JPH08137883A

JPH08137883A - 辞書装置

Info

Publication number: JPH08137883A
Application number: JP6273246A
Authority: JP
Inventors: Hitoshi Sakamoto; 仁坂本
Original assignee: Oki Electric Industry Co Ltd
Current assignee: Oki Electric Industry Co Ltd
Priority date: 1994-11-08
Filing date: 1994-11-08
Publication date: 1996-05-31

Abstract

(57)【要約】【目的】大量の語彙に豊富な情報を持たせたような装
置と同等の機能を備え、小規模の資源で作動する辞書装
置。【構成】レコード統合部１は入力レコードの見出しが
類義索引部３に既登録であるか検査し既登録であれば類
義索引部３によって類義とされた相手のレコードと重複
する情報を削除して入力レコードを縮小する。索引登録
部２は原情報を保持するレコードの見出しを複合語解析
する。類義索引部３は索引登録部２からの原情報を保持
するレコードの見出しなどを記憶したファイルである。
辞書部４は記憶ファイルと索引ファイルと空き領域を管
理する手段とを備えレコードの追加などを行う。複合語
解析部５は形態素解析技術と構文解析技術とで見出しを
意味や語幹部分と語幹の修飾部分とに分解する。レコー
ド推論部６は、入力された見出しのレコードを検索し当
該レコードが原情報を保持するレコードであれば、当該
レコードを辞書部４で検索する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】この発明は辞書装置に関し、自然
言語処理装置や機械翻訳装置などに適用し得るものであ
る。

【０００２】

【従来の技術】従来、自然言語処理に利用されてきた辞
書装置は、それぞれの語句を検索の主たるキーとしてそ
の語句の何等かの属性の値を１つ以上記憶したものであ
り、個々のレコードに例えば、品詞や活用型や分野など
の人間が検索して利用する辞書装置にあるような情報に
加えて、その語の意味を表現する意味情報やその語の用
法などを属性として記憶している。

【０００３】例えば、「ペニシリン」や「ワクチン」な
どの語も分野を示すために「医学用語」を示すコードを
付与したり、「手」や「頭」などの語の意味を示すため
に「身体部分」を示すコードを付与したりしてきた。

【０００４】更に、より高度な処理を行い高い品質の結
果を得るために、辞書装置に収録する情報は次第に改良
され拡大している。

【０００５】

【発明が解決しようとする課題】しかしながら、自然言
語処理装置が実用に供される場合には、特定の分野につ
いて非常に多数の語句を辞書装置に収録する必要がある
場合がほとんであり、例えば、医学の分野で利用されて
いる辞書装置の語句に「医学用語」のような属性値を与
えても、収録された語句の大部分が該当してほとんど意
味がない。また、同様に、「手」と「脳下垂体」とが意
味属性の値として共に「身体部分」であるとしても、医
学分野の翻訳処理には有効ではない。

【０００６】しかし、臓器や薬品などがいかに詳細に記
述できる体系立ても、例えば、電子計算機の技術分野で
は有効とはならない。しかも、技術の進歩や専門分野の
分化によって、それぞれの分野で多くの言葉が合成され
たり、転用されて造り出されている。

【０００７】従って、その分野独特の用語や用法をどの
分野でも一律に各語句の属性に与えていたのでは、極め
て多種類の属性値が設定され辞書装置が膨大な容量とな
るため、実用上はどの分野においも十分な属性値が設定
できるように設定することが困難であった。

【０００８】例えば、「身体部分」に「臓器」などの下
位分類を設け、更に、「循環器」、「消化器」などの下
位分類を設ける一方で、「電子機器」に「制御器」、
「通信機器」、「音響機器」などの下位分類を設けるな
どを、各分野について実施することだけでも大きな資源
を必要とするが、情報処理の分野では「制御機器」を更
に何階層も細分類する方が効果的であって、決して十分
に属性値が設定されたわけではない。しかも、同様なこ
とが例述した機能的な属性値の設定だけでなく、「部
品」や「成分」などの組成的な属性値の設定やその他の
属性値の設定についてもあてはまるため、従来のシステ
ムでは、多くの分野に共通に付与できる属性値の設定に
止めているのが現状である。

【０００９】以上のようなことから、大量の語彙に豊富
な情報を持たせたような辞書装置と同等の機能を備え、
しかも小規模の資源（簡単な構成）で作動する辞書装置
の提供が要請されている。

【００１０】

【課題を解決するための手段】そこで、この発明の辞書
装置は、少なくとも辞書レコードと、辞書レコードの見
出しとを辞書データとして格納する辞書データ格納手段
と、入力辞書レコードの見出しと類義する辞書レコード
が辞書データ格納手段に既に格納されているか否かを確
認し、既登録の場合、入力辞書レコードと類義する登録
されている辞書レコードとの重複内容を確認し、入力辞
書レコードの重複内容を削除して辞書データ格納手段に
登録する入力レコード登録手段と、辞書データ格納手段
に対する辞書レコードの検索要求が与えられると、この
検索対象の辞書レコードの見出しに類義する辞書レコー
ドの見出しを辞書データ格納手段から探し出し、探し出
した類義の見出しの辞書レコードの内容情報を複写して
検索対象の辞書レコードの情報として出力する辞書レコ
ード検索出力手段とを備えることで、上述の課題を解決
するものである。

【００１１】

【作用】この発明によれば、入力レコード登録手段と、
辞書データ格納手段とによって、登録される辞書レコー
ドの重複登録を回避でき、従来に比べ多くの辞書データ
を効率良く登録することができる。

【００１２】また、辞書データ格納手段に対する辞書レ
コードの検索要求が与えられた場合は、検索対象の辞書
レコードの見出しに類義する辞書レコードの見出しを辞
書データ格納手段から探し出し、探し出した類義の見出
しの辞書レコードの内容情報を複写して検索対象の辞書
レコードの情報として出力することができるので、膨大
な語彙に詳細な情報を付与した辞書装置と同等の装置を
実現することができる。

【００１３】

【実施例】次にこの発明の好適な実施例を図面を用いて
説明する。そこで、この実施例では、既存レコードを参
照し、既存レコードと重複する情報を削除することによ
って入力レコードを縮小して格納し、格納したレコード
が検索された場合に縮小する際に参照した既存レコード
の情報によってレコードを拡大して出力する辞書装置で
あって、入力レコードの見出し語を細かく解析して、語
幹部分を特定し、当該語幹を共有する既存レコードを検
索することによって、又は既存レコードの情報を順次探
索して入力レコードに類義する既存レコードを特定する
ことによって、入力レコードを縮小する際に参照する既
存レコードを自動的に判定するように構成するものであ
る。

【００１４】尚、上述の語幹とは、語句の意味的な中心
部分のことであり、例えば、「取る」は動詞「買い取
る」の語幹であり、また「書」は名詞「説明書」の語幹
であるるというようなことである。

【００１５】図１はこの実施例の辞書装置の機能構成図
である。この図１において、辞書装置は、レコード統合
部１と、索引登録部２と、類義索引部３と、辞書部４
と、複合語解析部５と、レコード推論部６とから構成さ
れている。

【００１６】ここで、この辞書装置のレコードとは、検
索のための文字列（以下では、『見出し』と言う。）
と、その見出しの語句としての情報である。例えば、品
詞、活用型、意味分類、英訳語などの属性に、それぞれ
値を与えたレコードである。

【００１７】例えば、「語る」という見出しのレコード
には属性値として、動詞、五段活用、陳述動作、”ｔａ
ｌｋ“などが与えられる。

【００１８】例えば、図２（ａ）は、入力レコードの構
成を表している。この図２（ａ）において、入力レコー
ドは、例えば、「大型計算機」に対して、「名詞」、
「不活用」、「電子機器」、…、「ｈｏｓｔｃｏｍｐ
ｕｔｅｒ」などの情報から構成される。

【００１９】そこで、レコード統合部１は入力されたレ
コードの見出しが類義索引部３に既に登録されているか
を検査し、既に登録されていれば、類義索引部３によっ
て類義とされた相手のレコードと重複する情報を削除し
て入力レコードを縮小する。

【００２０】ここで、この削除の概念を図２（ａ）、
（ｂ）、（ｃ）で表している。図２（ｂ）は、原情報を
保持するレコードであり、例えば、「電子計算機」に対
して、「名詞」、「不活用」、「電子機器」、「人
間」、…、「ｃｏｍｐｕｔｅｒ」、「原情報」とから構
成されている。

【００２１】更に、縮小（圧縮）したレコードは、図２
（ｃ）に示すように、例えば、「大型計算機」に対し
て、…、「ｈｏｓｔｃｏｍｐｕｔｅｒ」から構成され
ている。

【００２２】類義索引部３に登録されていなければ、入
力レコードの見出しを複合語解析して語幹部分を特定
し、この語幹を見出しに持つ登録済みのレコードを検索
し、検索できればこのレコードと重複する情報を削除し
て入力レコードを縮小（圧縮）する。

【００２３】検索できない場合は、原情報を保持するレ
コードを順次検索し、予め定められた値より重複する情
報が多いレコードを得て、このレコードと重複する情報
を削除して入力レコードを縮小する。このような方法
で、登録することで、非常に細かく解析して重複内容の
登録の回避を行うことができ、多くの語彙を登録するこ
とに寄与する。そして、上記レコードは、辞書部４に登
録する。

【００２４】索引登録部２は、原情報を保持するレコー
ドの見出しを複合語解析し、当該見出しが複合語であれ
ばその語幹部分を類義索引部３に登録する。複合語でな
ければ当該見出しを類義索引部３に登録する。

【００２５】類義索引部３は、索引登録部２から送られ
てきた原情報を保持するレコードの見出し又は見出しの
語幹と情報を縮小（圧縮）したレコードの見出し又は見
出しの語幹との対を記憶したファイルである。

【００２６】辞書部４は、上述の辞書レコードを格納す
る記憶ファイルと、レコードの検索を高速に行うための
索引ファイルとからなり、空き領域を管理する手段を備
えて、レコードの追加、更新、削除などを可能にしてい
る。

【００２７】複合語解析部５は、既存の形態素解析技術
と構文解析技術とによって、見出しを意味や文法上の用
法を決定する語幹部分と語幹の修飾部分とに分解する。

【００２８】レコード推論部６は、入力された見出しの
レコードを検索し、当該レコードが原情報を保持するレ
コードであれば、当該レコードを辞書部４によって検索
して出力する。当該レコードが原情報を保持するレコー
ドでなければ、入力された見出しが類義索引部３に既に
登録されているか検査し、既に登録されていれば、類義
の相手の見出しを取り出す。

【００２９】登録されていなければ、入力された見出し
を複合語解析して語幹部分を特定し、この語幹を見出し
に持つ登録済みのレコードを検索して類義の相手の見出
しを取り出す。その上で、類義の相手から当該レコード
に残された情報以外の情報を複写してレコードを拡大す
る。

【００３０】このレコード拡大の説明図を図２（ｄ）に
示している。この図２（ｄ）において、拡大したレコー
ドは、「大型計算機」に対して、「名詞」、「不活
用」、「電子機器」、「人間」、…、「ｈｏｓｔｃｏ
ｍｐｕｔｅｒ」などの情報から構成されている。

【００３１】即ち、図２（ａ）〜（ｄ）においては、
「大型計算機」という入力レコードを、原情報を保持す
る「電子計算機」というレコードを類義の相手として、
圧縮し、また拡大した状態を示している。拡大は単なる
復元ではなく、例えば、拡大によって入力レコードには
なかった意味分類の属性値「人間」を得ているため、こ
の辞書装置を組み込んだ自然言語処理システムは、人間
であるかのように「大型計算機」が考慮したり命令した
りするように記述された文であっても、「電子計算機」
について記述された文の場合と同様に扱うことができる
ようになるのである。

【００３２】このようにして、入力されたレコードの重
複を回避し、レコードの復元と同じ方法で未知語につい
て意味や用法を推定する機能を備えることで、記憶装置
に保持する情報量を低く抑えながら、膨大な語彙に詳細
に情報を付与した辞書装置と同様の効果を持たせること
ができるのである。

【００３３】『具体的な処理例』：次に、具体的に
は、既に「電子計算機」が登録されている場合に、「大
型計算機」と「ホストコンピュータ」とを登録する場合
を例に説明する。

【００３４】そこで、登録された類義索引部３の状態を
図３に示している。この図３において、「計算機」３１
という語幹の索引を「コンピュータ」という語幹の索引
や「コン」３３という語幹の索引から参照しており、こ
れによって「〜コンピュータ」３２という語句や「〜コ
ン」３３という語句は「〜計算機」という語句と同様
に、「計算機」３１という語幹の索引の第１要素である
「電子計算機」３４の類義語であることを示している。

【００３５】更に、登録された「大型計算機」３５と
「ホストコンピュータ」３６とが検索された場合、及び
未登録語である「ミニコンピュータ」が検索された場合
を例にそれぞれ説明する。

【００３６】そこで、「大型計算機」の訳語として、
“ｈｏｓｔｃｏｍｐｕｔｅｒ”が正しいとされる場合
には、「大型」という語にはホストの意味は全くなく、
ただ単にその当時の状況では「大型計算機」をホストの
役割に当てていたという事情に基づいているだけである
ため、「大型」と「計算機」とを個別に処理してこの場
合での正しい訳語を得ることは技術的に困難であり、
「大型計算機」を一つの単位として登録することが必要
である。

【００３７】また、レコード統合部１は、「大型計算
機」が類義索引部３に既に登録されているかを検査し、
既に登録されていれば、それが原情報を保持するレコー
ドかどうかを検査して、原情報を保持するレコードであ
ればそのままレコードを更新する。原情報を保持するレ
コードでなければ、原情報を保持するレコードである例
えば、「電子計算機」などの類義の相手を類義索引部３
より得て、このレコードと重複する情報を削除してレコ
ードを縮小する。

【００３８】類義索引部３に登録されていなければ、
「大型計算機」を複合語解析し、「計算機」を語幹であ
ると特定し、この語幹を見出しに持つ登録済みのレコー
ドを検索して類義の相手とし、このレコードと重複する
情報を削除してレコードを縮小する。

【００３９】但し、このレコード（例えば、「電子計算
機」）より「大型計算機」の方が情報量が多い場合に
は、「大型計算機」の原情報を保持したままこれを類義
の相手として「電子計算機」のレコードを同様な方法で
縮小するものである。

【００４０】また、「ホストコンピュータ」の場合、複
合語解析して「コンピュータ」を語幹であると特定して
類義検索を行っても類義の相手が得られなかったとす
る。この場合には、類義索引部３から原情報を保持する
レコードの見出しのリストを取り出し、これらのレコー
ドの情報と「ホストコンピュータ」の情報を比較してい
き、最も重複する情報が多いレコードが予め定められた
値より重複する情報が多い場合に、このレコードと重複
する情報を削除してレコードを縮小し、このレコードと
「ホストコンピュータ」とを索引登録部２に送って類義
索引部３に登録させる。

【００４１】この重複する情報が多いレコードが見い出
せなかった場合には、「ホストコンピュータ」のレコー
ドをそのまま登録し、見い出した「ホストコンピュー
タ」を索引登録部２に送って類義索引部３に登録させ
る。既登録後が多数になるシステムでは、一般にシソー
ラスと呼ばれる既存の意味コードを利用することなどに
より、予め類義の相手を探索する範囲を制限しておく。

【００４２】尚、このシソーラスとは、語と語との間の
意味的関係を規定する。従って、例えば、全体−部分、
上位−下位、同義、類義、反義、などの意味的関係を使
って語を分類するものである。

【００４３】索引登録部２は、原情報を保持するレコー
ドの見出しを記憶する。「電子計算機」が原情報を保持
したまま登録されると、その見出し「電子計算機」を複
合語解析し、語幹が特定できた場合はその語幹「計算
機」を類義索引として、見出し「電子計算機」を登録す
る。語幹が特定できない場合には、その見出しを類義索
引として登録する。２つの見出しを受け取った場合に
は、第１の見出しの類義索引の従たる類義索引として、
第２の見出しの語幹又はその見出しを登録するものであ
る。

【００４４】また、「大型計算機」が検索されると、レ
コード推論部６は、「大型計算機」が類義索引部３に既
に登録されているかを検査し、既に登録されていれば、
類義の相手の見出しを取り出す。例えば、「電子計算
機」などの類義の相手から「大型計算機」に残された情
報以外の情報を複写し、「電子計算機」から情報を得た
こと、及び「電子計算機」との関係を情報に付加してレ
コードを拡大する。

【００４５】類義索引部３に登録されていなければ、
「大型計算機」を複合語解析し、「計算機」を語幹であ
ると特定し、この語幹を見出しに持つ登録済みのレコー
ドを検索し、このレコードから「大型計算機」に残され
た情報以外の情報を複写し、このレコードから情報を得
たこと、及びこのレコードとの関係を情報に付加してレ
コードを拡大するものである。

【００４６】また、「ミニコンピュータ」が検索される
と、レコード推論部６は「ミニコンピュータ」が類義索
引部３に登録されているかを検査し、既に登録されてい
れば、類義の相手の見出しを取り出す。類義索引部３に
登録されていなければ、「ミニコンピュータ」を複合語
解析し、「コンピュータ」を語幹であると特定し、この
語幹を見出しに持つ登録済みのレコード「ホストコンピ
ュータ」を検索する。

【００４７】このレコードに原情報を保持するレコード
がなければ、語幹「コンピュータ」の主たる類義索引を
検査し、「計算機」を得て、「計算機」の原情報を保持
する「電子計算機」を検索する。「ミニコンピュータ」
のレコードを拡大する場合には、「ホストコンピュー
タ」に残された情報以外の「電子計算機」の情報を複写
するものである。

【００４８】これによって、未登録語である「ミニコン
ピュータ」に対してあたかも「電子計算機」とほとんど
同じ情報を持ったレコードが既に登録されているかのよ
うに作動する。また、「電子計算機」の情報を修正した
り追加するだけで、「大型計算機」、「ホストコンピュ
ータ」から「ミニコンピュータ」などの未登録語に至る
まで全て修正・追加したことと同様の効果がある。

【００４９】また、語幹部分が「コンピュータ」のよう
に独立して語句を形成していない、例えば、「オフコ
ン」や「パソコン」のような場合でも意味や用法を推定
することができる。

【００５０】（実施例の効果）：以上の実施例の辞
書装置によれば、類義語の辞書情報を１レコードで代表
させ、他のレコードはこの代表するレコードを参照して
縮小するため、大量の語彙を非常に効率よく格納でき
る。しかも、この代表するレコードの情報を修正・追加
するだけの類義語の各レコードの情報を修正・追加した
ことと同等になるので、辞書情報の一貫性を容易に保て
るようにすることができる。

【００５１】更に、辞書レコードの縮小（圧縮）・拡大
と同じ方法によって、未登録情報や未登録後の情報に対
する指定処理を行い自動的にそれらの情報を補足できる
ので、膨大な情報を格納した辞書装置として利用するこ
とが可能になる。

【００５２】従って、大量の語彙に豊富な情報を持たせ
たような辞書装置と同等の機能を備え、しかも小規模の
資源で作動する辞書装置を実現することができる。

【００５３】（他の実施例）：（１）尚、以上のよ
うな辞書装置は、自然言語処理装置や機械翻訳装置など
に適用した場合に、簡単な構成で多くの語彙の情報を登
録することができ効果的である。例えば、自然言語、中
間言語などによる適用もできる。

【００５４】（２）また、図１に示した機能構成の辞書
装置は、パーソナルコンピュータや、ワークステーショ
ンなどの情報処理装置が備える一般的なハードウエア構
成に専用のソフトウエアを搭載することで実現すること
ができる。

【００５５】（３）更に、自然言語文から語分割処理な
どを行った後に辞書レコードを形成し、図１のレコード
統合部１に与えるように構成することも、文から辞書登
録する上で効果的である。

【００５６】

【発明の効果】以上述べた様にこの発明の辞書装置は、
少なくとも辞書レコードと、辞書レコードの見出しとを
辞書データとして格納する辞書データ格納手段と、入力
辞書レコードの見出しと類義する辞書レコードが辞書デ
ータ格納手段に既に格納されているか否かを確認し、既
登録の場合、入力辞書レコードと類義する登録されてい
る辞書レコードとの重複内容を確認し、入力辞書レコー
ドの重複内容を削除して辞書データ格納手段に登録する
入力レコード登録手段と、辞書データ格納手段に対する
辞書レコードの検索要求が与えられると、この検索対象
の辞書レコードの見出しに類義する辞書レコードの見出
しを辞書データ格納手段から探し出し、探し出した類義
の見出しの辞書レコードの内容情報を複写して検索対象
の辞書レコードの情報として出力する辞書レコード検索
出力手段とを備えるものである。

【００５７】このような構成であることから、入力辞書
レコードの重複登録を回避でき、大量の語彙に豊富な情
報を持たせたような辞書装置と同等の機能を備え、しか
も小規模の資源で作動する辞書装置を実現することがで
きる。

【図面の簡単な説明】

【図１】この発明の実施例の辞書装置の機能構成図であ
る。

【図２】実施例の辞書レコードの縮小・拡大の説明図で
ある。

【図３】実施例の類義索引の状態説明図である。

【符号の説明】

１…レコード統合部、２…索引登録部、３…類義索引
部、４…辞書部、５…複合語解析部、６…レコード推論
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】少なくとも辞書レコードと、辞書レコー
ドの見出しとを辞書データとして格納する辞書データ格
納手段と、入力辞書レコードの見出しと類義する辞書レコードが辞
書データ格納手段に既に格納されているか否かを確認
し、既登録の場合、入力辞書レコードと類義する登録さ
れている辞書レコードとの重複内容を確認し、入力辞書
レコードの重複内容を削除して辞書データ格納手段に登
録する入力レコード登録手段と、辞書データ格納手段に対する辞書レコードの検索要求が
与えられると、この検索対象の辞書レコードの見出しに
類義する辞書レコードの見出しを辞書データ格納手段か
ら探し出し、探し出した類義の見出しの辞書レコードの
内容情報を複写して検索対象の辞書レコードの情報とし
て出力する辞書レコード検索出力手段とを備えることを
特徴とする辞書装置。
【請求項２】上記入力レコード登録手段は、入力辞書レコードの見出しと類義する辞書レコードが既
登録でない場合、入力辞書レコードの見出しを解析し、
語幹部分を特定し、この語幹を見出しに持つ辞書レコー
ドを検索し、対象の辞書レコードが検索できれば、この
辞書レコードとの重複内容を確認し、この重複内容を入
力辞書レコードから削除して辞書データ格納手段に登録
することを特徴とする請求項１記載の辞書装置。
【請求項３】上記入力レコード登録手段は、対象の辞書レコードが検索されない場合は、原情報を持
つ辞書レコードを順次検索し、重複内容が所定以上であ
る辞書レコードとの重複内容を入力辞書レコードから削
除して辞書データ格納手段に登録することを特徴とする
請求項２記載の辞書装置。