JPH0736882A

JPH0736882A - 辞書検索装置

Info

Publication number: JPH0736882A
Application number: JP5178209A
Authority: JP
Inventors: Fumito Nishino; 文人西野; Naomi Sugimoto; 尚美杉本
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1993-07-19
Filing date: 1993-07-19
Publication date: 1995-02-07
Also published as: KR970008023B1; KR950004036A; US5615378A; CN1097883A; CN1095137C

Abstract

(57)【要約】【目的】辞書検索装置において、入力ミスによりこれ
まで辞書検索できなかった単語についても検索できるよ
うにする。【構成】文字の部分集合に対してグループＩＤを与え
る変換文字定義体４、文字をグループＩＤに置き換える
文字−グループＩＤ変換部３、入力部１から入力された
文字列をグループＩＤ列に置き換える入力文字列変換部
２、単語辞書６を表記グループＩＤにより定義された変
換単語辞書７に変換する辞書変換部５、グループＩＤ列
により変換単語辞書７を検索する辞書検索部８により辞
書検索装置を構成する。変換文字定義体で定義された文
字集合の要素を同一とみなすことにより、辞書検索でき
なかった単語についても辞書検索できるようになる。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、日本語、中国語、英語
等の言語を使用した文書の処理を行うための辞書検索装
置に関するものである。さらに本発明は、前記辞書検索
装置を使用して形態素解析、誤字訂正、文字標準化、ま
たは文字認識後処理を行う装置に関するものである。

【０００２】

【従来の技術】近年、ワードプロセッサ、パソコン、ワ
ークステーション等の計算機が普及してきている。この
計算機を利用して文書の翻訳、検索、配付等の様々な文
書処理を行いたいという要求がある。翻訳等の処理を行
うには、計算機内部に文書を格納し、単語辞書を参照し
ながら文書中の文の形態素解析を行うことが必要であ
る。

【０００３】従来の形態素解析は、入力文字列には正し
い入力がされているという前提のもとに形態素解析を行
っていた。このような形態素解析を行うには、文書中の
文は間違いなく入力されていることが必要である。

【０００４】

【発明が解決しようとする課題】しかしながら、現実に
は入力文字列は、システム開発者が意図していたものと
は異なったものが入力される場合がある。例えば、「コ
ンピュータ」と入力されることを想定していたものが
「コンピュ−タ」と入力されるることがある。これは、
長音記号「ー」と入力されることを期待していたところ
がマイナス記号「−」で入力されたものである。また、
「パーザー」と入力されることを期待していたところを
「ザ」の濁点を落として「パーサー」と入力されること
がある。さらに、「独擅場」（どくせんじょう）と入力
すべきところを「土壇場」からの連想で誤って「擅」の
手篇を土篇として「独壇場」（どくだんじょう）と入力
することがある。以上の入力ミスは、類似文字の使用に
よる入力ミスである。

【０００５】また、「トマト」と片仮名で入力すべきと
ころを平仮名で「とまと」と入力することがある。以上
のような違いは人間にとって些細な違いであるが、翻訳
等の処理をするときに使用するシステムの辞書に正しい
単語しか登録されていなければ、正しく解析されないと
いう問題点が生じる。

【０００６】また、文書を書く人が異なったり、例えば
かな漢字変換辞書が異なるというように書くときの環境
が異なると、「滝沢」と「瀧澤」というように、異体字
が混在することがある。「瀧」は「滝」の旧字体、
「澤」は「沢」の旧字体であり、いずれの文字も一般に
全く同じ発音・意味で使用されているものである。しか
しながら、システムの辞書に標準外の文字である旧字体
が登録されていなければ、従来の形態素解析においては
「瀧」「澤」のような旧字体は、未登録語として出力さ
れるだけで、正しい候補が示されなかった。

【０００７】さらに、従来の活字読取装置または手書き
入力文字読取装置等の文字認識処理装置においては、読
み取った各文字に対して複数の候補文字を出力する。こ
のような文字認識後処理装置を用いて入力文字を得る場
合、各文字に対して複数の候補文字を受け取り、その候
補文字の組合せを用いて辞書検索を行うこととなる。し
たがって、長さｎの文字列の各文字に対してｍ個の候補
文字があったとすると、ｍⁿの文字列の組合せから辞書
を検索することとなる。このため、各文字の候補数が多
くなり、候補文字の組合せの数が増加するので、文字認
識後処理の速度が遅くなる。

【０００８】この文字認識後処理の速度を向上させるた
めに、従来、各文字位置での候補文字数をｍ’個に絞り
こむことが行われる。しかしながら、この絞り込みの結
果、正解文字がこのｍ’個の候補文字から排除された場
合は、正解単語が検索できないこととなる。本発明は、
変換文字定義体で定義された文字集合の要素を同一とみ
なすことにより、入力ミスによってこれまで辞書検索で
きなかった単語についても、辞書検索できる装置を提供
することを目的とする。

【０００９】本発明は、上記のようにこれまで辞書検索
されなかった単語も辞書検索できる辞書検索部を使用す
ることにより、エラー入力を許容する形態素解析装置を
提供することを目的とする。本発明は、上記のようにこ
れまで辞書検索されなかった単語も辞書検索できるよう
にすることにより、文字を標準化したり、誤った単語を
修正したりすることができる文字列訂正装置を提供する
ことを目的とする。

【００１０】本発明は、文字認識後処理装置の出力の各
文字位置での候補文字をグループで管理することによ
り、各文字位置での候補グループ数が少なくなり、候補
文字の組合せが減少する。これにより、文字認識後処理
の速度が向上した文字認識後処理装置を提供することを
目的とする。

【００１１】

【課題を解決するための手段】上記目的を達成するた
め、本発明は、入力部から与えられた入力文字列を変換
して出力部に出力する辞書検索装置において、文字の集
合Ｃ＝｛ｃ₁,ｃ₂,...,ｃ _n｝をいくつかの部分集合（Ｇ
_i⊂Ｃ）に分類し、各部分集合に対してグループＩＤを
与えた変換文字定義体と、この変換文字定義体を使って
文字列の各文字をグループＩＤに置き換える処理を行う
文字−グループＩＤ変換部と、入力部から入力された入
力文字列を、この文字−グループＩＤ変換部を呼び出す
ことによって入力グループＩＤ列に変換する入力文字列
変換部と、前記入力部に出現する意味のある部分文字列
である単語を保持している単語辞書と、この単語辞書の
中に定義されている各単語の表記文字列を、前記文字−
グループＩＤ変換部を呼び出すことによって表記グルー
プＩＤ列に変換を行う辞書変換部と、この辞書変換部に
より変換された変換単語辞書と、前記入力文字列変換部
で変換された入力グループＩＤ列に対して、前記表記グ
ループＩＤによって表現されている変換単語辞書を検索
する辞書検索部とにより辞書検索装置を構成する。

【００１２】本発明はまた、機械翻訳または自然言語イ
ンターフェースなどの文の解析を行う装置において、文
を入力する入力部と、前記辞書検索装置を有し、前記入
力部から出力された文を通すことによって辞書検索を行
う拡張辞書検索部と、文法規則と、この辞書検索結果を
文法規則と照らし合わせながら形態素解析を行って、辞
書情報付きの形態素解析結果を出力する処理を行う文法
チェック部とによりエラー入力を許す形態素解析装置を
構成する。

【００１３】本発明はまた、前記形態素解析装置におい
て、前記文法チェック部による形態素解析の結果を文に
合成して出力する形態素合成部を設けることにより文字
列訂正装置を構成する。本発明はまた、前記形態素解析
装置において、文字認識処理装置の認識結果により得
た、入力文字列の各文字に対して複数の候補文字を持つ
候補文字列を前記入力部から前記拡張辞書検索部に入力
し、前記文法チェック部と前記出力部の間に、前記文法
チェック部による形態素解析の結果から得られた複数の
形態素解析候補から、適当な評価関数によって候補順位
を決定することにより形態素解析候補を出力部に出力す
る形態素決定部を設けることにより文字認識後処理装置
を構成する。

【００１４】

【作用】文法Ｇは、非終端記号の集合Ｎ、終端記号の集
合Σ、生成規則の集合Ｐ、出発記号Ｓによって、Ｇ＝
（Ｎ，Σ，Ｐ，Ｓ）として表され、文法Ｇ上の言語Ｌ
（Ｇ）はＬ（Ｇ）＝｛ｔ｜Ｓ⇒^*ｔ∧ｔ∈Σ^*｝として
表される。ただし、Σ^*はΣの記号からなる長さ０以上
の列の集合である。

【００１５】今、ω，ω’は単語であり、これらは文字
ｃ_iの列であるとし、ω＝ｃ₁,ｃ₂,...,ｃ_i,..., ｃ_n
をΣに属する終端記号、ω’＝ｃ₁,ｃ₂,...,
ｃ_i’,..., ｃ _nをΣに属さない終端記号とする。Ｓ⇒
^*μωνという導出があってもＳ≠⇒^*μωνがなけれ
ば、ｃ_iがｃ_i’に変わっただけでも言語Ｌ（Ｇ）で受
理されなくなる。すなわち、テキスト中の１文字の誤り
によって正しい解析がなされないことになる。

【００１６】本発明では、変換文字定義体を設けること
によって、ｃ_iとｃ_i’とを同一のグループとするよう
な変換Ｆを導入することができる（Ｆ（ω）＝Ｆ
（ω’））。このとき、文法はＧ_F＝（Ｎ，Ｆ（Σ），
Ｐ，Ｓ）が定義され、この文法Ｇ_Fで受理される言語は
Ｌ（Ｇ_F）＝｛ｔ｜Ｓ⇒^*Ｆ（ｔ）∧Ｆ（ｔ）∈（Σ）
^*｝となる。今Ｇ_Fのもとに、Ｓ⇒^*Ｆ（μ）Ｆ（ω）
Ｆ（ν）という導出があるならば、Ｆ（ω）＝Ｆ
（ω’）から、Ｓ⇒^*Ｆ（μ）Ｆ（ω’）Ｆ（ν）とい
う導出もあることになる。すなわち、変換文字定義体に
よって同一のグループにマッピングされる字に対する誤
りが存在しても正しく解析されることを意味している。

【００１７】例えば、前述の長音記号「ー」とマイナス
記号「−」を同一のグループとして定義しておけば、
「コンピュータ」しか辞書に定義（Σに属す）されてい
なくても、入力中のマイナス記号「−」を用いた「コン
ピュ−タ」に対して、正しい長音記号「ー」を用いた
「コンピュータ」という単語を引くことが可能となり、
文字を訂正することができる。

【００１８】同様に、異体字の「滝」と「瀧」を同一の
グループとして定義しておいて、辞書に新字体の「滝
沢」の方だけを登録しておくことにより、旧字体を用い
た「瀧沢」という入力に対して、「滝沢」という単語が
検索されて出力される。したがって、文字の標準化がで
きることになる。文字認識後処理装置においては、文字
認識処理装置から入力された候補文字はその文字のグル
ープ番号に変換される。したがって、あらかじめ文字認
識処理装置が誤読しやすそうな類似文字を同一グループ
になるように変換文字定義体を定義しておくことによっ
て、候補文字のグループ数が少なくなり、これによって
辞書と参照するための候補文字の組合せが少なくなる。

【００１９】また、文字認識処理装置から出力された候
補文字中に正解文字が含まれていない場合でも、類似文
字である同一グループ中に正解文字が存在しているなら
ば、正解単語を見つけ出すことができることとなる。

【００２０】

【実施例】以下本発明の辞書検索装置、形態素解析装
置、文字列訂正装置、および文字認識後処理装置につい
て、それらを日本語の文書処理に適用した実施例につい
て説明する。なお、適用する言語が日本語であることは
発明の本質的なことではない。本発明は、英語、中国語
のような日本語以外の言語に対しても適用できるもので
ある。また、自然言語に限らず、語彙と文法規則が定義
されたプログラム言語等の人工的な言語に対しても適用
できるものである。

【００２１】以下の各実施例においては、同一機能を有
するものには同一符号を付して重複する説明を省略す
る。

【００２２】〔実施例１〕本発明の辞書検索装置の実施
例について、以下に説明する。図１は、本実施例の構成
図である。１は入力部であり、ファイル、入力デバイス
等から文字列を読み込んで、その文字列をコード化され
た文字列として出力するものである。

【００２３】２は入力文字列変換部であり、入力部１か
ら入力された入力文字列を、後述の文字−グループＩＤ
変換部３を呼び出すことによって入力グループＩＤ列に
変換するものである。３は文字−グループＩＤ変換部で
あり、後述の変換文字定義体４を使って文字列の各文字
をグループＩＤに置き換える処理を行うものである。

【００２４】４は変換文字定義体であり、文字の集合Ｃ
＝ｃ₁,ｃ₂,...,ｃ_nをいくつかの部分集合（Ｇ_i⊂Ｃ）
に分類し、各部分集合に対してグループＩＤを与えたも
のである。５は辞書変換部であり、後述の単語辞書６の
中に定義されている各単語の表記文字列に対して、文字
−グループＩＤ変換部３を呼び出すことによって表記グ
ループＩＤ列に変換を行うことにより、あらかじめ表記
グループＩＤによって定義された変換単語辞書を作成す
る。

【００２５】６は単語辞書であり、入力部に出現する意
味のある部分文字列である単語を保持しているものであ
る。７は変換単語辞書であり、変換文字定義体４の定義
にしたがって辞書変換部５によって単語辞書６の表記部
分の文字がグループＩＤに置き換えられたものである。

【００２６】８は辞書検索部であり、入力文字列変換部
２で変換された入力グループＩＤ列に対して表記グルー
プＩＤによって表記されている変換単語辞書７を検索す
るものである。次に、以上のように構成された辞書検索
装置の動作について実例を用いて、図２にしたがって説
明をする。

【００２７】入力部１において、ファイルからの読み込
みまたはキーボード等の入力装置からの読み込みを行
う。この読み込みにより、文字列が入力文字列変換部２
に入力される。以下、入力部１から「コンピュータ」と
入力すべきところを、誤って「コンヒュータ」という文
字列が与えられた場合（「ピ」の半濁点が落ちてい
る。）について説明をする。

【００２８】入力文字列変換部２は、入力部１から与え
られた文字列の各文字を文字−グループＩＤ変換部３に
よってグループＩＤに変換する。文字−グループＩＤ変
換部３の動作を図３のフローチャートにより説明する。
ステップＳ１で被変換文字列ｓを入力として受け取る。
ステップＳ２でポインタｐがｓの先頭文字を指すように
値を設定する。

【００２９】ステップＳ３で、ポインタｐが文字列の終
わり（最終文字の後）を指しているかどうかを判定す
る。ポインタｐが文字列の終わりを指しているならば、
この変換処理は終了で、グループＩＤに置き換えた文字
列を辞書検索部８に返す。ポインタｐがまだ文字列の終
わりを指していないならば、ステップＳ３へ進む。ステ
ップＳ４では、ポインタｐが指している文字ｃ_iを図２
の変換文字定義体４によって定義されているグループＩ
Ｄｇ_iに置き換える。

【００３０】ステップＳ５ではポインタｐが指している
先を１文字進め、ステップＳ３に戻る。以上のステップ
により、入力部１から入力文字列変換部２に入力された
「コンヒュータ」の文字列は、入力グループＩＤ列「１
２３１４５」に変換されて、辞書検索部８に出力され
る。

【００３１】ここで、辞書検索部８が検索する変換単語
辞書７について説明する。単語辞書６は、入力部１に出
現する意味のある部分文字列を保持している。単語辞書
６の内容の一部分が図２に表示されている。図２には単
語の表記と品詞だけが示されているが、各単語には、こ
れ以外に、読み、意味的な属性等のさまざまな情報が付
加されていてもよい。

【００３２】辞書変換部５は、単語辞書６の中に定義さ
れている各単語の表記文字列に対して、文字−グループ
ＩＤ変換部３を呼び出すことによりグループＩＤ列を作
り出し、このグループＩＤ列を保有する変換単語辞書７
を作成する。変換単語辞書７が保有する単語と文字グル
ープ番号列の一部が図２に表示されている。辞書検索部
８は、入力グループＩＤ列に対応するグループＩＤ列を
キーとしてもつ辞書要素を変換単語集合７から検索す
る。前記入力グループＩＤ列「１２３１４５」に対する
辞書検索結果として「コンピュータ１２３１４５」が
検索できる。このように、本実施例によれば、これまで
辞書検索されなかったような、入力ミスによる「コンヒ
ュータ」という単語でも、「コンピュータ」という正し
い単語で辞書検索されることとなる。

【００３３】以上説明した例は、類似文字集合により変
換文字定義体を形成した例であるが、変換文字定義体と
して、その他に平仮名と片仮名のペアの集合または新字
体と旧字体のペアの集合等を登録することもできる。こ
のように変換文字定義体４で定義された文字集合の要素
を同一とみなすことにより、これまで辞書検索できなか
った、エラー入力された単語も辞書検索できることとな
る。

【００３４】なお、単語辞書６および変換単語辞書７の
構造としては、通常の自然言語処理の単語辞書と同様
な、前方一致圧縮構造、バイナリツリー構造、ＴＲＩＥ
構造等の辞書構造であってもよい。〔実施例２〕上記実施例１の辞書検索装置を拡張辞書検
索部として使用することにより、機械翻訳または自然言
語インターフェース等の文解析を行う形態素解析装置に
おいて、エラー入力を許容する形態素解析を行うことが
できる。この形態素解析を行う形態素解析装置の実施例
について以下に説明する。

【００３５】図４は、本実施例の構成図である。１０
は、前記実施例１で説明した辞書検索装置を有する拡張
辞書検索部である。この拡張辞書検索部１０は、後述の
入力部１１から入力されたテキストを管理し、後述の文
法チェック部１３と連動することにより、テキスト中の
任意の位置からの辞書検索や、別候補の検索・出力の制
御を行う。拡張辞書検索部１０内の符号２〜８は前記図
１の同一符号部分に相当する。

【００３６】１１は、入力部であり、ファイル、入力デ
バイス等から文字列を読み込んで、コード化された文字
列として出力するものである。１２は、文法規則であ
り、入力されたテキストの文法を規定する。この文法規
則１２には通常の文法規則が使用される。１３は、文法
チェック部であり、拡張辞書検索部１０から出力された
形態素列が、文法規則１２に適合しているかどうかを判
断し、不適合があれば拡張辞書検索部１０に対して別の
候補を出力するように要求する。この文法チェック部１
３としては、通常の形態素解析で行われるような、接続
マトリックスによる方法、文脈自由文法規則によるもの
などが使用される。

【００３７】１４は、出力部であり、文法チェック部１
３で適合と判定された形態素解析結果を出力するもので
ある。本実施例における入力部１１からの入力は、単一
の単語だけではなく文として与えられる。今、「タンゴ
を踊る」という入力列を考える。拡張辞書検索部１０
は、上記入力文字列を部分文字列に分解して、辞書検索
部８を呼ぶ。上記の入力列に対しては、以下の各文字列
に対して辞書検索部８を呼び出す。

【００３８】「タンゴを踊る」「タンゴを踊」「タンゴを」「タンゴ」「タン」「タ」辞書検索部８において上記各文字列の中の一部の文字列
に対する変換単語辞書７の検索が行われる。これに成功
すると、その検索結果が文法チェック部１３に戻ってく
る。

【００３９】文法チェック部１３は、この取れてきた単
語を元に通常の形態素解析と同様に文法規則１２と照ら
し合わせながら文字ポインタを進めて形態素解析を続け
る。文法チェック部１３は、形態素列が文法規則１２に
不適合であれば、辞書検索負８に対して別の候補を出力
するように要求する。その結果、辞書情報付きの形態素
解析結果が出力部１４に出力される。

【００４０】以上説明したように、実施例１で説明した
辞書検索装置を有する拡張辞書検索部を使用して形態素
解析装置を構成することにより、エラー入力を許容する
形態素解析装置を得ることができる。なお、以上説明し
た例では、辞書検索部８に文字列ｓを与えた時、文字列
ｓに対応する辞書中の単語を検索しているが、文字列ｓ
＝ｃ₁,ｃ₂,...,ｃ_nの前方からの部分文字列ｓ_i＝ｃ₁,
ｃ₂,...,ｃ_i（ｉ≦ｎ）に対する辞書単語を検索するこ
とも実現できる。

【００４１】〔実施例３〕上記実施例２の形態素解析装
置を使用することにより、文中の誤字の訂正または異体
字の標準化などを行う文字列訂正装置を得ることができ
る。この文字列訂正装置の実施例について以下に説明す
る。図５は、本実施例の構成図である。

【００４２】図において、文法チェック部１３と出力部
１４の間に形態素合成部１５が設けられる。形態素合成
部１５は、文法チェック部１３で得られた形態素解析結
果を合成して、テキストとして出力する。具体例として
は、文法チェック部１３により与えられた形態素列の表
記部分のみを次々と出力することにより、テキストが得
られる。

【００４３】〔実施例４〕上記実施例１の辞書検索部を
文字認識後処理装置の拡張辞書検索部として使用するこ
とにより、文字認識後処理装置における各文字位置での
候補文字の候補数を少なくし、処理速度を速くすること
ができる。この文字認識後処理装置の実施例について図
６を用いて以下に説明する。

【００４４】活字読取装置あるいは手書き文字読取装置
等の文字認識を行う入力デバイスは、読み取った文字列
の各文字に対して候補文字集合を割り当てる。入力部１
１は、この入力デバイスにより候補文字集合が割り当て
られた列を読み込んで、拡張辞書検索部１０に入力す
る。また、文法チェック部１３と出力部１４の間に、形
態素解析結果をもととして、複数ある形態素解析候補か
ら適当な評価関数によって候補順位を決定して形態素解
析結果を出力する形態素決定部１５が接続される。

【００４５】次に、本実施例における文字認識結果後処
理手順を説明する。ＯＣＲ装置が「コンピュータ」とい
う文字を読み取ったとする。ＯＣＲ装置は、この文字列
を認識した結果、各文字に対して候補文字集合を割り当
てる。その結果、（コ，ユ）（ン，シ）（ピ，ビ）（ュ，ユ）（ー，−）
（タ，ク）の候補文字が各文字に割り当てられて、拡張辞書検索部
１０に入力される。

【００４６】入力文字列変換部２は、この各候補文字を
文字−グループＩＤ変換部３によって、変換文字定義体
４を用いてグループ番号に対応させる。なお、変換文字
定義体４の内容については図２を参照されたい。この結
果、（１）（２，７）（３）（１）（４）（５）というグループ番号が得られる。

【００４７】辞書検索部８は、このグループ番号から
「１２３１４５」と「１７３１４５」という２つのグル
ープ番号列を得て、これらグループ番号列に対して変換
単語辞書７を引く。この結果、「コンピュータ」という
単語を含む候補が得られる。この候補は、文法チェック
部１３に出力される。文法チェック部１３は、複数の候
補が得られた場合、文法規則１２に則って形態素解析を
行う。形態素決定部１５はこの形態素解析の結果をもと
に、複数ある形態素解析候補から適当な評価関数によっ
て候補順位を決定して、形態素解析候補を出力部１４に
出力する。

【００４８】以上説明したように、本実施例によれば、
類似文字を１つのグループとみなすことにより、各文字
位置での候補文字をグループで管理することになるの
で、それぞれの文字位置での候補数は少なくなり、候補
文字中のグループ数は候補文字数に比べて大幅に減少す
る。これにより、文字認識後処理の速度が向上した文字
認識後処理装置を得ることができる。

【００４９】また、本実施例においては、候補文字数を
ｍ’個に絞った場合、グループ番号列はｋ（≦ｍ）個の
グループに縮退される。しかしながら、それぞれのグル
ープはＮ_i個の文字要素から構成されているから、実際
にはΣ_i ^kＮ_i（≧ｍ）個の候補文字が存在したのと同
じになる。これによって、これまで候補文字数を絞った
場合に検索できなくなった正解単語を、本実施例により
検索できることとなる可能性が高くなる。

【００５０】〔実施例５〕前述の実施例１の辞書検索装
置においては、グループＩＤとしてグループ番号を与え
ているが、グループ番号の代わりに適当な文字または名
前等を付けることもできる。本実施例においては、実施
例１の図２における変換文字定義体４のグループ分類
を、例えば次の〔表１〕のものと置き換える。

【００５１】

【表１】

【００５２】この〔表１〕は、図２の変換文字定義体４
のメンバ文字の先頭文字を代表文字としたものである。
図２の変換単語辞書７におけるグループ番号もこの代表
文字に置き換えられる。単語「コンピュータ」に対して
はグループＩＤ列として「コソヒコータ」が与えられる
こととなる。本実施例のその他の点は、実施例１と変わ
るところはない。また、この辞書検索装置も、前記実施
例２〜４における拡張辞書検索部１０に適用できるもの
である。

【００５３】〔実施例６〕前述の実施例１および実施例
５の辞書検索装置においては、変換文字定義体４におけ
る類似文字のグループ分類として、１つの文字が１つの
グループに属するとしている。これに対し、１つの文字
ｃ_iを複数のグループの要素になることを認めることも
できる。

【００５４】本実施例においては、実施例１の図２にお
ける変換文字定義体４のグループ分類を、例えば次の
〔表２〕のものと置き換える。

【００５５】

【表２】

【００５６】この〔表２〕においては、「ク」という文
字は、「グ」「タ」「ダ」と共にグループ番号５の要素
となり、同時に、「ウ」「フ」「７」と共にグループ番
号６の要素となっている。このように１つの文字が複数
のグループの要素になるから、文字−グループＩＤ変換
部３では、１つの文字列に対して複数の解を出力するこ
ととなる。しかしながら、類似の関係にない「グ、タ、
ダ」と「ウ、フ、７」を別のグループとすることができ
るから、変換単語辞書７における同一文字グループ番号
列に対する単語の候補数を減少することができる。

【００５７】本実施例のその他の点は、実施例１と変わ
るところはない。また、この辞書検索装置も、前記実施
例２〜４における拡張辞書検索部１０に適用できるもの
である。〔実施例７〕前述の実施例１、５、６の辞書検索装置に
おいては、１つの文字に対して１つまたは複数のグルー
プを与えている。これに対し、本実施例では、文字列ｓ
＝ｃ _i,ｃ_i+1,..., ｃ_i+Lに対してグループＩＤｇを与
えることを認めるようにする。

【００５８】本実施例では、文字−グループＩＤ変換部
３の代わりに文字列−グループＩＤ変換部３’が使用さ
れる。また、実施例１の図２における変換文字定義体４
のグループ分類を、例えば次の〔表３〕のものと置き換
える。

【００５９】

【表３】

【００６０】〔表３〕の例では、１つの漢字の「加」
と、２つの片仮名のペアの「カ、ロ」と、２つの漢字の
ペアの「力、口」がグループ番号１に分類されている。
同様に、グループ番号２には、１つの漢字の「仁」と、
２つの片仮名のペアの「イ、ニ」と、１つの片仮名と１
つの漢字のペアの「イ、二」が分類され、グループ番号
３に１つの漢字の「結」と２つの漢字のペアの「糸、
吉」が分類されている。

【００６１】この文字列−グループＩＤの変換の実施方
法としては、Aho-Corasick法を応用することができる。
(Aho,A. and Corasick, M: Efficient String Matchin
g: AnAid to Bibliographic Search, CACM Vol.18,No,6
(1975)）すなわち、文字列−グループＩＤ変換定義体に
定義されたすべての変換文字列をもとに照合の途中段階
を状態として記憶する図７に示すパターン照合用のオー
トマトンを生成し、オートマトンのある状態で不一致が
起こった時に途中の状態から照合を行えるように遷移を
決定するようにするものである。そして、最終状態に対
して変換するグループＩＤを定義しておき、最終状態に
達した時にはそのグループＩＤに変換される。

【００６２】このように変換文字定義体４を定義するこ
とにより、ＯＣＲ装置等の文字認識処理装置が１つの文
字「加」を２つ以上に分解して「カ、ロ」と読み込んだ
り、２つの文字「力口」を１つの文字「加」として読み
込んだ場合であっても、正しい辞書検索が行われること
となる。本実施例のその他の点は、実施例１と変わると
ころはない。また、この辞書検索装置も、前記実施例２
〜４における拡張辞書検索部１０に適用できるものであ
るが、前記実施例４の文字認識後処理装置の拡張辞書検
索部１０に適用するのに最適なものである。

【００６３】〔実施例８〕本実施例では、前記実施例７
をさらに進めて、文字列ｓ＝ｃ_i,ｃ_i+1,..., ｃ _i+Lに
対してグループＩＤ列ｇ_i, ｇ_j+1,...,ｇ_j+kを与える
ことを認めるようにする。本実施例においては、実施例
１の図２における変換文字定義体４のグループ分類を、
例えば次の〔表４〕のものと置き換える。

【００６４】

【表４】

【００６５】この〔表４〕では、片仮名の「カ」と漢字
の「力」をグループＩＤ１に、片仮名の「ロ」と漢字の
「口」をグループＩＤ２に、１つの漢字「加」にグルー
プＩＤ列１，２を与えている。本実施例では、前記実施
例７と同様に、Aho-Corasick法を応用するが、最終状態
に達したときにはそのグループＩＤに変換する代わりに
グループＩＤ列に変換することもできる。

【００６６】本実施例のその他の点は、実施例１と変わ
るところはない。また、この辞書検索装置も、前記実施
例２〜４における拡張辞書検索部１０に適用できるもの
であるが、前記実施例４の文字認識後処理装置の拡張辞
書検索部１０に適用するのに最適なものである。〔実施例９〕前述の実施例１、５〜８では、１つの文字
または文字列に対してグループＩＤまたはグループＩＤ
列を与えているが、本実施例では、任意のパターン表現
ｅ_iに対してグループＩＤ列ｇ_i, ｇ_j+1,...,ｇ_j+kを
与えることを認めるようにする。

【００６７】本実施例では、文字−グループＩＤ変換部
３の代わりに文字列−グループＩＤ変換部３’が使用さ
れる。この文字列−グループＩＤ変換部３’の例として
は、正規表現変換が利用される。また、実施例１の図２
における変換文字定義体４のグループ分類を、例えば次
の〔表５〕のものと置き換える。

【００６８】

【表５】

【００６９】この〔表５〕のパターン列として示された
「え〜＊と」における「＊」はメタキャラクタであり、
これは、直前の文字「〜」が０個以上継続することを意
味するものである。このパターン列「え〜＊と」を正規
表現変換するとグループＩＤ「４，１０１，２０」が得
られる。本実施例によれば、「え〜と」「え〜〜と」…
…を同一グループとして取り扱うことが可能となる。

【００７０】本実施例のその他の点は、実施例１と変わ
るところはない。また、この辞書検索装置も、前記実施
例２〜４における拡張辞書検索部１０に適用できるもの
である。

【００７１】

【発明の効果】本発明によれば、以下のような効果が得
られる。１．変換文字定義体で定義された文字集合の要素を同一
とみなすことにより、これまで辞書検索できなかった単
語も辞書検索できることとなる。２．したがって、入力エラーを含む文書に対しても正し
く形態素解析することが可能となる。３．また、文字を標準化したり、誤った単語を修正した
りすることができる文字列訂正装置を得ることができ
る。４．文字認識後処理装置の出力の各文字位置での候補文
字をグループで管理することにより、各文字位置での候
補グループ数が少なくなり、候補文字の組合せの数が減
る。これにより、文字認識後処理の速度が向上した文字
認識後処理装置を得ることができる。

【図面の簡単な説明】

【図１】本発明の実施例１の構成図。

【図２】図１の動作を説明する概略図。

【図３】図１の文字−グループＩＤ変換部の動作を説明
するフローチャート。

【図４】本発明の実施例２の構成図。

【図５】本発明の実施例３の構成図。

【図６】本発明の実施例４の構成図。

【図７】本発明の実施例７に使用するオートマトンを示
す。

【符号の説明】

１，１１…入力部２…入力文字列変換部３…文字−グループＩＤ変換部４…変換文字定義体５…辞書変換部６…単語辞書７…変換単語辞書８…辞書検索部９，１４…出力部１０…拡張辞書検索部１２…文法規則１３…文法チェック部１５…形態素合成部１６…形態素決定部

───────────────────────────────────────────────────── フロントページの続き (51)Int.Cl.⁶ 識別記号庁内整理番号ＦＩ技術表示箇所 9194−5ＬＧ０６Ｆ 15/40 ３７０Ｊ

Claims

【特許請求の範囲】

【請求項１】入力部（１）から与えられた入力文字列
を変換して出力部（９）に出力する辞書検索装置におい
て、文字の集合Ｃ＝｛ｃ₁,ｃ₂,...,ｃ_n｝をいくつかの部分
集合（Ｇ_i⊂Ｃ）に分類し、各部分集合に対してグルー
プＩＤを与えた変換文字定義体（４）と、この変換文字定義体（４）を使って文字列の各文字をグ
ループＩＤに置き換える処理を行う文字−グループＩＤ
変換部（３）と、前記入力部（１）から入力された前記入力文字列を、こ
の文字−グループＩＤ変換部（３）を呼び出すことによ
って入力グループＩＤ列に変換する入力文字列変換部
（２）と、前記入力部（１）に出現する意味のある部分文字列であ
る単語を保持している単語辞書（６）と、この単語辞書（６）の中に定義されている各単語の表記
文字列を、前記文字−グループＩＤ変換部（３）を呼び
出すことによって表記グループＩＤ列に変換を行う辞書
変換部（５）と、この辞書変換部（５）により変換された表記グループＩ
Ｄによって定義された変換単語辞書（７）と、前記入力文字列変換部（２）で変換された入力グループ
ＩＤ列に対して、前記表記グループＩＤによって表現さ
れている変換単語辞書（７）を検索する辞書検索部
（８）とを有することを特徴とする辞書検索装置。
【請求項２】文の解析を行う形態素解析装置におい
て、文を入力する入力部（１１）と、請求項１記載の辞書検索装置を有し、前記入力部（１
１）から出力された文に対して辞書検索を行う拡張辞書
検索部（１０）と、文法規則（１２）と、この辞書検索結果を前記文法規則（１２）と照らし合わ
せながら形態素解析を行って、辞書情報付きの形態素解
析結果を出力する処理を行う文法チェック部（１３）と
を具備することを特徴とする形態素解析装置。
【請求項３】請求項２記載の形態素解析装置における
前記文法チェック部（１３）と前記出力部（１４）の間
に、前記文法チェック部（１３）による形態素解析の結
果を文に合成して出力部に出力する形態素合成部（１
５）を設けたことを特徴とする文字列訂正装置。
【請求項４】請求項２記載の形態素解析装置におい
て、文字認識処理装置の認識結果により得た、入力文字
列の各文字に対して複数の文字候補を持つ候補文字列を
前記入力部（１１）から前記拡張辞書検索部（１０）に
入力し、前記文法チェック部（１３）と前記出力部（１
４）の間に、前記文法チェック部（１３）による形態素
解析の結果から得られた複数の形態素解析候補から、適
当な評価関数によって候補順位を決定することにより形
態素解析候補を出力部に出力する形態素決定部（１６）
を設けたことを特徴とする文字認識後処理装置。
【請求項５】前記変換文字定義体（４）は、グループ
ＩＤとしてグループ内の文字を代表する代表文字を設定
し、前記変換単語辞書（７）は、入力文字列の各文字を
前記代表文字に置き換えた辞書としたことを特徴とする
請求項１記載の辞書検索装置。
【請求項６】前記変換文字定義体（４）は、１つの文
字ｃ_iを複数のグループの要素になることを認め、これ
により文字−グループＩＤ変換部（３）で複数の解を出
力することを特徴とする請求項１記載の辞書検索装置。
【請求項７】前記変換文字定義体（４）は、文字列ｓ
＝ｃ_i, ｃ_i+1,...,ｃ_i+lに対してグループＩＤｇを与
えることを認めたことを特徴とする請求項１記載の辞書
検索装置。
【請求項８】前記変換文字定義体（４）は、文字列ｓ
＝ｃ_i, ｃ_i+1,...,ｃ_i+lに対してグループＩＤ列ｇ,
ｇ_j+1,...,ｇ_j+kを与えることを認めることを特徴とす
る請求項１記載の辞書検索装置。
【請求項９】前記変換文字定義体（４）は、任意のパ
ターン表現ｅ_iに対してグループＩＤ列ｇ, ｇ_j+1,...,
ｇ_j+kを与えることを認めることを特徴とする請求項１
記載の辞書検索装置。