JPH08147299A - 自然言語処理方法及びシステム - Google Patents

自然言語処理方法及びシステム

Info

Publication number
JPH08147299A
JPH08147299A JP6283087A JP28308794A JPH08147299A JP H08147299 A JPH08147299 A JP H08147299A JP 6283087 A JP6283087 A JP 6283087A JP 28308794 A JP28308794 A JP 28308794A JP H08147299 A JPH08147299 A JP H08147299A
Authority
JP
Japan
Prior art keywords
sentence
information
analysis
natural language
context
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
JP6283087A
Other languages
English (en)
Other versions
JP2855409B2 (ja
Inventor
Tetsuya Nasukawa
哲哉 那須川
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IBM Japan Ltd
Original Assignee
IBM Japan Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IBM Japan Ltd filed Critical IBM Japan Ltd
Priority to JP6283087A priority Critical patent/JP2855409B2/ja
Priority to US08/501,749 priority patent/US5761631A/en
Publication of JPH08147299A publication Critical patent/JPH08147299A/ja
Application granted granted Critical
Publication of JP2855409B2 publication Critical patent/JP2855409B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/205—Parsing
    • G06F40/226—Validation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Machine Translation (AREA)
  • Document Processing Apparatus (AREA)

Abstract

(57)【要約】 【目的】 自然言語処理システムの精度を向上させ、ど
のような文でも、ある程度の精度をもった構文解析出力
を得られるようにする。 【構成】 この発明は、文法知識に依存した従来の構文
解析処理では解析できない文(文法的不適格文) を、同
じ文脈中で構文解析できた文(適格文) における同じ単
語列の解析結果を利用して再解析することを特徴とす
る。具体的には、（１） 不適格文中の部分的な単語列
と同じ単語列を含む適格文を、同文脈中で検索し、その
単語列の依存構造を適格文の構文解析結果から抽出す
る、（２）（１）で得られた部分的な単語列の依存構造
を、適格文における係り受けの情報と文法知識を用いて
組合わせ、文全体の依存構造を導出する、という処理か
ら構成される。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】この発明は、自然言語処理システ
ムに関し、特に、自然言語の構文解析技法に関するもの
である。
【０００２】
【従来の技術】一般的な自然言語処理システムにおいて
は、構文解析の結果が処理のベースになることが多く、
正確な解析結果を得ることが、システムの精度向上の要
となっている。ところが人間が扱う全ての文を完全に解
析できるような文法は存在せず、構文解析の精度は８０
％台にとどまっているのが現状である。しかも、長い文
ほど構文解析に失敗する確率が高いため、語数のレベル
で計算するならば、成功率はさらに低い値となる。
【０００３】従って、構文解析の精度を向上させること
は、頑健で実用的な自然言語処理システムを構築する上
での重要な課題である。そこで、システムに与えられた
文法では処理できない不適格文を解析する手法として、
数の一致等の文法的制約を緩和させて再解析する手法
や、断片的な解析結果の組合せを出力する手法等が提案
されている（松本: "頑健な自然言語処理の現状と動
向," 第7 回人工知能学会全国大会(1993)）。例えばJen
senらによって、"fitted parse"という考え方が提案さ
れ、これは、不適格文の部分列を解析した結果を、ヒュ
ーリスティックスに基づいて優先される句構造を残すよ
うなかたちで組合せるというものである(K.Jensen, et
al.: "Parse fitting and Prose Fixing: Getting a Ho
ld on Ill-formedness," Computational Linguistics,
Vol.9, No.3-4 (1983))。しかしながら、そのような手
法では、品詞や係り先選択の根拠が弱いため、解析結果
の精度は低く、一応何らかの結果が得られるという程度
の効果しか得られない。
【０００４】また、文脈を参照することによってより正
しい構文解析の結果を得ようとする技法を開示する刊行
物として、特開昭６０−４１１６６号公報、特開昭６０
−１８９０７５号公報、特開昭６２−１９１９６７号公
報及び特開昭６３−３０５４６４号公報がある。
【０００５】特開昭６０−４１１６６号公報は、補うべ
き主語と適用条件を登録して置き、翻訳過程で主語省略
文を検出すると記憶をサ−チして該当する主語を取出
し、文に追加することにより、日本語特有の主語のない
文の機械翻訳を可能にすることを開示する。
【０００６】特開昭６０−１８９０７５号公報は、文脈
保持機構を設け、指示対象が前文脈中に存在するなら
ば、その指示対象が自動的に選択されるような文章解析
を行うことにより、文の意味するところを正しく解析す
る能力を得られるようにすることを開示する。
【０００７】特開昭６２−１９１９６７号公報は、制御
手段から送られてきた情報をキ−として文脈記憶メモリ
を検索し、存在すれば、それらに対応する値を返す文脈
情報検索手段を設けることにより、自然言語処理におい
て、指示代名詞、主語等の省略等が解析でき、係り受け
のあいまいさを軽減し、文と文の関係の解析が行えるよ
うにすることを開示する。
【０００８】特開昭６３−３０５４６４号公報は、解釈
候補が構文的に又は意味的に矛盾する場合その解釈を棄
却して優先順位が付けられた因果的な規則の探索を行な
い最も優先順位の高い因果的な規則が適用された解釈を
解釈結果として決定することにより、最も自然な解釈を
得ることを開示する。
【０００９】これらの刊行物に記載されている技術は、
文脈の参照により上記処理を実現することで、自然言語
処理の解析精度を高めることを意図している。
【００１０】そして、上記先行技術では形態素解析(文
から単語を切り出して品詞付けする処理)と構文解析(単
語と単語の係り受け関係を決定する処理) を周知の技術
とし、それが正しい結果を出すことを前提としている。
ところが実際には、入力文を常に正確に構文解析する
ことは不可能であって、一般的には現在の構文解析の成
功率は８０％前後程度である。その原因としては、入力
文が文法的におかしいこともあるし、システムの文法知
識が不完全であることもある。
【００１１】例えば、「太郎そこではも食べた。」とい
う文を処理しようとすると、「太郎[が]そこではも(鱧)
[を]食べた。」という以下の解析結果を得ることは非常
に困難である。
【表１】 食べた−(主格) −太郎 −(場所格) −そこ −(対象格) −はも(鱧)
【００１２】上記文章は、人間が読んでも理解が容易で
ないが、人間にとってもっと分かりやすい文章でも、意
外に機械では正しく構文解析できない場合が少なくな
い。
【００１３】このような場合でも、大抵の構文解析シス
テムは何らかの結果を出力するようになっている。しか
しながら、文全体の語の係り受け関係が一つの構造にま
とめられない場合に、適当な規則に従って出される出力
は大抵の場合、惨澹たんたる結果となる。 例えば英文
を解析する際、うまく構文解析されない文の出力の中で
は、助動詞として使われているはずのcan が「…を缶詰
にする」という動詞として解釈され、機械翻訳システム
からとんでもない翻訳結果が出てくるといった現象が起
る(例えば、前述の松本: "頑健な自然言語処理の現状と
動向," 第7 回人工知能学会全国大会(1993)を参照され
たい）。
【００１４】そして、文脈中にこのような誤った解析結
果が存在すると、文脈情報の解析結果が正しいことを前
提としている上記先行技術による処理は間違いなく失敗
に終わる。
【００１５】
【発明が解決しようとする課題】この発明の目的は、自
然言語処理システムの精度を向上させ、どのような文で
も、ある程度の精度をもった構文解析出力を得られるよ
うにすることにある。
【００１６】この発明の他の目的は、従来の手法では解
析出来なかった、文法的でない文や非常に長い文等に対
して、部分的にでも正しい解析を得ることが出来る方法
及びシステムを提供することにある。
【００１７】この発明の更に他の目的は、同文脈中の他
の文と整合性の取れた処理結果を出力するように、大き
な誤りを出力する確率を低く抑えることにある。
【００１８】この発明の更に他の目的は、根本的に異な
る複数の解釈が可能な文が存在するとき、そのような文
を、文脈情報を参照することによって、できるだけ妥当
に解釈するよう構文解析を行うことができる方法及びシ
ステムを提供することにある。
【００１９】
【課題を解決するための手段】上記目的は、文法知識に
依存した従来の構文解析処理では解析できない文(文法
的不適格文) を、同じ文脈中で構文解析できた文(適格
文) における同じ単語列の解析結果を利用して再解析す
る本発明の技法によって達成される。
【００２０】同じ文脈中の文章においては、筆者の語彙
使用傾向や内容に依存した語の用いられ方に、ある程度
の一貫性が見られるため、同じ語基を持つ語は、基本的
に同じ品詞を取り、同じような語と係り受けを結ぶとい
う性質を仮定することで、従来の手法ではうまく処理で
きなかった不適格文を、高い精度で解析することが可能
になる。
【００２１】具体的には、 （１） 不適格文中の部分的な単語列と同じ単語列を含
む適格文を、同文脈中で検索し、その単語列の依存構造
を適格文の構文解析結果から抽出する （２）（１）で得られた部分的な単語列の依存構造を、
適格文における係り受けの情報と文法知識を用いて組合
わせ、文全体の依存構造を導出する という処理から構成される。
【００２２】本願発明者の調査によれば、計算機マニュ
アルのような文章においては、同じ章内に出現する単語
の８０％以上が繰り返し出現することが確認されてお
り、不適格文中の部分的な単語列が適格文中に存在する
確率は十分に高い。また、適格文中に同じ部分列が存在
しない単語に関しては、文法知識に依存した従来の手法
による処理とほぼ同様の処理が適用されることになる
が、文全体では、句レベルでまとまっている部分が存在
する限り、全体の解析における複雑度が減少しているた
め、正しい解析結果を得られる可能性が高くなる。
【００２３】また、この発明の、文脈情報を利用した構
文解析技法は、不適格文をできるだけ妥当に解釈するこ
とのみならず、根本的に異なる複数の解釈が可能な文が
存在するとき、そのうちの最も妥当であると見なし得る
解釈を選択するためにも適用可能である。
【００２４】
【実施例】以下、図面を参照して本発明の実施例につい
て説明する。
【００２５】Ａ．本発明の処理要素 図１を参照すると、本発明の処理を行うための処理要素
の高レベルのブロック図が示されている。尚、図示しな
いが、これらのブロックの処理要素は、Ｃ言語などの処
理系で作成されディスクに格納されたプログラム・モジ
ュールであり、それらは、通常、中央処理装置（ＣＰ
Ｕ）によってディスクから主記憶上にロードされてか
ら、実行される。
【００２６】図１において、入力ブロック１０２は、例
えば、テキスト・ファイルの形式で入力された文章か
ら、一文ずつ取り込む処理を行う。
【００２７】形態素解析ブロック１０４は、入力ブロッ
ク１０２から与えられた文を単語に分割し、辞書を参照
することによって、個々の単語の品詞や活用を解析する
ものである。
【００２８】構文解析ブロック１０６は、形態素解析ブ
ロック１０４から出力された情報に基づき、木構造を構
成するための情報を得る処理を行う。
【００２９】文脈解析ブロック１０８は、本発明に特徴
的な処理を行うものであって、詳細な処理については後
述するが、入力された複数の文全体の文脈情報を保持
し、構文解析ブロック１０６から出力された、不適格な
解析結果を示す文に対して文脈情報を適用し、可能な限
り適格な解析結果を得るように処理を行うものである。
【００３０】Ｂ．文脈解析ブロック 次に、図２を参照して、文脈解析ブロック１０８の詳細
な論理構成について説明する。図２において、制御ブロ
ック２０２は、文脈解析ブロック１０８を構成する各処
理要素の動作の制御を行うものであって、プログラムに
おけるメインルーチンの役目を果たす。
【００３１】文脈情報蓄積ブロック（装置）２０４は、
個々の文が適格かどうかを判定し、適格であるものは、
文脈情報（適格文解析情報）保持ブロック（装置）２０
６へ格納し、また、不適格文に関する情報は、不適格文
情報保持ブロック（装置）２０８に格納する、という処
理を行う。
【００３２】文法知識＆接続判定ルール保持ブロック
（装置）２１０には、１つの文につき部分木を組み上げ
るための文法知識及び接続判定ルールが保持されてい
る。好適には、より厳密な接続判定ルールと、より緩い
接続判定ルールからなる複数の接続判定ルールが保持さ
れている。
【００３３】接続判定＆部分木組み上げブロック（装
置）２１２は、文脈情報保持ブロック２０６または不適
格文情報保持ブロック２０８から提供された文情報に、
文法知識＆接続判定ルール保持ブロック２１０に保持さ
れている文法知識及び接続判定ルールを適用することに
より、部分木を組み上げる処理を行う。
【００３４】Ｃ．処理動作の概要 次に、図３及び図４のフローチャートを参照して、図１
及び図２に示す制御ブロックによって行われる処理の概
要について説明する。図３において、先ずステップ３０
２では、文の入力が行われる。ここでは、英語では"."
で終わるような一文単位で、読み込みが行われる。
【００３５】ステップ３０４では、入力された文に対し
て、単語に分解し、辞書を参照して個々の単語の品詞や
活用を調べる、形態素解析処理が行われる。
【００３６】ステップ３０６では、形態素解析の結果の
情報に基づき、構文解析（パース）が行われ、木構造を
組み立てるための情報が生成される。
【００３７】ステップ３０８では、構文解析の結果が、
適格文であることを示すかどうかが判断される。ここ
で、適格文でないとは、与えられた文が構文解析システ
ムで解析できない文であり、より具体的に、次のような
例を示す。
【００３８】例えば、ある英語パーザが、以下のような
非常に単純な文法のみで出来ているとする。
【００３９】
【表２】 （ａ）NOUN ← apple ［appleは名詞である］ （ｂ）NOUN ← pie ［pieは名詞である］ （ｃ）NOUN ← Tom ［Tomは名詞である］ （ｄ） DET ← a ［aは冠詞である］ （ｅ） DET ← an ［anは冠詞である］ （ｆ）VERB ← eats ［eatsは動詞である］ （ｇ） NP ← DET NOUN ［冠詞と名詞は名詞句を構成する］ （ｈ） VP ← VERB NP ［動詞と名詞句は動詞句を構成する］ （ｉ）SENT ← NOUN VP ［名詞と動詞句は文を構成する］
【００４０】このパーザで以下の文を解析させてみる
と、
【００４１】（イ）Tom eats an apple. （ロ）Tom eats a pie. （ハ）Tom eats an apple pie.
【００４２】
【表３】（イ）の場合は、 適用ルール Tom eats an apple. --------------- ↓ ↓ ↓ ↓ (c) (f) (e) (a) NOUN VERB DET NOUN -----↓---- (g) NP --------↓--------- (h) VP ---------↓--------------- (i) SENT
【００４３】のようにして、全体で一つの文になり、
（ロ）も全く同じようにして、一つの文になる。ところ
が（ハ）の場合、apple pieが一つの名詞句になるとい
う文法ルールが無いために、
【表４】 Tom eats an apple pie. ↓ ↓ ↓ ↓ ↓ (c) (f) (e) (a) (b) NOUN VERB DET NOUN NOUN -----↓---- (g) NP --------↓--------- (h) VP ---------↓--------------- (i) SENT NOUN
【００４４】結局、SENTとNOUNの二つのかたまりが最後
まで残ってしまい、一つの文として解析できないという
結果になる。この（ハ）のように、パーザで一つの構造
に組み上げることの出来ない文を、不適格文と呼ぶ。
【００４５】不適格文のパタンとしては、 （Ａ）非文（極端な省略や入力ミス等により、人間が見
ても文法的に誤っていると考えられる文）
【００４６】の他に、 （Ｂ）辞書に登録されていない語（未知語）の存在や文
法の不備により、解析できない文
【００４７】がある。一般的に、文法が良くできていれ
ば、不適格文のほとんどが（Ａ）に相当するはずである
が、実際には、長文やａｎｄ／ｏｒの並列構造によって
構造が複雑になるパタンから、（Ｂ）の範疇に含まれる
文が大多数を占めているのが現状である。良くできてい
ると言われる文法でも、英文の場合で通常、文章全体の
１割から２割が不適格文となってしまう。また、このよ
うな不適格文はパーザの出力が一つにまとまっていない
ことから容易に認識できるし、通常は不適格文であるこ
とがパーザの出力中で陽に記述される。よって、図３に
戻って、ステップ３０８での判断は、ステップ３０６で
の構文解析システム（パーザ）の処理結果に基づき、確
実に行うことができる。
【００４８】ステップ３０８に戻って、適格文であると
判断されると、ステップ３１０で、その適格文に関する
構文解析結果が、文脈情報保持装置２０６に格納され
る。この構文解析結果は、文毎の文脈情報と、その文脈
情報から抽出された語毎の文脈情報からなる。文毎の文
脈情報は、文番号と、入力文字列と、構文解析結果（文
中のどの語がどの語にどのような接続関係（主格、目的
格、前置詞など）で係っているかを記述する情報）から
なる。語毎の文脈情報は、表層語（原形）の文字列と、
語に係ってくる語（のＩＤ）及びその接続関係と、語が
係る先の語（のＩＤ）及びその接続関係からなる。
【００４９】ステップ３０８で、不適格文であると判断
されると、ステップ３１２で、ステップ３１０に関連し
て述べた構文解析結果の情報に加えて、不適格文の形態
素解析結果も、不適格文情報保持装置２０８に格納され
る。ここで形態素解析結果も必要である理由は、不適格
文については、文脈情報を参照して形態素解析結果を再
度活用することによって、後で構文解析をやり直す必要
があるからである。
【００５０】ステップ３１０またはステップ３１２が完
了すると、ステップ３１４では、文がまだ残っているか
どうかが判断される。もしそうなら、処理は、ステップ
３０２に戻る。
【００５１】ステップ３１４で、文がもう残っていない
と判断されると、それは、入力された文章全体の構文解
析が完了したことを意味し、処理は、図４のフローチャ
ートで示すステップへと進む。尚、ステップ３１４によ
って処理の完了と判断される処理単位は、一般的に、１
００文から３００文程度である（例えば、コンピュータ
のマニュアルの１つの章がその程度の分量である）。し
かし、そのような処理単位は、ユーザーが適宜設定する
ことができる。
【００５２】図４のステップ４０２では、不適格文が一
文、不適格文情報保持装置２０８から抽出される。
【００５３】ステップ４０４では、同じ単語列の係り受
け（構文解析）構造が、適格な文脈情報すなわち、文脈
情報保持装置２０６に保持されている情報から抽出さ
れ、これにより、その単語に関する部分木となされる。
【００５４】ステップ４０６では、ステップ４０４で文
中の全ての単語がカバーできるかどうかが判断される。
そして、もしそうでないなら、ステップ４０８で、カバ
ーできない単語に関しては、不適格文情報保持装置２０
８から、語毎の文脈情報が抽出される。
【００５５】ステップ４１０では、上記のようにして得
られた文脈情報と、文法知識＆接続判定ルール保持装置
２１０から提供される文法情報をもとに、部分木を１つ
に接続する処理が行われる。文脈情報を適用するための
アルゴリズムの例は、後述する。
【００５６】ステップ４１２では、部分木が１つに組み
上げられたかどうかが判断され、もしそうなら、ステッ
プ４１６に進み、そこでまだ不適格文が残っていると判
断されると、処理はステップ４０２へと戻る。
【００５７】ステップ４１２で部分木が１つに組み上げ
られないと判断されると、ステップ４１４に進み、そこ
で、いままで結合できなかった部分木を結合できるよう
に、結合規則が緩和され、ステップ４１０に戻って部分
木の結合がやり直される。
【００５８】こうして、部分木を１つに結合する処理が
完了して、ステップ４１６で不適格文が全て処理された
と判断されると、処理は終了する。
【００５９】Ｄ．文脈情報適用処理上記ステップ４１０
以下で行われる文脈情報を適用するためのアルゴリズム
について説明する。
【００６０】一般的に、不適格文であっても、完全に一
語一語バラバラなのではなく、パーザの処理結果として
残った部分的な解析結果や、文脈情報でマッチした部分
の係り受け構造が存在する。パーザは、これらの部分的
な係り受け構造を繋ぎ合わせ、一つのかたまりに組み立
て上げた結果として、文全体の解析結果を出するように
処理を行う訳であるが、この処理にも文脈情報が利用さ
れる。
【００６１】文脈情報適用処理の手順は、以下のとおり
である。
【００６２】(1) 複数の部分木を語順に従って並べる。 具体例：（Ａ，Ｂ，Ｃ，Ｄ，Ｅは各々部分木） ｜Ａ｜Ｂ｜Ｃ｜Ｄ｜Ｅ｜…｜
【００６３】(2) 語順に沿って、左から順に部分木を二
つずつ取り出し、二つの部分木間の接続可能性を、接続
ルールに従って調べる（接続ルールの詳細、及び部分木
同士の接続可能性のチェックについては後述する）。 具体例： ｜Ａ｜Ｂ｜Ｃ｜Ｄ｜Ｅ｜…｜ において、ＡとＢ、ＢとＣ、ＣとＤ、ＤとＥという具合
に、隣合った部分木の接続可能性を調べていく。
【００６４】(3) (2)でのチェックで接続可能な部分
木があれば、その部分木を接続させ、(2)に戻る（その
際、２に戻った時点で最も厳しい接続ルールから再び適
用していく）。 具体例：ＣとＤが接続可能な場合、二つの木を接続した
結果のＣＤという木を作り、 ｜Ａ｜Ｂ｜ＣＤ｜Ｅ｜…｜ のようになってから(2)に戻ってＡとＢ、ＢとＣＤ、Ｃ
ＤとＥという具合に、隣合った部分木の接続可能性を調
べていく。
【００６５】(4) (2)のチェックで接続可能な部分木が
なければ、接続ルールを一段階緩いものにしてから、
(2)に戻る。
【００６６】(5) 最終的に全体が一つの木にまとまった
ら終了
【００６７】Ｅ．接続可能性を調べる接続ルール (i) 同文脈中における全く同じ語の同じ接続関係の存在
による接続判定（二つの語句の係り受けが文脈中に存在
するか調べ、あれば接続する） 具体例：文脈中に"He goes to school by car."という
文があり、「car は byを介して go に係る」という係
り受け情報が存在すれば、 ... go ... by car...とい
う不適格文中の by car は go に係れると判定
【００６８】(ii) 同文脈中における類義語との同じ接
続関係の存在による接続判定（二つの語句のどちらかの
類義語についての係り受けが文脈中に存在するか調べ
る） 具体例：文脈中に"He goes to school by car."という
文があり、「car は byを介して go に係る」という係
り受け情報が存在すれば、 ... go ... by motorcar
...という不適格文中の by motorcar (Collinsの同義
語辞書"The New Collins Thesaurus"中で car の類義
語）はgo に係れると判定
【００６９】(iii) 二つの語句のどちらかの語と同じ品
詞についての係り受けが文脈(情報)中に存在するか調べ
る 具体例：文脈中に"He goes to school by car."という
文があり、「car は byを介して go に係る」という係
り受け情報が存在すれば、 ... go ... by bird...とい
う不適格文中の by bird （car と同じ名詞）は go に
係れると判定
【００７０】(iv) 二つの語句の係り受け可能性を簡単
な文法でチェック 具体例：「名詞は直後の動詞に主格関係で係る」という
文法知識が存在すれば、"Sunday comes..."という不適
格文中の Sunday は主格として come に係れると判定
【００７１】(v)端の語と端の語を接続 （最終的な接
続） 具体例："Sunday comes by low ..."という不適格文中
の comes と by low が異なる部分木に分かれているな
ら、最終的には、隣接しているcomes と by lowを接続
（byを介してlowがcomesに係る）する
【００７２】以上のようにすることによって、より確か
らしい接続関係で、部分木が結ばれていく。そして(v)
では必ず接続が可能なので、ルールを(v)まで緩めるこ
とによって、どのような場合にも最終的には必ず、一つ
の解析木を出力できる。
【００７３】Ｆ．部分木同士の接続可能性のチェック 部分木同士の接続可能性のチェックは次のようにして行
う。
【００７４】先ず、二つの部分木のうち、片方の部分木
のルートノードが、もう片方の部分木中のルートあるい
は外側に位置するノードに係るかどうかを判定する（語
順を反映した部分木であれば、外側から内側のノードに
係ると係りの交差が生じてしまうので、これを避ける形
で、参照範囲を限定することができる）。二つのノード
間の接続可能性は上で示した接続判定規則によって判定
する。
【００７５】例えば、以下のような二つの部分木を結合
しようとする場合、
【表５】
【００７６】（ａ）の構造に対して（ｂ）の構造が接続
（修飾）可能かを調べる場合（通常修飾先は一つの語に
限られるので）、（ｂ）の構造中で他の語に係る可能性
があるのは、まだどの語にも係っていないルートの語、
即ちこの場合は"crowded"になる。逆に（ａ）の構造中
で右側からの修飾を受けることができるのは、この構造
で下側から見えている"house by lake the"のうち、自
立語の"house"と"lake"になる。従って具体的には、"cr
owded"が"house"を修飾できるかとcrowdedがlakeを修飾
できるかを調べ、最終的に"house"か"lake"のどちらか
に接続すれば良い。
【００７７】Ｇ．具体例 次に、上記処理のステップの内容を、具体例に基づき説
明を行う。
【００７８】次の英文を構文解析するものとする。
【００７９】As you can see, you can choose from ma
ny topics to find outwhat information is available
about the AS/400 system.
【００８０】この文は, "IBM* Application System/400
* New User's Guide Version 2,"IBMCorp. (1992)（ *
ＩＢＭ社の商標）の第６章における第５３文であるが,
PEG パーザ（K.Jensen :"PEG: The PLNLP English Gra
mmar," Natural Language Processing:The PLNLP Appro
ach, K. Jensen, G. Heidorn, and S. Richardson, ed
s., Boston, Mass.: Kluwer Academic Publishers (19
92)を参照）ではうまく解析できずに不適格文となり、
断片的な解析結果の組合せとして図５のような出力が得
られる。
【００８１】図５の解析結果について説明すると、
【表６】(NOUN* "topics" ("topic" PL)) (RELCL (NP (PRON* "you" ("you" (SG PL)))) (AUXP (VERB* "have" ("have" PS))) (AVP (ADV* "already" ("already" BS))) (VERB* "chosen" ("choose" EN))))
【００８２】という箇所に注目してみる。そのリスト構
造の意味は、例えば、
【表７】
【００８３】となっている。
【００８４】この部分の出現形態を繋ぎあわせると、to
pics you have already chosen という原文が最構成で
きる。
【００８５】文法属性は、
【表８】ＳＧ 単数形 (singular) ＰＬ 複数形 (plural) ＢＳ 原形（形容詞等で、比較級や最上級でない基本
形）(base) ＰＳ 原形（現在形）(present) ＥＮ 過去分詞形
【００８６】などを表現している。但し、これはＰＥＧ
パーザに依存する表現であり、表現形態は、使用するパ
ーザに応じて多少異なることを理解されたい。
【００８７】Ｇ１．形態素解析(入力文の分割及び辞書
の参照) この処理では通常の形態素解析を行なう。すなわち、入
力文を単語単位に区切って辞書を参照することにより、
各語に対して原形及び品詞の候補を割り当てる。 この
処理により, 同文脈中に同じ単語列を検索する際に, 語
形変化を吸収できると共に、 附属語を認識することで
附属語単体での検索を避けることができる。
【００８８】以下に、この段階における例文の処理結果
を図６に示す。図中、 品詞の略号は以下の通りであ
る。
【００８９】N=名詞, V=動詞, AV=副詞, AJ=形容詞, CJ
=接続詞, PP=前置詞, DET=冠詞
【００９０】Ｇ２．文脈情報の検索・抽出 次に、同じ文脈内の文章における構文解析済みの文(適
格文)の中から、なるべく長い範囲で同じ単語の並びを
持つ文を検索し、そのような文が見つかると、適合した
単語列の構文解析情報を抽出する。この処理を、文頭の
語から順に、文脈情報を持つ単語列がなるべく文全体を
覆うよう適用していく。(その際、辞書情報から一意に
前置詞や冠詞と判定されている語に関しては、単体での
検索は行なわない。)図７に、例文に関して、この段階
で同じマニュアルの同じ章内の適格文から検索できた部
分列と文番号を示す。特に、図７において、「← 39文
175文」という記号は、入力した文章中の第３９文と第
１７５文に"As you can see"という同じ文字列が含まれ
ていることを示す。図７にはさらに、"As you can see"
という文字列のそれぞれの箇所での解析結果が示されて
いる。また、図８〜図１６に、その部分列を含む文全体
と、その文の構文解析結果から抽出した構文解析情報を
示す。
【００９１】Ｇ３．文脈情報の参照による品詞候補の絞
り込み ここでは、前処理で割り付けられた文脈情報の参照によ
り、各単語の品詞候補の絞り込みを行なう。基本的に
は、文脈情報を抽出できた単語に関して、他の文で割り
付けられていない品詞を候補から除く。
【００９２】この処理により、次の処理で適用する文法
規則を絞り込み、処理の複雑度を減少させることができ
る。図１７に、この処理による例文の品詞候補の絞り込
み結果を示す。この例文に関しては、この段階で、what
以外の全ての品詞が確定する。
【００９３】Ｇ４．文法知識と文脈情報の参照による係
り受け(依存構造) の決定 最後に、同じ文脈における適格文の構文解析結果より抽
出した部分的な単語列の依存構造を組み合わせて、文全
体の依存構造を導出する。
【００９４】基本的には、部分的な単語列の構文解析結
果を依存構造として捉え、従来の構文解析手法における
文法知識を参照することで、依存構造間の係り受け関係
を判定していく。この処理は、二つの依存構造のうち、
片方の依存構造のヘッドノードが、もう片方の依存構造
中のヘッドあるいは外側に位置するノード(語順を反映
した依存構造であれば、外側から内側のノードに係ると
係りの交差が生じてしまうので、これを避ける形で、参
照範囲を限定することができる。) に係るかどうかの
判定であり、二つのノード間の接続可能性は文法知識に
よって判定する。その際に、各部分の依存構造が、それ
を抽出した適格文中で、前後どちらに位置する、どのよ
うな語に係っているかの情報を参照した上で、それと同
じ方向の同じ品詞の語との係り受けを優先するように処
理していく。 図１８〜図２５に、例文における各部分
の依存構造を、図２６に、接続箇所と、適用した文法知
識を、図２７に、最終的に得られた文全体の依存構造を
示す。
【００９５】Ｈ．第２の実施例（文脈情報を利用した複
数構文解析構造の選択） 上記実施例は、不適格文を、文脈情報を参照してできる
だけ正しく構文解析することを実現するものであった
が、本発明は、このような目的に限定されるものではな
く、根本的に異なる複数の解釈が可能な文が存在すると
き、この中から、文脈情報を参照して最も妥当な解釈を
選択するためにも適用することができる。
【００９６】そのような根本的に異なる複数の解釈が可
能な文の典型的な例として、"Timeflies like an arro
w."がある。これの可能な解釈には次のようなものがあ
る。
【００９７】(1) "flies" を主動詞とし、"Time"を主語
とする平叙文。 (2) "Time" を主動詞とする命令文。 (3) "like" を主動詞とし、"Time flies"を主語とする
平叙文。 (4) 全体を名詞句と見なす。
【００９８】第２の実施例では、不適格文ではなく、上
記のような複数の解釈が可能な文に対して、文脈情報を
参照した候補選択処理を行う。
【００９９】Ｈ１．文脈解析ブロック 第２の実施例でも、図１の構成は共通であるが、文脈解
析ブロックがやや異なるので、図２８にそれを示す。
【０１００】図２８において、制御ブロック２８０２
は、各処理要素の動作の制御を行うものであって、プロ
グラムにおけるメインルーチンの役目を果たす。
【０１０１】文脈情報蓄積ブロック（装置）２８０４
は、個々の文の構文解析結果の候補が１つかどうかを判
定し、候補が１つである文の情報は、文脈情報保持ブロ
ック（装置）２８０６へ格納し、また、候補が複数であ
るに関する情報は、複数解析候補情報保持ブロック（装
置）２８０８に格納する、という処理を行う。
【０１０２】複数解析候補評価ブロック（装置）２８１
０は、複数の解析候補をもつ文につき、その複数の候補
の各々に評価値を付与し、最も評価値の高い候補を文脈
情報保持装置２８０６に格納する処理を行う。尚、具体
的な評価値の付与方法については、後で詳細に説明す
る。
【０１０３】Ｈ２．処理動作の概要 次に、図２９及び図３０のフローチャートを参照して、
図１及び図２８に示す制御ブロックによって行われる処
理の概要について説明する。図２９において、先ずステ
ップ２９０２では、文の入力が行われる。ここでは、英
語では"."で終わるような一文単位で、読み込みが行わ
れる。
【０１０４】ステップ２９０４では、入力された文に対
して、単語に分解し、辞書を参照して個々の単語の品詞
や活用を調べる、形態素解析処理が行われる。
【０１０５】ステップ２９０６では、形態素解析の結果
の情報に基づき、構文解析（パース）が行われ、木構造
を組み立てるための情報が生成される。
【０１０６】ステップ２９０８では、構文解析の結果
が、複数の候補を含むかどうかが判断される。ここで、
構文解析の結果が複数の候補を含むとは、例えば、上述
の"Time flies like an arrow."があり、典型的なパー
ザは、このような文に対して、前述のような構文解析の
複数の候補を返すので、この候補の数によって、ステッ
プ２９０８の判断を行うことが可能である。
【０１０７】ステップ２９０８に戻って、構文解析の結
果、候補を１つだけもつと判断されると、ステップ２９
１０で、その文に関する構文解析結果が、文脈情報保持
装置２８０６に格納される。この構文解析結果は、文毎
の文脈情報と、その文脈情報から抽出された語毎の文脈
情報からなる。文毎の文脈情報は、文番号と、入力文字
列と、構文解析結果（文中のどの語がどの語にどのよう
な接続関係（主格、目的格、前置詞など）で係っている
かを記述する情報）からなる。語毎の文脈情報は、表層
語（原形）の文字列と、語に係ってくる語（のＩＤ）及
びその接続関係と、語が係る先の語（のＩＤ）及びその
接続関係からなる。
【０１０８】ステップ２９０８で、複数の候補をもつ文
であると判断されると、ステップ２９１２では、構文解
析の結果の全候補が、複数解析候補保持装置２８０８に
格納される。
【０１０９】ステップ２９１０またはステップ２９１２
が完了すると、ステップ２９１４では、文がまだ残って
いるかどうかが判断される。もしそうなら、処理は、ス
テップ２９０２に戻る。
【０１１０】ステップ２９１４で、文がもう残っていな
いと判断されると、それは、入力された文章全体の構文
解析が完了したことを意味し、処理は、図３０のフロー
チャートで示すステップへと進む。尚、ステップ２９１
４によって処理の完了と判断される処理単位は、一般的
に、１００文から３００文程度である（例えば、コンピ
ュータのマニュアルの１つの章がその程度の分量であ
る）。しかし、そのような処理単位は、ユーザーが適宜
設定することができる。
【０１１１】図３０のステップ３００２では、構文解析
の複数の候補をもつ一文が、複数解析候補情報保持装置
２８０８から抽出される。
【０１１２】ステップ３００４では、そのような複数の
候補各々について、文脈情報保持装置２８０６に格納さ
れている文脈情報を参照して、評価値が付与される。
【０１１３】ステップ３００６では、そのようにして付
与された評価値のうち最も高い評価値をもつ候補が選択
される。
【０１１４】ステップ３００８では、そのようにして選
択された構文解析結果が、文脈情報保持装置３００８へ
格納される。
【０１１５】ステップ３０１０では、複数候補をもつ文
がまだ残っているかどうかが判断され、もしそうなら、
処理はステップ３００２に戻る。
【０１１６】ステップ３０１０で、複数候補をもつ文が
もう残っていないと判断されると、処理は完了する。
【０１１７】Ｈ３．構文解析の複数候補の例 "Time flies like an arrow." という文の場合、
【０１１８】(1) "flies" を主動詞とし、"Time"を主語
とする平叙文
【０１１９】(2) "Time" を主動詞とする命令文
【０１２０】(3) "like" を主動詞とし、"Time flies"
を主語とする平叙文
【０１２１】(4) 全体を名詞句と見なす
【０１２２】という４とおりの構文解析の結果が得られ
る。これらは全て、ステップ２９０８での判断の結果と
して、"Time flies like an arrow." という文に関連付
けて、複数解析候補情報保持装置に格納される。
【０１２３】Ｈ４．文脈情報の参照による各構文解析結
果への評価値の付与 この実施例では、対象とする文から解釈可能な各解析構
造に対して、文脈情報との適合度として評価値を付与す
る。 文脈情報との適合度は、
【０１２４】(1) 文脈中に同じ語と同じ接続関係で係る
語が存在する割合の大きさ (2) 文脈中に同じ品詞の同じ語が存在する割合の大きさ (3) 隣接文との文のタイプの一致度 という要素が大きくなるようにして数値化する。
【０１２５】"Time flies like an arrow."の"flies"
を主動詞とし、"Time"を主語とする平叙文を示す構文解
析の結果を例にとると、(1)の場合、文脈中で、やはり"
flies" を主動詞とし、"Time"を主語とする文の数を数
え、それを全体の文の数で割ることによって評価値を得
る。(2)の場合、"Time"が名詞として使用されている数
を数え、それを、文脈全体で、"time"という単語が使用
されている数で割ることによって、"Time"が名詞である
ことの評価値を計算する。(3)の場合、隣接文が平叙文
か、命令文か、疑問文、その他のどれかに応じて、文の
タイプが一致する場合には高い評価値を与え、そうでな
いときは低い評価値を与えるようにする。このとき、
(1)、(2)及び(3)の組み合わせで総合的に評価すること
が望ましいが、場合によっては、(1)及び(2)の組み合わ
せ、または(1)のみで評価値を付与することも可能であ
る。
【０１２６】Ｈ５．複数候補からの選択処理の必要性 ある計算機マニュアル中の連続した７３６文の構文解析
により調査したところ、 以下のような結果が得られ
た。
【０１２７】入力文総数:７３６文(４００ 文と３３６
文の２つの文脈に分けて処理) 複数の解析候補が出た文:１５０文
【０１２８】そのうち、複数の解析候補が、微妙に異な
ってはいるが殆んど差がないもの、及び全て解析エラー
で、どの候補も全く使えないもの、と判断された２４文
を除くと、選択処理が必要かつ最適解の判断が可能な文
は、１２６文であった。
【０１２９】この１２６文各々に対して、複数の解析候
補から正しい構造を選択する上で、文脈情報との適合度
の各要素の評価値を比較したところ、以下のようになっ
た。
【０１３０】・文脈中に同じ語と同じ接続関係で係る語
が存在する割合の大きさ 候補間で差が出る割合:４２．９％（５４文／１２６
文） そのうち、最高値が最適解に与えられている割合：８
８．９％（４８文／５４文）
【０１３１】・文脈中に同じ品詞の同じ語が存在する割
合の大きさ 候補間で差が出る割合：４４．４％（５６文／１２６
文） そのうち、最高値が最適解に与えられている割合：６
６．1％（３７文／５６文）
【０１３２】・隣接文との文型の一致度 候補間で差が出る割合：４９．２％（６２文／１２６
文） そのうち、最高値が最適解に与えられている割合：７
７．４％（４８文／６２文）
【０１３３】これらの結果は、文脈情報との適合度が、
複数の解析候補から正しい構造を選択する上での判断
要素として有効であることを例証するものである。
【０１３４】
【発明の効果】以上説明したように、この発明によれ
ば、従来の自然言語処理システムでは適切に処理できな
かった不適格な文や、複数の構文解析の候補をもつ文
を、文脈情報を参照することによって、高い精度で構文
解析することが可能となる。
【０１３５】尚、上記では、不適格な文の処理と、複数
の構文解析の候補をもつ文の処理を、別個の実施例とし
て説明したが、本発明によれば、この両方の特徴を備え
たシステムを構成することも可能である。
【０１３６】例えば、一旦、不適格な文を文脈情報に従
って妥当に解釈してから、そのうちの、複数の構文解析
の候補をもつ文を、文脈情報に従って処理してもよい
し、逆に、先ず複数の構文解析の候補をもつ文を文脈情
報に従って処理することにより、その結果を文脈情報に
蓄積してから、不適格な文の文脈情報に従う処理を行っ
てもよい。
【０１３７】また、上記実施例では、英語の文の構文解
析について説明したが、本発明の適用範囲は、特定の言
語に限定されるものではなく、日本語、ドイツ語、フラ
ンス語、ロシア語、中国語、韓国語などの言語で書かれ
た文に対する、パーザを用いた任意の自然言語処理に適
用可能である。
【図面の簡単な説明】
【図１】 本発明の処理要素を示すブロック図である。
【図２】 第１の実施例の文脈解析ブロックの構成を示
すブロック図である。
【図３】 不適格文を文脈情報に従って解析する処理の
フローチャートである。
【図４】 不適格文を文脈情報に従って解析する処理の
フローチャートである。
【図５】 ＰＥＧパーザによる構文解析出力を示す図で
ある。
【図６】 辞書情報の参照による品詞候補の割り付けを
示す図である。
【図７】 文脈情報の割り付けを示す図である。
【図８】 As you can seeの文脈情報を示す図である。
【図９】 You can chooseのの文脈情報を示す図であ
る。
【図１０】 chooseの文脈情報を示す図である。
【図１１】 manyの文脈情報を示す図である。
【図１２】 topicの文脈情報を示す図である。
【図１３】 to findの文脈情報を示す図である。
【図１４】 find out whatの文脈情報を示す図であ
る。
【図１５】 what information is available about th
eの文脈情報を示す図である。
【図１６】 the AS/400 systemの文脈情報を示す図で
ある。
【図１７】 文脈情報による品詞の絞り込みを示す図で
ある。
【図１８】 As you can seeの依存構造を示す図であ
る。
【図１９】 You can chooseの依存構造を示す図であ
る。
【図２０】 manyの依存構造を示す図である。
【図２１】 topicsの依存構造を示す図である。
【図２２】 to findの依存構造を示す図である。
【図２３】 find out whatの依存構造を示す図であ
る。
【図２４】 what information is available about th
eの依存構造を示す図である。
【図２５】 the AS/400 systemの依存構造を示す図で
ある。
【図２６】 部分構造の接続を示す図である。
【図２７】 最終的に得られる依存構造を示す図であ
る。
【図２８】 第２の実施例の文脈解析ブロックの構成を
示す図である。
【図２９】 複数解析候補をもつ文の候補から文脈情報
に従い候補を選択する処理のフローチャートである。
【図３０】 複数解析候補をもつ文の候補から文脈情報
に従い候補を選択する処理のフローチャートである。

Claims (22)

    【特許請求の範囲】
  1. 【請求項１】コンピュータの処理に基づき、自然言語を
    解析するための方法であって、(a) 自然言語で記述され
    た複数の文を入力する段階と、(b) 上記文を形態素解析
    する段階と、(c) 上記形態素解析した結果の情報に基づ
    き、上記文を構文解析する段階と、(d) 上記構文解析の
    結果が適格文であることを示す場合に、上記文の構文解
    析情報を、適格文脈情報として保持する段階と、(e) 上
    記構文解析の結果が不適格文であることを示す場合に、
    上記文の構文解析情報を、不適格文情報として保持する
    段階と、(f) 上記複数の文の構文解析が完了したことに
    応答して、不適格文情報として保持されている個々の文
    の部分的な解析情報に関連する情報を、上記適格文脈情
    報中から見出す段階と、(g) 上記適格文脈情報中から見
    出された情報を用いて、該不適格文情報として保持され
    ている文を再度構文解析する段階を有する、 自然言語処理方法。
  2. 【請求項２】上記適格文脈情報として保持される情報
    は、文毎の文脈情報と、語毎の文脈情報を有するもので
    ある、請求項１に記載の自然言語処理方法。
  3. 【請求項３】上記文毎の文脈情報は、文番号と、入力文
    字列と、文の構文解析結果の情報を含む、請求項２に記
    載の自然言語処理方法。
  4. 【請求項４】上記語毎の文脈情報は、表層語の文字列
    と、語に係ってくる語及びその接続関係と、語が係る先
    の語及びその接続関係の情報を含む、請求項２に記載の
    自然言語処理方法。
  5. 【請求項５】上記不適格文脈情報として保持される情報
    は、文毎の形態素解析結果と、文脈情報と、語毎の文脈
    情報を有するものである、請求項１に記載の自然言語処
    理方法。
  6. 【請求項６】コンピュータの処理に基づき、自然言語を
    解析するためのシステムであって、(a) 自然言語で記述
    された複数の文を入力する手段と、(b) 上記文を形態素
    解析する手段と、(c) 上記形態素解析した結果の情報に
    基づき、上記文を構文解析する手段と、(d) 上記構文解
    析の結果が適格文であることを示す場合に、上記文の構
    文解析情報を、適格文脈情報として保持する手段と、
    (e) 上記構文解析の結果が不適格文であることを示す場
    合に、上記文の構文解析情報を、不適格文情報として保
    持する手段と、(f) 上記複数の文の構文解析が完了した
    ことに応答して、不適格文情報として保持されている個
    々の文の部分的な解析情報に関連する情報を、上記適格
    文脈情報中から見出す手段と、(g) 上記適格文脈情報中
    から見出された情報を用いて、該不適格文情報として保
    持されている文を再度構文解析する手段を有する、 自然言語処理システム。
  7. 【請求項７】上記適格文脈情報として保持される情報
    は、文毎の文脈情報と、語毎の文脈情報を有するもので
    ある、請求項６に記載の自然言語処理システム。
  8. 【請求項８】上記不適格文脈情報として保持される情報
    は、文毎の形態素解析結果と、文脈情報と、語毎の文脈
    情報を有するものである、請求項６に記載の自然言語処
    理システム。
  9. 【請求項９】コンピュータの処理に基づき、自然言語を
    解析するための方法であって、(a) 自然言語で記述され
    た複数の文を入力する段階と、(b) 上記文を形態素解析
    する段階と、(c) 上記形態素解析した結果の情報に基づ
    き、上記文を構文解析する段階と、(d) 上記構文解析の
    結果が適格文であることを示す場合に、単語列の係り受
    け情報を含む上記文の構文解析情報を、適格文脈情報と
    して保持する段階と、(e) 上記構文解析の結果が不適格
    文であることを示す場合に、単語列の情報を含む上記文
    の構文解析情報を、不適格文情報として保持する段階
    と、(f) 上記複数の文の構文解析が完了したことに応答
    して、不適格文情報として保持されている個々の文の単
    語列につき、それと同じ単語列の係り受け情報に情報
    を、上記適格文脈情報中から見出す段階と、(g) 上記適
    格文脈情報中から見出された係り受け情報に基づき、部
    分木を結合する段階を有する、 自然言語処理方法。
  10. 【請求項１０】コンピュータの処理に基づき、自然言語
    を解析するための方法であって、(a) 自然言語で記述さ
    れた複数の文を入力する段階と、(b) 上記文を形態素解
    析する段階と、(c) 上記形態素解析した結果の情報に基
    づき、上記文を構文解析する段階と、(d) 上記構文解析
    の結果が適格文であることを示す場合に、単語列の係り
    受け情報を含む上記文の構文解析情報を、適格文脈情報
    として保持する段階と、(e) 上記構文解析の結果が不適
    格文であることを示す場合に、単語列の情報を含む上記
    文の構文解析情報を、不適格文情報として保持する段階
    と、(f) 上記複数の文の構文解析が完了したことに応答
    して、不適格文情報として保持されている個々の文の単
    語列につき、それと同じ単語列の係り受け情報に情報
    を、上記適格文脈情報中から見出す段階と、(g) 上記不
    適格文情報として保持されているの文中の全ての単語
    が、上記適格文脈情報中から見出された情報によってカ
    バーされているかどうかをチェックし、そうでないな
    ら、カバーされていない単語の情報を、上記不適格文情
    報から抽出する段階と、(h) 上記段階(f)及び段階(g)で
    得られた情報に、上記文脈情報及び文法情報を適用する
    ことによって、部分木を結合する段階を有する、 自然言語処理方法。
  11. 【請求項１１】上記部分木が１つの文につき１つに結合
    されたかどうかをチェックし、もしそうでないなら上記
    文法情報に含まれている別のより厳密でない結合規則を
    選択して部分木の結合をやり直す段階をさらに有する、
    請求項１０に記載の自然言語処理方法。
  12. 【請求項１２】コンピュータの処理に基づき、自然言語
    を解析するためのシステムであって、(a) 自然言語で記
    述された複数の文を入力する手段と、(b) 上記文を形態
    素解析する手段と、(c) 上記形態素解析した結果の情報
    に基づき、上記文を構文解析する手段と、(d) 上記構文
    解析の結果が適格文であることを示す場合に、単語列の
    係り受け情報を含む上記文の構文解析情報を、適格文脈
    情報として保持する手段と、(e) 上記構文解析の結果が
    不適格文であることを示す場合に、単語列の情報を含む
    上記文の構文解析情報を、不適格文情報として保持する
    手段と、(f) 上記複数の文の構文解析が完了したことに
    応答して、不適格文情報として保持されている個々の文
    の単語列につき、それと同じ単語列の係り受け情報に情
    報を、上記適格文脈情報中から見出す手段と、(g) 上記
    適格文脈情報中から見出された係り受け情報に基づき、
    部分木を結合する手段を有する、 自然言語処理システム。
  13. 【請求項１３】コンピュータの処理に基づき、自然言語
    を解析するためのシステムであって、(a) 自然言語で記
    述された複数の文を入力する手段と、(b) 上記文を形態
    素解析する手段と、(c) 上記形態素解析した結果の情報
    に基づき、上記文を構文解析する手段と、(d) 上記構文
    解析の結果が適格文であることを示す場合に、単語列の
    係り受け情報を含む上記文の構文解析情報を、適格文脈
    情報として保持する手段と、(e) 上記構文解析の結果が
    不適格文であることを示す場合に、単語列の情報を含む
    上記文の構文解析情報を、不適格文情報として保持する
    手段と、(f) 上記複数の文の構文解析が完了したことに
    応答して、不適格文情報として保持されている個々の文
    の単語列につき、それと同じ単語列の係り受け情報に情
    報を、上記適格文脈情報中から見出す手段と、(g) 上記
    不適格文情報として保持されているの文中の全ての単語
    が、上記適格文脈情報中から見出された情報によってカ
    バーされているかどうかをチェックし、そうでないな
    ら、カバーされていない単語の情報を、上記不適格文情
    報から抽出する手段と、(h) 単語の結合規則を含む文法
    情報を記憶する手段と、(i) 上記手段(f)及び手段(g)で
    得られた情報に、上記文脈情報及び、上記手段(h)の文
    法情報を適用することによって、部分木を結合する手段
    を有する、 自然言語処理システム。
  14. 【請求項１４】上記手段(h)は、より厳密な結合規則
    と、より厳密でない結合規則からなる複数の結合規則を
    有し、 上記部分木が１つの文につき１つに結合されたかどうか
    をチェックし、もしそうでないなら上記文法情報に含ま
    れている別のより厳密でない結合規則を選択して部分木
    の結合をやり直す手段をさらに有する、請求項１３に記
    載の自然言語処理システム。
  15. 【請求項１５】コンピュータの処理に基づき、自然言語
    を解析するための方法であって、(a) 自然言語で記述さ
    れた複数の文を入力する段階と、(b) 上記文を形態素解
    析する段階と、(c) 上記形態素解析した結果の情報に基
    づき、上記文を構文解析する段階と、(d) 上記構文解析
    の結果が単一の解析候補をもつことを示す場合に、上記
    文の構文解析情報を、文脈情報として保持する段階と、
    (e) 上記構文解析の結果が複数の解析候補をもつことを
    示す場合に、上記文の構文解析情報を、複数解析候補文
    情報として保持する段階と、(f) 上記複数の文の構文解
    析が完了したことに応答して、複数解析候補文情報とし
    て保持されている文の個々の解析候補の情報を、上記適
    格文脈情報中の情報と比較することにより、該解析候補
    の評価値を決定する段階と、(g) 上記複数の解析候補の
    うち、最も高い評価値をもつものを、該文の構文解析情
    報として選択する段階を有する、 自然言語処理方法。
  16. 【請求項１６】上記評価値を決定する段階は、文脈中に
    同じ語と同じ接続関係で係る語が存在する割合の大きさ
    を計算する処理を含む、請求項１５に記載の自然言語処
    理方法。
  17. 【請求項１７】上記評価値を決定する段階は、文脈中に
    同じ品詞の同じ語が存在する割合の大きさを計算する処
    理を含む、請求項１５に記載の自然言語処理方法。
  18. 【請求項１８】上記評価値を決定する段階は、隣接文と
    の文のタイプの一致度を計算する処理を含む、請求項１
    ５に記載の自然言語処理方法。
  19. 【請求項１９】コンピュータの処理に基づき、自然言語
    を解析するためのシステムであって、(a) 自然言語で記
    述された複数の文を入力する手段と、(b) 上記文を形態
    素解析する手段と、(c) 上記形態素解析した結果の情報
    に基づき、上記文を構文解析する手段と、(d) 上記構文
    解析の結果が単一の解析候補をもつことを示す場合に、
    上記文の構文解析情報を、文脈情報として保持する手段
    と、(e) 上記構文解析の結果が複数の解析候補をもつこ
    とを示す場合に、上記文の構文解析情報を、複数解析候
    補文情報として保持する手段と、(f) 上記複数の文の構
    文解析が完了したことに応答して、複数解析候補文情報
    として保持されている文の個々の解析候補の情報を、上
    記適格文脈情報中の情報と比較することにより、該解析
    候補の評価値を決定する手段と、(g) 上記複数の解析候
    補のうち、最も高い評価値をもつものを、該文の構文解
    析情報として選択する手段を有する、 自然言語処理システム。
  20. 【請求項２０】上記評価値を決定する手段は、文脈中に
    同じ語と同じ接続関係で係る語が存在する割合の大きさ
    を計算する手段を含む、請求項１９に記載の自然言語処
    理システム。
  21. 【請求項２１】上記評価値を決定する手段は、文脈中に
    同じ品詞の同じ語が存在する割合の大きさを計算する手
    段を含む、請求項１９に記載の自然言語処理システム。
  22. 【請求項２２】上記評価値を決定する手段は、隣接文と
    の文のタイプの一致度を計算する手段を含む、請求項１
    ９に記載の自然言語処理システム。
JP6283087A 1994-11-17 1994-11-17 自然言語処理方法及びシステム Expired - Fee Related JP2855409B2 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP6283087A JP2855409B2 (ja) 1994-11-17 1994-11-17 自然言語処理方法及びシステム
US08/501,749 US5761631A (en) 1994-11-17 1995-07-12 Parsing method and system for natural language processing

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP6283087A JP2855409B2 (ja) 1994-11-17 1994-11-17 自然言語処理方法及びシステム

Publications (2)

Publication Number Publication Date
JPH08147299A true JPH08147299A (ja) 1996-06-07
JP2855409B2 JP2855409B2 (ja) 1999-02-10

Family

ID=17661054

Family Applications (1)

Application Number Title Priority Date Filing Date
JP6283087A Expired - Fee Related JP2855409B2 (ja) 1994-11-17 1994-11-17 自然言語処理方法及びシステム

Country Status (2)

Country Link
US (1) US5761631A (ja)
JP (1) JP2855409B2 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012022447A (ja) * 2010-07-13 2012-02-02 Fujitsu Ltd 音声合成装置、音声合成プログラムおよび音声合成方法
CN113330430A (zh) * 2019-01-31 2021-08-31 三菱电机株式会社 语句结构向量化装置、语句结构向量化方法及语句结构向量化程序

Families Citing this family (121)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US6374270B1 (en) * 1996-08-29 2002-04-16 Japan Infonet, Inc. Corporate disclosure and repository system utilizing inference synthesis as applied to a database
US6055528A (en) 1997-07-25 2000-04-25 Claritech Corporation Method for cross-linguistic document retrieval
JP3781561B2 (ja) * 1998-08-13 2006-05-31 日本電気株式会社 自然言語解析装置、システム及び記録媒体
US6499013B1 (en) 1998-09-09 2002-12-24 One Voice Technologies, Inc. Interactive user interface using speech recognition and natural language processing
US6430531B1 (en) 1999-02-04 2002-08-06 Soliloquy, Inc. Bilateral speech system
US6224383B1 (en) 1999-03-25 2001-05-01 Planetlingo, Inc. Method and system for computer assisted natural language instruction with distracters
JP2001075957A (ja) * 1999-08-24 2001-03-23 Internatl Business Mach Corp <Ibm> 自然言語構造の表示方法及び装置
US7099855B1 (en) 2000-01-13 2006-08-29 International Business Machines Corporation System and method for electronic communication management
EP1273004A1 (en) * 2000-04-06 2003-01-08 One Voice Technologies Inc. Natural language and dialogue generation processing
US8478732B1 (en) 2000-05-02 2013-07-02 International Business Machines Corporation Database aliasing in information access system
US6704728B1 (en) 2000-05-02 2004-03-09 Iphase.Com, Inc. Accessing information from a collection of data
WO2001086491A2 (en) * 2000-05-11 2001-11-15 University Of Southern California Machine translation techniques
US8290768B1 (en) 2000-06-21 2012-10-16 International Business Machines Corporation System and method for determining a set of attributes based on content of communications
US6408277B1 (en) 2000-06-21 2002-06-18 Banter Limited System and method for automatic task prioritization
US9699129B1 (en) 2000-06-21 2017-07-04 International Business Machines Corporation System and method for increasing email productivity
JP2002032770A (ja) * 2000-06-23 2002-01-31 Internatl Business Mach Corp <Ibm> 文書処理方法、文書処理システムおよび媒体
US6970821B1 (en) * 2000-09-26 2005-11-29 Rockwell Electronic Commerce Technologies, Llc Method of creating scripts by translating agent/customer conversations
WO2002033582A2 (en) * 2000-10-16 2002-04-25 Text Analysis International, Inc. Method for analyzing text and method for builing text analyzers
US7136808B2 (en) * 2000-10-20 2006-11-14 Microsoft Corporation Detection and correction of errors in german grammatical case
US7644057B2 (en) 2001-01-03 2010-01-05 International Business Machines Corporation System and method for electronic communication management
WO2002097663A1 (en) * 2001-05-31 2002-12-05 University Of Southern California Integer programming decoder for machine translation
WO2003005166A2 (en) 2001-07-03 2003-01-16 University Of Southern California A syntax-based statistical translation model
US20030105638A1 (en) * 2001-11-27 2003-06-05 Taira Rick K. Method and system for creating computer-understandable structured medical data from natural language reports
US7620538B2 (en) 2002-03-26 2009-11-17 University Of Southern California Constructing a translation lexicon from comparable, non-parallel corpora
US7398209B2 (en) 2002-06-03 2008-07-08 Voicebox Technologies, Inc. Systems and methods for responding to natural language speech utterance
US7693720B2 (en) 2002-07-15 2010-04-06 Voicebox Technologies, Inc. Mobile systems and methods for responding to natural language speech utterance
US7171351B2 (en) * 2002-09-19 2007-01-30 Microsoft Corporation Method and system for retrieving hint sentences using expanded queries
US7194455B2 (en) 2002-09-19 2007-03-20 Microsoft Corporation Method and system for retrieving confirming sentences
US7293015B2 (en) * 2002-09-19 2007-11-06 Microsoft Corporation Method and system for detecting user intentions in retrieval of hint sentences
JP4439798B2 (ja) * 2002-10-17 2010-03-24 株式会社日立製作所 ディスクアレイ装置の制御方法、及びディスクアレイ装置
AU2003274592A1 (en) 2002-11-28 2004-06-18 Koninklijke Philips Electronics N.V. Method to assign word class information
US20040167907A1 (en) * 2002-12-06 2004-08-26 Attensity Corporation Visualization of integrated structured data and extracted relational facts from free text
US7389230B1 (en) 2003-04-22 2008-06-17 International Business Machines Corporation System and method for classification of voice signals
US8495002B2 (en) 2003-05-06 2013-07-23 International Business Machines Corporation Software tool for training and testing a knowledge base
US20050187913A1 (en) 2003-05-06 2005-08-25 Yoram Nelken Web-based customer service interface
JP3768205B2 (ja) * 2003-05-30 2006-04-19 沖電気工業株式会社 形態素解析装置、形態素解析方法及び形態素解析プログラム
US7711545B2 (en) * 2003-07-02 2010-05-04 Language Weaver, Inc. Empirical methods for splitting compound words with application to machine translation
US8548794B2 (en) 2003-07-02 2013-10-01 University Of Southern California Statistical noun phrase translation
US20050080628A1 (en) * 2003-10-10 2005-04-14 Metaphor Solutions, Inc. System, method, and programming language for developing and running dialogs between a user and a virtual agent
US20060031853A1 (en) * 2003-10-10 2006-02-09 Metaphor Solutions, Inc. System and method for optimizing processing speed to run multiple dialogs between multiple users and a virtual agent
JP4476609B2 (ja) * 2003-12-10 2010-06-09 株式会社東芝 中国語解析装置、中国語解析方法および中国語解析プログラム
JP4860265B2 (ja) * 2004-01-16 2012-01-25 日本電気株式会社 テキスト処理方法／プログラム／プログラム記録媒体／装置
WO2005089340A2 (en) * 2004-03-15 2005-09-29 University Of Southern California Training tree transducers
US8296127B2 (en) * 2004-03-23 2012-10-23 University Of Southern California Discovery of parallel text portions in comparable collections of corpora and training using comparable texts
US8666725B2 (en) * 2004-04-16 2014-03-04 University Of Southern California Selection and use of nonstatistical translation components in a statistical machine translation framework
WO2005122145A1 (en) * 2004-06-08 2005-12-22 Metaphor Solutions, Inc. Speech recognition dialog management
US7334349B2 (en) * 2004-08-24 2008-02-26 Nike, Inc. Midsole element for an article of footwear
AR051014A1 (es) * 2004-08-24 2006-12-13 Geneva Software Technologies Ltd Sistema y metodo para la migracion de un producto en varios idiomas
DE112005002534T5 (de) 2004-10-12 2007-11-08 University Of Southern California, Los Angeles Training für eine Text-Text-Anwendung, die eine Zeichenketten-Baum-Umwandlung zum Training und Decodieren verwendet
JP2008538016A (ja) 2004-11-12 2008-10-02 メイク センス インコーポレイテッド 概念または項目を用いて知識相関を構成することによる知識発見技術
US8126890B2 (en) * 2004-12-21 2012-02-28 Make Sence, Inc. Techniques for knowledge discovery by constructing knowledge correlations using concepts or terms
US9330175B2 (en) 2004-11-12 2016-05-03 Make Sence, Inc. Techniques for knowledge discovery by constructing knowledge correlations using concepts or terms
US8886517B2 (en) 2005-06-17 2014-11-11 Language Weaver, Inc. Trust scoring for language translation systems
US8676563B2 (en) 2009-10-01 2014-03-18 Language Weaver, Inc. Providing human-generated and machine-generated trusted translations
US7974833B2 (en) 2005-06-21 2011-07-05 Language Weaver, Inc. Weighted system of expressing language information using a compact notation
US8898134B2 (en) 2005-06-27 2014-11-25 Make Sence, Inc. Method for ranking resources using node pool
US8140559B2 (en) 2005-06-27 2012-03-20 Make Sence, Inc. Knowledge correlation search engine
US7389222B1 (en) 2005-08-02 2008-06-17 Language Weaver, Inc. Task parallelization in a text-to-text system
US7813918B2 (en) * 2005-08-03 2010-10-12 Language Weaver, Inc. Identifying documents which form translated pairs, within a document collection
US7640160B2 (en) * 2005-08-05 2009-12-29 Voicebox Technologies, Inc. Systems and methods for responding to natural language speech utterance
US7620549B2 (en) * 2005-08-10 2009-11-17 Voicebox Technologies, Inc. System and method of supporting adaptive misrecognition in conversational speech
US7949529B2 (en) 2005-08-29 2011-05-24 Voicebox Technologies, Inc. Mobile systems and methods of supporting natural language human-machine interactions
EP1934971A4 (en) 2005-08-31 2010-10-27 Voicebox Technologies Inc DYNAMIC LANGUAGE SCRIPTURE
US7624020B2 (en) * 2005-09-09 2009-11-24 Language Weaver, Inc. Adapter for allowing both online and offline training of a text to text system
US10319252B2 (en) 2005-11-09 2019-06-11 Sdl Inc. Language capability assessment and training apparatus and techniques
US8024653B2 (en) 2005-11-14 2011-09-20 Make Sence, Inc. Techniques for creating computer generated notes
US7801864B2 (en) 2005-11-28 2010-09-21 Commvault Systems, Inc. Systems and methods for using metadata to enhance data identification operations
US20200257596A1 (en) 2005-12-19 2020-08-13 Commvault Systems, Inc. Systems and methods of unified reconstruction in storage systems
US20070214153A1 (en) * 2006-03-10 2007-09-13 Mazzagatti Jane C Method for processing an input particle stream for creating upper levels of KStore
US20070220069A1 (en) * 2006-03-20 2007-09-20 Mazzagatti Jane C Method for processing an input particle stream for creating lower levels of a KStore
US8238351B2 (en) * 2006-04-04 2012-08-07 Unisys Corporation Method for determining a most probable K location
US8943080B2 (en) 2006-04-07 2015-01-27 University Of Southern California Systems and methods for identifying parallel documents and sentence fragments in multilingual document collections
US8886518B1 (en) 2006-08-07 2014-11-11 Language Weaver, Inc. System and method for capitalizing machine translated text
US8073681B2 (en) 2006-10-16 2011-12-06 Voicebox Technologies, Inc. System and method for a cooperative conversational voice user interface
US8515733B2 (en) * 2006-10-18 2013-08-20 Calculemus B.V. Method, device, computer program and computer program product for processing linguistic data in accordance with a formalized natural language
US8433556B2 (en) 2006-11-02 2013-04-30 University Of Southern California Semi-supervised training for statistical word alignment
US9122674B1 (en) 2006-12-15 2015-09-01 Language Weaver, Inc. Use of annotations in statistical machine translation
US8468149B1 (en) 2007-01-26 2013-06-18 Language Weaver, Inc. Multi-lingual online community
US7818176B2 (en) * 2007-02-06 2010-10-19 Voicebox Technologies, Inc. System and method for selecting and presenting advertisements based on natural language processing of voice-based input
US8615389B1 (en) 2007-03-16 2013-12-24 Language Weaver, Inc. Generation and exploitation of an approximate language model
US8831928B2 (en) 2007-04-04 2014-09-09 Language Weaver, Inc. Customizable machine translation service
US8825466B1 (en) 2007-06-08 2014-09-02 Language Weaver, Inc. Modification of annotated bilingual segment pairs in syntax-based machine translation
US8639509B2 (en) * 2007-07-27 2014-01-28 Robert Bosch Gmbh Method and system for computing or determining confidence scores for parse trees at all levels
US8868479B2 (en) * 2007-09-28 2014-10-21 Telogis, Inc. Natural language parsers to normalize addresses for geocoding
US8140335B2 (en) 2007-12-11 2012-03-20 Voicebox Technologies, Inc. System and method for providing a natural language voice user interface in an integrated voice navigation services environment
US8589161B2 (en) 2008-05-27 2013-11-19 Voicebox Technologies, Inc. System and method for an integrated, multi-modal, multi-device natural language voice services environment
US9305548B2 (en) 2008-05-27 2016-04-05 Voicebox Technologies Corporation System and method for an integrated, multi-modal, multi-device natural language voice services environment
US8082248B2 (en) * 2008-05-29 2011-12-20 Rania Abouyounes Method and system for document classification based on document structure and written style
US8326637B2 (en) 2009-02-20 2012-12-04 Voicebox Technologies, Inc. System and method for processing multi-modal device interactions in a natural language voice services environment
US8990064B2 (en) 2009-07-28 2015-03-24 Language Weaver, Inc. Translating documents based on content
US8621342B2 (en) * 2009-07-30 2013-12-31 Oracle International Corporation System and method for XML registry re-parsing
US8380486B2 (en) 2009-10-01 2013-02-19 Language Weaver, Inc. Providing machine-generated translations and corresponding trust levels
WO2011059997A1 (en) 2009-11-10 2011-05-19 Voicebox Technologies, Inc. System and method for providing a natural language content dedication service
US9171541B2 (en) 2009-11-10 2015-10-27 Voicebox Technologies Corporation System and method for hybrid processing in a natural language voice services environment
US10417646B2 (en) 2010-03-09 2019-09-17 Sdl Inc. Predicting the cost associated with translating textual content
JP5390463B2 (ja) * 2010-04-27 2014-01-15 インターナショナル・ビジネス・マシーンズ・コーポレーション 不具合を示す述語表現を抽出するための不具合述語表現抽出装置、不具合述語表現抽出方法及び不具合述語表現抽出プログラム
KR101794274B1 (ko) * 2010-07-13 2017-11-06 에스케이플래닛 주식회사 계층적 구문 기반의 통계적 기계 번역에서의 번역규칙 필터링과 목적단어 생성을 위한 방법 및 장치
US11003838B2 (en) 2011-04-18 2021-05-11 Sdl Inc. Systems and methods for monitoring post translation editing
US8694303B2 (en) 2011-06-15 2014-04-08 Language Weaver, Inc. Systems and methods for tuning parameters in statistical machine translation
US8886515B2 (en) 2011-10-19 2014-11-11 Language Weaver, Inc. Systems and methods for enhancing machine translation post edit review processes
US9367539B2 (en) * 2011-11-03 2016-06-14 Microsoft Technology Licensing, Llc Techniques for automated document translation
US8942973B2 (en) 2012-03-09 2015-01-27 Language Weaver, Inc. Content page URL translation
US10261994B2 (en) 2012-05-25 2019-04-16 Sdl Inc. Method and system for automatic management of reputation of translators
US8892523B2 (en) 2012-06-08 2014-11-18 Commvault Systems, Inc. Auto summarization of content
US9472189B2 (en) * 2012-11-02 2016-10-18 Sony Corporation Language processing method and integrated circuit
US9152622B2 (en) 2012-11-26 2015-10-06 Language Weaver, Inc. Personalized machine translation via online adaptation
US9495357B1 (en) * 2013-05-02 2016-11-15 Athena Ann Smyros Text extraction
US9268823B2 (en) 2013-05-10 2016-02-23 International Business Machines Corporation Partial match derivation using text analysis
US9177553B1 (en) * 2013-06-25 2015-11-03 Google Inc. Identifying underserved command inputs
US9213694B2 (en) 2013-10-10 2015-12-15 Language Weaver, Inc. Efficient online domain adaptation
US9898459B2 (en) 2014-09-16 2018-02-20 Voicebox Technologies Corporation Integration of domain information into state transitions of a finite state transducer for natural language processing
EP3195145A4 (en) 2014-09-16 2018-01-24 VoiceBox Technologies Corporation Voice commerce
EP3207467A4 (en) 2014-10-15 2018-05-23 VoiceBox Technologies Corporation System and method for providing follow-up responses to prior natural language inputs of a user
US10431214B2 (en) 2014-11-26 2019-10-01 Voicebox Technologies Corporation System and method of determining a domain and/or an action related to a natural language input
US10614799B2 (en) 2014-11-26 2020-04-07 Voicebox Technologies Corporation System and method of providing intent predictions for an utterance prior to a system detection of an end of the utterance
US10191899B2 (en) 2016-06-06 2019-01-29 Comigo Ltd. System and method for understanding text using a translation of the text
US10331784B2 (en) 2016-07-29 2019-06-25 Voicebox Technologies Corporation System and method of disambiguating natural language processing requests
US10540516B2 (en) * 2016-10-13 2020-01-21 Commvault Systems, Inc. Data protection within an unsecured storage environment
GB2568233A (en) * 2017-10-27 2019-05-15 Babylon Partners Ltd A computer implemented determination method and system
US10642886B2 (en) 2018-02-14 2020-05-05 Commvault Systems, Inc. Targeted search of backup data using facial recognition
US20190251204A1 (en) 2018-02-14 2019-08-15 Commvault Systems, Inc. Targeted search of backup data using calendar event data

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6417152A (en) * 1987-07-13 1989-01-20 Nippon Telegraph & Telephone Analyzing method for modified proposition

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5225981A (en) * 1986-10-03 1993-07-06 Ricoh Company, Ltd. Language analyzer for morphemically and syntactically analyzing natural languages by using block analysis and composite morphemes
JPH02165378A (ja) * 1988-12-20 1990-06-26 Csk Corp 機械翻訳システム
NL8900587A (nl) * 1989-03-10 1990-10-01 Bso Buro Voor Systeemontwikkel Werkwijze voor het bepalen van de semantische verwantheid van lexicale componenten in een tekst.
JPH02301869A (ja) * 1989-05-17 1990-12-13 Hitachi Ltd 自然言語処理システム保守支援方式
JP3266246B2 (ja) * 1990-06-15 2002-03-18 インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法
JP2943447B2 (ja) * 1991-01-30 1999-08-30 三菱電機株式会社 テキスト情報抽出装置とテキスト類似照合装置とテキスト検索システムとテキスト情報抽出方法とテキスト類似照合方法、及び、質問解析装置
JPH0567144A (ja) * 1991-09-07 1993-03-19 Hitachi Ltd 前編集支援方法およびその装置
US5495413A (en) * 1992-09-25 1996-02-27 Sharp Kabushiki Kaisha Translation machine having a function of deriving two or more syntaxes from one original sentence and giving precedence to a selected one of the syntaxes

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6417152A (en) * 1987-07-13 1989-01-20 Nippon Telegraph & Telephone Analyzing method for modified proposition

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2012022447A (ja) * 2010-07-13 2012-02-02 Fujitsu Ltd 音声合成装置、音声合成プログラムおよび音声合成方法
CN113330430A (zh) * 2019-01-31 2021-08-31 三菱电机株式会社 语句结构向量化装置、语句结构向量化方法及语句结构向量化程序
CN113330430B (zh) * 2019-01-31 2024-01-09 三菱电机株式会社 语句结构向量化装置、语句结构向量化方法及记录有语句结构向量化程序的记录介质

Also Published As

Publication number Publication date
JP2855409B2 (ja) 1999-02-10
US5761631A (en) 1998-06-02

Similar Documents

Publication Publication Date Title
JP2855409B2 (ja) 自然言語処理方法及びシステム
KR101629415B1 (ko) 문법 오류 검출 방법 및 이를 위한 오류검출장치
Bates The theory and practice of augmented transition network grammars
JP3266246B2 (ja) 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法
JP3476237B2 (ja) 構文解析装置
US9047275B2 (en) Methods and systems for alignment of parallel text corpora
JPH0383167A (ja) 自然言語処理方法
KR20050033420A (ko) 텍스트로부터 세만틱 구조들을 식별하기 위한 방법 및장치
JP2000315216A (ja) 自然言語検索方法および装置
Harper et al. Extensions to constraint dependency parsing for spoken language processing
Bos et al. An empirical approach to the interpretation of superlatives
Foufi et al. Multilingual parsing and MWE detection
Faisal et al. A rule-based bengali grammar checker
Mukherjee et al. Natural language query handling using extended knowledge provider system
Kuboň Problems of robust parsing of Czech
Fashwan et al. A rule based method for adding case ending diacritics for modern standard Arabic texts
Chandra et al. Natural language interfaces to databases
Kakkonen Framework and resources for natural language parser evaluation
Delmonte Shallow Parsing and Functional Structure in Italian Corpora.
Davis et al. Natural Language Processing for Detecting Undefined Values in Specifications
KR20040018008A (ko) 품사 태깅 장치 및 태깅 방법
Gavhal et al. Sentence Compression Using Natural Language Processing
Yoon et al. A New Parsing Method Using a Global Association Table
Ligeti-Nagy The Right Edge of the Hungarian NP: A Computational Approach
Bhowmik et al. Development of A Word Based Spell Checker for Bangla Language

Legal Events

Date Code Title Description
R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees