受け
自由度に基づいて、該係り受け候補の採否を決定する。

【００１６】

【作用】本発明の共起関係知識学習方法およびシステム
によれば、共起関係辞書には、共起関係の事例だけでな
く、次のような共起関係知識が蓄積されていく。

【００１７】共起関係の強さ：例えば「増幅器が−増
幅する」は共起性が強いが、「増幅器が−ある」は共起
性が弱い。

【００１８】係り自由度：「機械で」は係り自由度が
高く、多様な述語に係るが、「増幅器で」は限られた語
にしか係らない。

【００１９】受け自由度：「〜で増幅する」の「〜」
に入る名詞は少ないが、「〜で得る」の「〜」に入る名
詞は多様である。

【００２０】本発明の共起関係辞書利用方法は、上記の
共起関係知識に基づいて、係り受け候補と一致する共起
データの重みを評価するステップを含む。これは、以下
のごとく作用する。係り受け候補と一致する共起データ
が共起関係辞書にあるとき、共起関係が閾値よりも強け
れば、共起データに従って係り受けを決定する。逆に、
多様な述語と共起する名詞（例えば「機械で」）や多様
な名詞と共起する述語（例えば「得る」）を含む共起デ
ータで、かつ共起関係が弱いとき、共起データ（共起の
事例）があってもあてにならないと判断する。これによ
り、共起データの偏りに起因する、共起データの副作用
を防止する。

【００２１】この例１では、係り語「機械で」に対し、「変調した」
と「増幅する」の２つの受け語候補があり、「変調し
た」については共起データがなく、「増幅する」につい
て共起データがある。しかし、「増幅する」についての
共起データは共起性（共起関係の強さ）が低いので、
「増幅器で」の係先を「増幅する」に飛ばすことはしな
い。

【００２２】本発明の共起関係辞書利用方法は、前述の
共起関係知識に基づいて非共起関係を推定するステップ
を含む。これは、以下のごとく作用する。係り受け関係
の候補になっている名詞と述語の共起自由度をみる。名
詞も述語も少ない語と共起する特殊な語であるにもかか
わらず、一致する共起データがない場合、それらは共起
しない可能性が高いと判断する。そして、別の候補と一
致する共起データがあれば、その候補を採用する。

【００２３】この例２では、係り語「増幅器が」に対し、「変調し
た」と「増幅する」の２つの受け語候補があり、「変調
した」については共起データがなく、「増幅する」につ
いて共起データがある。しかし、「増幅器が」について
の係り自由度と「変調した」の受け自由度はともに低
く、共起データもない。言い換えると、「増幅器が」と
「変調した」は少ない語と共起する特殊な語であるにも
かかわらず共起データがなかったということである。一
方、「増幅する」については共起データがあるので、
「増幅器が」の係先を「増幅する」に飛ばしている。

【００２４】

【実施例】以下、本発明の一実施例を図面を用いて説明
する。この実施例は本発明を日英機械翻訳システムに適
用した例である。

【００２５】図２は本発明の一実施例に係る日英機械翻
訳システムの構成図、図３はその日英機械翻訳システム
における語彙辞書のレコード内容の例を示す図、図４は
その日英機械翻訳システムにおける共起関係辞書の述語
レコードの内容の例を示す図、図５は共起関係辞書の名
詞レコードの内容の例を示す図である。

【００２６】本実施例の日英機械翻訳システムは、図２
に示すように、処理装置１、入力装置２、出力装置３、
記憶装置４から構成される。

【００２７】処理装置１は、翻訳処理や共起関係辞書の
更新処理等を実行する。入力装置２はテキストの入力や
修正に、出力装置３はテキストの表示に用いられるが、
本発明には直接は関係しない。

【００２８】記憶装置４には、文法４１、語彙辞書４
２、共起関係辞書４３が記憶される。語彙辞書４２のレ
コードは、図３に示すように、見出し語４２１、品詞４
２２、意味コード４２３、格フレーム４２４を含む。格
フレーム４２４は、複数の格スロット４２４１からな
り、格スロット４２４１ごとに、意味条件４２４２、一
般化処理完了フラグ４２４３、出現性４２４４が記憶さ
れる。

【００２９】意味条件４２４２は、格スロット４２４１
に入る語を意味コードによって一般化したもので、共起
事例をもとに学習する。一般化処理完了フラグ４２４３
は、学習中の格スロットと一般化処理（一般化処理につ
いては後に詳しく説明する）が完了した格スロットとを
区別するためのものである。出現性４２４４は、格スロ
ットの出現頻度に基づいて学習する。省略されにくい格
（例えば「〜を得る」）であれば出現性＝２、出現しう
る格（例えば「〜の中にある」）であれば出現性＝１、
出現しにくい格（例えば「〜の中に示す」）であれば出
現性＝０とする。この出現性４２４４は、係り受け解析
の手がかりとして利用することができる。格の出現性の
学習については後に詳しく説明する。

【００３０】共起事例は、共起関係辞書４３の述語レコ
ードに蓄積される。共起関係辞書４３の述語レコード
は、図４に示すように、述語４３０１、述語の頻度４３
０２（ｖｆ）、格関係スロット４３０３、格関係スロッ
ト４３０３に関する共起事例の出現頻度４３０４（ｖｃ
ｆ）、共起語の異なり語数４３０５（ｍ）、述語の受け
自由度４３０６、共起語４３０７、共起語の意味コード
４３０８、共起事例の出現頻度４３０９（ｖｍｆ）、２
つの語の共起関係の強さ４３１０、および共起語の意味
コードが意味条件と一致するかどうかを示す一般化フラ
グ４３１１を含む。

【００３１】述語の頻度４３０２（ｖｆ）は、幾つかの
共起事例を読み込んで解析した結果、その述語が検出さ
れた回数である。例えば、図４の述語「得る」の頻度４
３０２は「１００」であるから、「得る」は１００回出
現したことが分かる。格関係スロット４３０３は述語に
接続する格要素を示し、出現頻度４３０４（ｖｃｆ）は
その各要素と述語が結び付いたものの出現頻度である。
例えば、図４の述語「得る」の格関係スロット「を」に
関する共起事例の出現頻度４３０４（ｖｃｆ）は「１０
０」であるから、「を得る」が１００回出現したことが
分かる。共起語の異なり語数４３０５（ｍ）は、共起語
４３０７として異なる語が幾つ出現したかを示す。「を
得る」の例では、共起語の異なり語数４３０５（ｍ）が
「５０」であるから、共起語４３０７には「文字列」
「装置」「値」などの５０種類の共起語が登録されてい
ることとなる。

【００３２】述語の受け自由度４３０６は、共起語の異
なり語数４３０５（ｍ）を格関係スロット４３０３に関
する共起事例の出現頻度４３０４（ｖｃｆ）で割った
「０」から「１」までの値（ｍ／ｖｃｆ）である。受け
自由度４３０６が小さい値であれば、その述語４３０１
には一定の数少ない共起語４３０７が共起する可能性が
高い。逆に、受け自由度４３０６が「１」に近い大きい
値であれば、その述語４３０１にはいろいろな数多い共
起語４３０７が共起していることとなる。

【００３３】共起語の意味コード４３０８は、共起語４
３０７のそれぞれの意味を表すコードである。共起事例
の出現頻度４３０９（ｖｍｆ）は、その述語４３０１と
各共起語とが共起した頻度である。例えば、図４の述語
「得る」の共起語「文字列」の出現頻度４３０９（ｖｍ
ｆ）は「５」であるから、「を得る」が１００回出現し
たうち「文字列を得る」が５回出現したことが分かる。

【００３４】共起関係の強さ４３１０の計算式、および
一般化フラグ４３１１については後述する。

【００３５】本発明の共起関係知識学習方式では、共起
事例を述語に関する知識として蓄えると同時に、名詞が
特定の述語と共起しやすいかどうかに関する知識も学習
していく。共起関係辞書４３の名詞レコードは、図５に
示すように、名詞４３２１、名詞の出現頻度４３２２
（ｍｆ）、名詞の格４３２３、名詞が格４３２３で出現
した頻度４３２４（ｍｃｆ）、名詞が格４３２３で共起
する述語の異なり語数４３２５（ｖ）、および名詞の係
り自由度４３２６を含む。

【００３６】名詞の出現頻度４３２２（ｍｆ）は、幾つ
かの共起事例を読み込んで解析した結果、その名詞が検
出された回数である。例えば、図５の名詞「機械」の出
現頻度４３２２（ｍｆ）は「２０」であるから、「機
械」は２０回出現したことが分かる。名詞の格４３２３
はその名詞に接続する各要素を示し、名詞が格４３２３
で出現した頻度４３２４（ｍｃｆ）はその名詞と格が結
び付いたものの出現頻度である。例えば、図５の名詞
「機械」の格「で」の頻度４３２４（ｍｃｆ）は「１
６」であるから、「機械で」が１６回出現したことが分
かる。

【００３７】名詞が格４３２３で共起する述語の異なり
語数４３２５（ｖ）は、その名詞に共起する異なる述語
が幾つ出現したかを示す。「機械で」の例では、異なり
語数４３２５（ｖ）が「１２」であるから、「機械で」
に共起する述語が１２種類あったということとなる。名
詞の係り自由度４３２６は、名詞が格４３２３で共起す
る述語の異なり語数４３２５（ｖ）を名詞が格４３２３
で出現した頻度４３２４（ｍｃｆ）で割った「０」から
「１」までの値（ｖ／ｍｃｆ）である。係り自由度４３
２６が小さい値であれば、その名詞４３２１には一定の
数少ない述語が共起する可能性が高い。逆に、係り自由
度４３２６が「１」に近い大きい値であれば、その名詞
４３２１にはいろいろな数多い述語が共起していること
となる。本実施例の日英翻訳システムでは、共起関係の
強さ（共起性）、係り語の係り自由度、係り先候補の受
け自由度を指標に、共起データと一致する係り受け候補
の採否を決定する。上述したように、これらの指標は次
のように計算する。

【００３８】（１）共起関係の強さ＝（ｖｍｆ／ｍｃ
ｆ）×（ｖｍｆ／ｖｃｆ）（２）係り自由度＝ｖ／ｍｃｆ（３）受け自由度＝ｍ／ｖｃｆ図６は本実施例の日英翻訳システムの処理フローチャー
ト、図１は本実施例における共起関係知識学習の概要を
示すフローチャート、図８は本実施例における係り受け
の優先解決定の詳細を示すフローチャートである。

【００３９】本実施例の日英機械翻訳システムにおける
翻訳処理の過程を図６に従って説明する。まず、処理装
置１は、入力装置２から入力された日本文を読み込み
（ステップ１１）、文法４１と語彙辞書４２を参照しな
がら、入力文における語句の係り受け関係を解析する
（ステップ１２）。係り受け解析のステップでは、成立
しうる係り受けの候補をすべて求める。例えば、「画面
に翻訳した文を表示した。」という文における「画面
に」の係り先として、「翻訳した」および「表示した」
の２つの受け語候補を得る。

【００４０】次に、語彙辞書４２に記憶されている格フ
レーム４２４（格の出現性と格に対する意味条件、すな
わち一般化された共起関係知識）および共起関係辞書４
３に記憶されている共起関係知識に基づいて、係り受け
の優先解として「画面に−表示した」を得る（ステップ
１３）。さらに、曖昧性のない係り受け事例、例えば
「文を−表示した」から共起関係知識を学習し、共起関
係辞書４３を更新する（ステップ１４）。係り受けの優
先解に意味解釈をあたえることによって中間表現を求め
（ステップ１５）、これに基づいて英文を生成し（ステ
ップ１６）、出力装置３により出力する（ステップ１
７）。

【００４１】以上の処理のうち、優先解決定ステップ１
３と共起関係知識学習ステップ１４について、以下に詳
細に説明する。

【００４２】図７は、優先解決定ステップ１３における
処理フローチャートを示す。まず、共起関係辞書を検索
し、係り受け候補に関する共起関係知識を得る（ステッ
プ１３０１）。次に、曖昧性のある係り受け候補を対象
に、候補のしぼり込みを行なう。本実施例では、語レベ
ルの共起知識を格フレームよりも優先的に扱う。

【００４３】語レベルの共起関係知識による係り受け候
補の絞り込みとしては、まず非共起事例と一致する候補
を排除し、係り受け非交差条件により、曖昧性が解消さ
れた係り受け候補と交差する係り受け候補を排除する
（ステップ１３０２）。係り受け非交差条件による枝刈
りは、以下、曖昧性解消の各ステップごとに行なう。次
に、共起データと一致する係り受け候補のうち、共起関
係の強さが閾値よりも強いものを採用し（ステップ１３
０３）、飛び越える別解の受け自由度が閾値よりも低い
ものを採用する（ステップ１３０４）。共起データと一
致する係り受け候補の採否に条件を付けるのは、共起デ
ータの副作用を防止するためである。例えば、「東京に
住んでいるおばが来た。」という文に対し、「東京に−
住む」という共起事例がなくて「東京に−来る」という
共起事例があるからといって、「東京に」の係り先を
「来た」に飛ばすという副作用を防止する。

【００４４】語レベルの共起関係知識による係り受け候
補のしぼり込みに続いて、格フレームに基づく候補の絞
り込みを行なう（ステップ１３０５）。このステップで
は、述語が出現性＝０の格を取るような係り受け候補を
排除した後、述語の格フレームの共起条件（意味条件）
に合うかどうかで候補を絞り、名詞がその格の出現性＝
２の述語を飛び越えて別の述語に係るような係り受け候
補を排除する。

【００４５】これまでの処理によって曖昧性が解消され
た係り受け候補を「曖昧性なし」と判定する（ステップ
１３０６）。曖昧性が残った場合には、「係り自由度が
閾値より低い語は受け自由度が閾値より低い語に係らな
い」というヒューリスティックスを適用する（ステップ
１３０７）。例えば、「増幅器が変調した信号を得
る。」という文に対し、「増幅器が得る」という共起事
例がなくても、「増幅器」は係り自由度が閾値より低
い、「変調する」はガ格に関する受け自由度が閾値より
低い、「得る」はガ格に関する受け自由度が閾値以上、
という共起関係知識に基づいて、「増幅器」は「得る」
に係ると判断する。「増幅器」も「変調する」も共に少
ない語と共起する特殊な語であるにもかかわらず、一致
する共起事例がないのだから、共起しない可能性が高い
という判断である。

【００４６】最後に、曖昧性が残ったものに対し、最も
近い係り先を優先解とし（ステップ１３０８）、処理を
終了する。

【００４７】次に、図１を参照して、共起関係知識学習
ステップ１４について説明する。共起関係知識学習ステ
ップ１４では、共起データの蓄積、格の出現性学習、共
起事例の一般化、一般化によって不要となった語レベル
の共起データの削除、非共起データの蓄積、の処理を行
う。

【００４８】入力文中の係り受け事例（優先解）を読み
込み（ステップ１４０１）、曖昧性がなければ（ステッ
プ１４０２）、これを共起事例とみなし、以下の処理を
行なう。まず、係り受け事例と一致する非共起データを
削除し（ステップ１４０３）、共起事例を共起関係辞書
に記憶する。ただし、学習不要の共起データ（係り受け
事例が語彙辞書に意味コードによって一般化されて記述
されている共起条件と一致する場合で、かつ、係り語も
受け語もすでに一定の頻度以上出現していてその共起自
由度が学習済みである場合）は記憶しない（ステップ１
４０４、ステップ１４０５）。

【００４９】共起データを蓄積した結果、述語の頻度が
一定以上（例えば「１０」以上）であれば、（ステップ
１４０６）、格の出現性（述語にとってどの格が出現し
やすいか、出現しにくいか）を学習する（ステップ１４
０７）。さらに、述語の格スロットの出現頻度（ｖｃ
ｆ）が一定以上（例えば「５０」以上）であれば（ステ
ップ１４０８）、共起事例の一般化を行ない（ステップ
１４０９）、一般化の結果、語レベルの共起関係として
記憶しておく必要のなくなった共起データを削除する
（ステップ１４１０）。最後に、非共起データを共起関
係辞書に記憶する（ステップ１４１１）。

【００５０】非共起データとして記憶するのは、共起関
係知識や前編集記号によって係り受け関係を否定された
候補である。例えば、図１０の例文（１８）からは、
「ファイルの中に−作成する」を非共起データとして記
憶する。入力文中の係り受け事例すべてについて上記の
処理を行ない、未処理の係り受け事例がなくなったら
（ステップ１４１２）、入力文に基づく共起関係知識の
学習を終える。

【００５１】次に、共起関係知識学習ステップ１４にお
ける各処理の詳細を図８から図１５を用いて説明する。

【００５２】（１）共起データ蓄積（図１のステップ１
４０５）図８に、共起データ蓄積の処理フローチャートを示す。
まず、入力文から得た共起事例が図４に示す共起関係辞
書４３の述語レコードに未登録であれば（ステップ１４
０５０１）、新たに、共起語４３０７と該共起語の意味
コード４３０８を登録し、共起語の異なり語数４３０５
（ｍ）を更新する（ステップ１４０５０２）。そして、
述語の出現頻度４３０２（ｖｆ）、述語の格スロットの
出現頻度４３０４（ｖｃｆ）、共起事例の出現頻度４３
０９（ｖｍｆ）を更新する（ステップ１４０５０３）。
同様に、図５に示す名詞レコードも更新する（ステップ
１４０５０４）。更新する値は、名詞の出現頻度４３２
２（ｍｆ）、名詞＋格の出現頻度４３２４（ｍｃｆ）、
共起語の異なり語数４３２５（ｖ）である。

【００５３】そして、これらの頻度情報を基に、共起関
係の強さ４３１０の値を更新する（ステップ１４０５０
５）。また、述語の格スロットの出現頻度４３０４（ｖ
ｃｆ）が一定の値（例えば「５０」）に達した場合（ス
テップ１４０５０６）は、述語の受け自由度を求め、共
起関係辞書４３に記憶する（ステップ１４０５０７）。
同様に、名詞＋格の出現頻度４３２４（ｍｃｆ）が一定
の値（例えば「５０」）に達したら（ステップ１４０５
０８）、名詞の係り自由度を計算し、名詞レコードに記
憶する（ステップ１４０５０８）。

【００５４】（２）格の出現性学習（図１のステップ１
４０７）図９に、格の出現性学習の処理フローチャートを示す。
語彙辞書４２において、述語の格フレームには、すべて
の格の格スロットが設けられている。まず、第１の格ス
ロットについて（ステップ１４０７０１）、述語がその
格をともなって出現した頻度（ｖｃｆ）をみる（ステッ
プ１４０７０２）。頻度が０の場合、非共起データが存
在すれば（ステップ１４０７０３）、述語がその格を取
る可能性＝０と判断する（ステップ１４０７０５）。ま
た、非共起データが存在しなくても、述語の頻度が非常
に高いにもかかわらずその格の出現頻度が０であるなら
（ステップ１４０７０４）、述語がその格を取る可能性
＝０と判断する。

【００５５】述語の頻度に対し、その格の頻度が一定以
上である場合（例えば２回に１度はその格を取る場合）
は（ステップ１４０７０６）、その格を取る可能性が高
い（可能性＝２）と判断し（ステップ１４０７０７）、
そうでない場合はその格を取りうる（可能性＝１）と判
断する（ステップ１４０７０８）。以上の判断結果を語
彙辞書４２に記憶し、次の格スロットへ進む（ステップ
１４０７０９）。すべての格スロットの出現性を学習し
終わるまで（ステップ１４０７１０）、同様の処理を繰
り返す。

【００５６】図１０に格の出現性の学習前の係り受け解
析結果の例を、図１１に共起データ蓄積の結果を、図１
２に格の出現性の学習の結果を、図１３に格の出現性の
学習語の係り受け解析結果の例を、それぞれ示す。この
例では、「入力する」や「示す」が「〜の中に」を取ら
ないことを学習することにより、例文（５）、例文（５
５）における係り受けの曖昧性が解消できるようになっ
たことを示している。（３）共起事例一般化（図１のステップ１４０９）図１４に、共起事例一般化の処理フローチャートを示
す。まだ一般化されていない共起事例が一定以上（例え
ば「１０」）あるとき（ステップ１４０９０１）、共起
事例の一般化を試みる。まず、一般化フラグ４３１１を
参照し、一般化されていない共起事例を意味コード別に
集める（ステップ１４０９０２）。ある意味コードにつ
いて、その意味コードを持つ共起名詞の異なり数が閾値
以上（例えば「１０」）であれば（ステップ１４０９０
６）、一般化できるだけの事例が集まったと判断し、そ
の意味コードを格フレームの共起条件に加え（ステップ
１４０９０７）、対応する共起事例に一般化フラグを立
てる（ステップ１４０９０８）。他の意味コードについ
ても同様の処理を行い（ステップ１４０９０９，１４０
９１０）、最終的に得られた共起条件を語彙辞書４２に
登録する（ステップ１４０９１１）。

【００５７】一般化されていない共起事例が１つもない
ときは（ステップ１４０９０３）、一般化が完了したと
判断し、語彙辞書４２の述語の格フレームの当該格スロ
ットに、一般化完了フラグを立てる（（ステップ１４０
９０４）。

【００５８】（４）不要共起データ削除（図１のステッ
プ１４１０）図１５に、不要共起データ削除の処理フローチャートを
示す。当該格スロットの共起事例を１つ取り上げ（ステ
ップ１４１００１）、語彙辞書４２の格フレームに登録
されている共起条件と一致したら（ステップ１４１００
２）、共起関係の強さが閾値以上の場合（ステップ１４
１００３）、名詞＋格の出現頻度が一定の値（本実施例
では「５０」）に達しておらず、従って係り自由度が学
習済みでない場合（ステップ１４１００４）を除いて、
該共起事例を共起関係辞書から削除する（ステップ１４
１００５）。当該格スロット内のすべての共起事例につ
いて上記の処理を行う（ステップ１４１００６，１４１
００７）。

【００５９】以上、本発明の一実施例である機械翻訳シ
ステムにおける共起関係知識の学習と利用の方法を述べ
た。なお、本実施例では、共起関係知識を述語と名詞の
格関係に絞っているが、述語と述語、あるいは名詞と名
詞の並列関係、修飾関係等、格関係以外の関係を共起関
係知識に含めることも可能である。

【００６０】

【発明の効果】本発明によれば、共起関係辞書の共起事
例と一致する係り受け候補があったとき、共起関係の強
さ、係り語の係り自由度、受け候補の受け自由度に基づ
いてその採否を決定しているので、共起データの副作用
を防止することができる。また、語の係り自由度、受け
自由度を学習することにより、共起事例がない係り受け
候補に対して、「共起しうるがたまたま事例がなかっ
た」のか、「共起しない組み合わせである」のかを判断
する手がかりが得られる。

【００６１】さらに本発明によれば、共起事例を蓄えな
がら、適時、共起事例の一般化を行い、語レベルで記憶
しておく必要がなくなった共起事例を削除するので、共
起関係辞書をコンパクトに保つことができる。

【図面の簡単な説明】

【図１】本発明の実施例の日英翻訳システムにおける共
起関係知識学習の処理フローチャートである。

【図２】本発明の実施例の日英機械翻訳システムの構成
図である。

【図３】本発明の実施例の日英翻訳システムの語彙辞書
のレコード内容の例である。

【図４】本発明の実施例の日英翻訳システムの共起関係
辞書の述語レコードの内容の例である。

【図５】本発明の実施例の日英翻訳システムの共起関係
辞書の名詞レコードの内容の例である。

【図６】本発明の実施例の日英翻訳システムの処理フロ
ーチャートである。

【図７】本発明の実施例の日英翻訳システムにおける係
り受けの優先解決定の処理フローチャートである。

【図８】本発明の実施例の日英翻訳システムにおける共
起データ蓄積の処理フローチャートである。

【図９】本発明の実施例の日英翻訳システムにおける格
の出現性学習の処理フローチャートである。

【図１０】本発明の実施例の日英翻訳システムにおける
格出現性学習前の係り受け解析結果である。

【図１１】本発明の実施例の日英翻訳システムにおける
共起データ蓄積後の共起関係辞書のレコード内容であ
る。

【図１２】本発明の実施例の日英翻訳システムにおける
格出現性学習後の語彙辞書のレコード内容である。

【図１３】本発明の実施例の日英翻訳システムにおける
格出現性学習後の係り受け解析結果である。

【図１４】本発明の実施例の日英翻訳システムにおける
共起事例一般化の処理フローチャートである。

【図１５】本発明の実施例の日英翻訳システムにおける
不要共起事例削除の処理フローチャートである。

【符号の説明】

１：処理装置、２：入力装置、３：出力装置、４：記憶
装置、４１：文法、４２：語彙辞書、４２１：見出し
語、４２２：品詞、４２３：意味コード、４２４：格フ
レーム、４２４１：格スロット、４２４２：意味条件、
４２４３：一般化処理完了フラグ、４２４４：出現性、
４３：共起関係辞書、４３０１：述語、４３０２：述語
の頻度（ｖ）、４３０３：格関係スロット、４３０４：
格関係スロット４３０３に関する共起事例の出現頻度
（ｖｃｆ）、４３０５：共起語の異なり語数（ｍ）、４
３０６：述語の受け自由度、４３０７：共起語、４３０
８：共起語の意味コード、４３０９：共起事例の出現頻
度（ｖｍｆ）、４３１０：共起関係の強さ、４３１１：
共起語の意味コードが意味条件といっちするかどうかを
示す一般化フラグ、４３２１：名詞、４３２２：名詞の
出現頻度（ｍｆ）、４３２３：名詞の格、４３２４：名
詞が格４３２３で出現した頻度（ｍｃｆ）、４３２５：
名詞が格４３２３で共起する述語の異なり語数（ｖ）、
４３２６：名詞の係り自由度。

Claims

【特許請求の範囲】

【請求項１】テキストから語と語の共起事例を獲得し、
共起関係辞書に蓄積する共起関係知識学習方法であっ
て、該テキストから共起関係の出現頻度、各語の出現頻
度、および共起語の異なり語数を検出するステップと、
検出した共起関係の出現頻度、各語の出現頻度、および
共起語の異なり語数を共起関係辞書に記憶するステップ
とを備えたことを特徴とする共起関係知識学習方法。
【請求項２】前記共起関係の出現頻度および前記各語の
出現頻度に基づいて、共起関係の強さを示す値を算出す
るステップと、算出した共起関係の強さを示す値を前記
共起関係辞書に記憶するステップとを、さらに備えた請
求項１に記載の共起関係知識学習方法。
【請求項３】前記語の出現頻度および共起語の異なり語
数に基づいて、語の共起自由度を示す値を算出するステ
ップと、算出した語の共起自由度を示す値を前記共起関
係辞書に記憶するステップとを、さらに備えた請求項１
または２に記載の共起関係知識学習方法。
【請求項４】前記語の出現頻度が各述語の出現頻度およ
びそれらの述語にともなう格の出現頻度を含み、さら
に、該述語の出現頻度および格の出現頻度に基づいてそ
れぞれの格の出現しやすさを示す出現性を算出するステ
ップと、算出した出現性を語彙辞書に記憶するステップ
とを備えた請求項１ないし３に記載の共起関係知識学習
方法。
【請求項５】さらに、前記共起関係辞書に記憶した共起
名詞が所定数以上あるときには、それらの共起語を意味
コードに応じて分類し、ある意味コードについてその意
味コードを有する共起名詞の異なり数が所定のしきい値
以上であればその意味コードを一般化した共起条件とし
て語彙辞書に記憶するステップを備えた請求項１ないし
４に記載の共起関係知識学習方法。
【請求項６】さらに、前記一般化された共起条件に一致
する共起関係データのうち、共起関係の強さが所定のし
きい値より低くかつそれぞれの語の出現頻度が語の共起
自由度の学習に必要な数を超えているデータを蓄積不要
なデータと判定し、共起関係辞書から削除するステップ
を備えた請求項５に記載の共起関係知識学習方法。
【請求項７】さらに、共起事例が前記一般化された共起
条件と一致し、かつ係り語と受け語が共に共起自由度学
習済であるとき、該共起事例を共起関係辞書に蓄積しな
いステップを備えた請求項６に記載の共起関係知識学習
方法。
【請求項８】テキストから語と語の共起事例を獲得し、
共起関係辞書に蓄積する共起関係知識学習システムであ
って、該テキストから共起関係の出現頻度、各語の出現
頻度、および共起語の異なり語数を検出する手段と、検
出した共起関係の出現頻度、各語の出現頻度、および共
起語の異なり語数を共起関係辞書に記憶する手段とを備
えたことを特徴とする共起関係知識学習システム。
【請求項９】前記共起関係の出現頻度および前記各語の
出現頻度に基づいて、共起関係の強さを示す値を算出す
る手段と、算出した共起関係の強さを示す値を前記共起
関係辞書に記憶する手段とを、さらに備えた請求項８に
記載の共起関係知識学習システム。
【請求項１０】前記語の出現頻度および共起語の異なり
語数に基づいて、語の共起自由度を示す値を算出する手
段と、算出した語の共起自由度を示す値を前記共起関係
辞書に記憶する手段とを、さらに備えた請求項８または
９に記載の共起関係知識学習システム。
【請求項１１】前記語の出現頻度が各述語の出現頻度お
よびそれらの述語にともなう格の出現頻度を含み、さら
に、該述語の出現頻度および格の出現頻度に基づいてそ
れぞれの格の出現しやすさを示す出現性を算出する手段
と、算出した出現性を語彙辞書に記憶する手段とを備え
た請求項８ないし１０に記載の共起関係知識学習システ
ム。
【請求項１２】さらに、前記共起関係辞書に記憶した共
起名詞が所定数以上あるときには、それらの共起語を意
味コードに応じて分類し、ある意味コードについてその
意味コードを有する共起名詞の異なり数が所定のしきい
値以上であればその意味コードを一般化した共起条件と
して語彙辞書に記憶する手段を備えた請求項８ないし１
１に記載の共起関係知識学習システム。
【請求項１３】さらに、前記一般化された共起条件に一
致する共起関係データのうち、共起関係の強さが所定の
しきい値より低くかつそれぞれの語の出現頻度が語の共
起自由度の学習に必要な数を超えているデータを蓄積不
要なデータと判定し、共起関係辞書から削除する手段を
備えた請求項１２に記載の共起関係知識学習システム。
【請求項１４】さらに、共起事例が前記一般化された共
起条件と一致し、かつ係り語と受け語が共に共起自由度
学習済であるとき、該共起事例を共起関係辞書に蓄積し
ない手段を備えた請求項１３に記載の共起関係知識学習
システム。
【請求項１５】共起事例の出現頻度、各語の出現頻度、
共起語の異なり語数を記憶したことを特徴とする共起関
係辞書。
【請求項１６】共起事例の出現頻度、各語の出現頻度、
共起語の異なり語数を記憶するとともに、該共起関係の
出現頻度および各語の出現頻度に基づいて算出した共起
関係の強さを示す値および該語の出現頻度および共起語
の異なり語数に基づいて算出された語の共起自由度を示
す値を記憶したことを特徴とする共起関係辞書。
【請求項１７】自然語文の解析において係り受けの曖昧
性を解消するために請求項１５または１６記載の共起関
係辞書を利用する方法であって、該共起関係辞書に係り
受け候補と一致する共起関係データがあるときには、共
起関係の強さ、並びに係り語、受け語、および他の係り
先候補語の共起自由度に基づいて該係り受け候補の採否
を決定する共起データ評価ステップを備えたことを特徴
とする共起関係辞書の利用方法。
【請求項１８】自然語文の解析において係り受けの曖昧
性を解消するために請求項１５または１６記載の共起関
係辞書を利用する方法であって、該共起関係辞書に係り
受け候補と一致する共起関係データがないとき、係り
語、受け語、および他の係り先候補語の共起自由度に基
づいて該係り受け候補の採否を決定する非共起関係推定
ステップを備えたことを特徴とする共起関係辞書の利用
方法。