JPH08328585A - 自然言語処理装置および自然言語処理方法、並びに音声認識装置および音声認識方法 - Google Patents

Abstract

(57)【要約】 【目的】 音声の認識率を向上させる。 【構成】 用例検索部５では、用例データベース８に記
憶されている複数の用例それぞれと、認識部４から出力
される複数の認識結果候補との類似度が計算され、その
類似度を最も高くする用例が選択され、その用例を用い
て、最終的な音声認識結果が求められる。この場合にお
いて、用例検索部５は、いままでに選択した用例による
文脈に基づいて重みを付けて、類似度を計算する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、例えば文字や音声で入
力された言語を処理し、その認識や翻訳などを行う場合
などに用いて好適な自然言語処理装置および自然言語処
理方法、並びに音声認識装置および音声認識方法に関す
る。

【０００２】

【従来の技術】従来より、例えばコンピュータなどを用
いて人間の用いる文字言語、音声言語の処理（以下、適
宜、これらを総称して自然言語処理という）を行うため
の研究が数多くなされている。しかしながら、これらの
研究の多くで採用されている自然言語を処理する方法
は、専門家があらかじめ自然言語において現れる様々な
言語現象を文法規則という抽象化した形で記述し、その
規則に基づいて処理を行うというものであったため、文
法規則の記述の困難性に起因する問題があった。

【０００３】即ち、人間どうしの行うコミュニケーショ
ンの過程で現れる様々な言語現象を、完全に網羅するよ
うな抽象的な文法規則を記述することは、専門家であっ
ても、ほとんど不可能に近く、このため、文法規則によ
って網羅されていない言語現象が現れた場合には、誤っ
た処理が行われることがあった。そして、このような文
法規則によって網羅されていない言語現象が見つかった
場合、文法規則をどのように修正すれば良いかは一般に
分かりにくく、このため、文法規則の修正によって、こ
れまで正常に処理されていた言語現象が処理できなくな
るなどの弊害が生じる問題があった。

【０００４】そこで、最近では、このような弊害を根本
的に解消すべく、用例を利用した自然言語処理の研究が
盛んに行われている。これは、抽象的な文法規則に代え
て、大量の用例を登録した用例データベースを用意し、
処理すべきテキストデータなどが入力されると、用例デ
ータベースの中から、入力されたテキストデータに類似
している用例を検索し、その用例に基づいて自然言語処
理を行うというものである。

【０００５】例えば、特開平３−２７６３６７号公報に
は、このような自然言語処理を適用した用例主導型機械
翻訳装置が開示されている。この翻訳装置では、原文の
用例とその対訳例との組を、用例データベースに多数登
録しておき、入力文として、所定の言語で記述された原
文が入力されると、その原文に最も類似して用例が用例
データベースから検索され、その結果得られた用例の対
訳例にしたがって、原文の翻訳が行われるようになされ
ている。

【０００６】また、用例を利用した自然言語処理を適用
した音声言語処理では、通常の連続音声認識装置を用
い、入力された音声の音声認識結果を確定した後、その
音声認識結果を入力文として、これに最も類似する用例
を、用例データベースから検索し、その用例を用いて、
翻訳などが行われるようになされている。

【０００７】

【発明が解決しようとする課題】ところで、人間がコミ
ュニケーションの手段として自然言語を用いる場合に
は、個々の文が有する意味には、文脈あるいは対話履歴
というべき、それまでの話の流れが反映されることが普
通であり、従って、この文脈（対話履歴）は、自然言語
処理にあたって、重要な要素であると考えられる。

【０００８】しかしながら、上述したような、従来の用
例を利用する方法では、入力文を処理するのに用いる用
例を検索する際の、入力文と用例との類似度の計算が、
単語を、その意味の類似性（概念）に基づいて木構造に
階層化したシソーラスを用いて、単語のシソーラス上で
の意味上の類似性のみを対象にして行われるようになさ
れており、文脈は考慮されていなかった。このため、入
力文を処理するのに真に適切な用例が検索されるかどう
かが不明であった。

【０００９】また、従来の音声言語処理においては、他
の自然言語処理の前に音声認識処理を行い、その結果得
られる音声認識結果を確定した後、その音声認識結果に
最も類似する用例を検索し、その用例を用いて、機械翻
訳などの自然言語処理が施されるようになされているた
め、音声認識結果が誤っている場合には、正しい翻訳結
果を得ることが困難となる課題があった。

【００１０】さらに、従来の音声言語処理では、音声認
識処理の結果得られる音声認識結果候補の、いわば確か
らしさというべき尤度が考慮されておらず、やはり入力
文を処理するのに真に適切な用例が検索されるかどうか
が不明であった。

【００１１】本発明は、このような状況に鑑みてなされ
たものであり、自然言語処理に際し、入力文を処理する
のに、より適切な用例を選択することができるように
し、これにより自然言語処理の精度を向上させることが
できるようにするものである。

【００１２】

【課題を解決するための手段】本発明の自然言語処理装
置は、複数の用例を記憶している用例記憶手段と、用例
記憶手段に記憶されている用例それぞれと、入力文との
類似度を計算し、その類似度を最も高くする用例を選択
する選択手段とを備え、選択手段が、いままでに選択し
た用例による文脈に基づいて重みを付けて、類似度を計
算することを特徴とする。

【００１３】この自然言語処理装置においては、用例記
憶手段に、次の処理に用いられる可能性のある用例を予
測するための予測情報をさらに記憶させておき、選択手
段には、予測情報に基づいて、重みを付けさせることが
できる。また、用例記憶手段には、予測情報として、用
例を次の処理に用いられる可能性のある用例と対応付け
たものを記憶させておき、選択手段には、前回の処理で
用いられた用例と対応付けられている用例に対する類似
度が高くなるように、または前回の処理で用いられた用
例と対応付けられていない用例に対する類似度が低くな
るように、重みを付けさせることができる。用例記憶手
段には、次の処理に用いられる可能性のある用例を学習
により求めたものを、用例と対応付けて記憶させておく
ことができる。また、用例記憶手段には、予測情報を、
所定の場面ごとに用いるべきものに分類して記憶させて
おき、選択手段には、場面に応じた予測情報を用いさせ
ることができる。

【００１４】本発明の自然言語処理方法は、複数の用例
を記憶している用例記憶手段を備え、入力文を、その入
力文と最も類似する用例を用いて処理する自然言語処理
装置の自然言語処理方法であって、用例記憶手段に記憶
されている用例それぞれと、入力文との類似度を計算
し、その類似度を最も高くする用例を選択するときに、
いままでに選択した用例による文脈に基づいて重みを付
けて、類似度を計算することを特徴とする。

【００１５】本発明の音声認識装置は、音声を音響分析
し、その特徴パラメータを抽出する抽出手段と、抽出手
段より出力される特徴パラメータに基づいて音声の認識
を行い、複数の認識結果候補と、それぞれの尤度とを求
める認識結果候補算出手段と、複数の用例を記憶してい
る用例記憶手段と、複数の認識結果候補それぞれと、用
例記憶手段に記憶されている用例それぞれとの言語的な
類似度である言語的類似度を計算する言語的類似度計算
手段と、複数の認識結果候補それぞれと、用例記憶手段
に記憶されている用例それぞれとの総合的な類似度であ
る総合類似度を、言語的類似度および尤度に基づいて計
算する総合類似度計算手段と、総合類似度を最も高くす
る用例を選択する選択手段と、選択手段により選択され
た用例に基づいて、音声の認識結果を求める認識結果算
出手段とを備えることを特徴とする。

【００１６】この音声認識装置においては、総合類似度
計算手段には、言語的類似度と尤度とを、所定の割合で
加算することにより総合類似度を計算させることができ
る。また、総合類似度計算手段には、言語的類似度と尤
度とを加算するときの所定の割合を動的に変化させるこ
とができる。

【００１７】本発明の音声認識方法は、複数の用例を記
憶している用例記憶手段を備え、文音声認識を行う音声
認識装置の音声認識方法であって、音声を音響分析し、
その特徴パラメータを抽出し、特徴パラメータに基づい
て音声の認識を行い、複数の認識結果候補と、それぞれ
の尤度とを求め、複数の認識結果候補それぞれと、用例
記憶手段に記憶されている用例それぞれとの言語的な類
似度である言語的類似度を計算し、複数の認識結果候補
それぞれと、用例記憶手段に記憶されている用例それぞ
れとの総合的な類似度である総合類似度を、言語的類似
度および尤度に基づいて計算し、総合類似度を最も高く
する用例を選択し、その用例に基づいて、音声の認識結
果を求めることを特徴とする。

【００１８】

【作用】本発明の自然言語処理装置においては、用例記
憶手段は、複数の用例を記憶しており、選択手段は、用
例記憶手段に記憶されている用例それぞれと、入力文と
の類似度を計算し、その類似度を最も高くする用例を選
択するようになされている。さらに、選択手段は、いま
までに選択した用例による文脈に基づいて重みを付け
て、類似度を計算するようになされている。

【００１９】本発明の自然言語処理方法においては、用
例記憶手段に記憶されている用例それぞれと、入力文と
の類似度を計算し、その類似度を最も高くする用例を選
択するときに、いままでに選択した用例による文脈に基
づいて重みを付けて、類似度を計算するようになされて
いる。

【００２０】本発明の音声認識装置においては、抽出手
段は、音声を音響分析し、その特徴パラメータを抽出
し、認識結果候補算出手段は、抽出手段より出力される
特徴パラメータに基づいて音声の認識を行い、複数の認
識結果候補と、それぞれの尤度とを求めるようになされ
ている。用例記憶手段は、複数の用例を記憶しており、
言語的類似度計算手段は、複数の認識結果候補それぞれ
と、用例記憶手段に記憶されている用例それぞれとの言
語的な類似度である言語的類似度を計算するようになさ
れている。総合類似度計算手段は、複数の認識結果候補
それぞれと、用例記憶手段に記憶されている用例それぞ
れとの総合的な類似度である総合類似度を、言語的類似
度および尤度に基づいて計算し、選択手段は、総合類似
度を最も高くする用例を選択するようになされている。
認識結果算出手段は、選択手段により選択された用例に
基づいて、音声の認識結果を求めるようになされてい
る。

【００２１】本発明の音声認識方法においては、音声を
音響分析し、その特徴パラメータを抽出し、特徴パラメ
ータに基づいて音声の認識を行い、複数の認識結果候補
と、それぞれの尤度とを求め、複数の認識結果候補それ
ぞれと、用例記憶手段に記憶されている用例それぞれと
の言語的な類似度である言語的類似度を計算し、複数の
認識結果候補それぞれと、用例記憶手段に記憶されてい
る用例それぞれとの総合的な類似度である総合類似度
を、言語的類似度および尤度に基づいて計算し、総合類
似度を最も高くする用例を選択し、その用例に基づい
て、音声の認識結果を求めるようになされている。

【００２２】

【実施例】以下に、本発明の実施例を説明するが、その
前に、特許請求の範囲に記載の発明の各手段と以下の実
施例との対応関係を明らかにするために、各手段の後の
括弧内に、対応する実施例（但し、一例）を付加して、
本発明の特徴を記述すると、次のようになる。

【００２３】即ち、請求項１に記載の自然言語処理装置
は、入力文を、その入力文と最も類似する用例を用いて
処理する自然言語処理装置であって、複数の用例を記憶
している用例記憶手段（例えば、図１に示す用例データ
ベース８など）と、用例記憶手段に記憶されている用例
それぞれと、入力文との類似度を計算し、その類似度を
最も高くする用例を選択する選択手段（例えば、図１に
示す用例検索部５など）とを備え、選択手段は、いまま
でに選択した用例による文脈に基づいて重みを付けて、
類似度を計算することを特徴とする。

【００２４】請求項６に記載の自然言語処理方法は、複
数の用例を記憶している用例記憶手段（例えば、図１に
示す用例データベース８など）を備え、入力文を、その
入力文と最も類似する用例を用いて処理する自然言語処
理装置の自然言語処理方法であって、用例記憶手段に記
憶されている用例それぞれと、入力文との類似度を計算
し、その類似度を最も高くする用例を選択するときに、
いままでに選択した用例による文脈に基づいて重みを付
けて、類似度を計算することを特徴とする。

【００２５】請求項７に記載の音声認識装置は、文音声
認識を行う音声認識装置であって、音声を音響分析し、
その特徴パラメータを抽出する抽出手段（例えば、図５
に示す分析部３など）と、抽出手段より出力される特徴
パラメータに基づいて音声の認識を行い、複数の認識結
果候補と、それぞれの尤度とを求める認識結果候補算出
手段（例えば、図５に示す認識部１４など）と、複数の
用例を記憶している用例記憶手段（例えば、図５に示す
用例データベース８など）と、複数の認識結果候補それ
ぞれと、用例記憶手段に記憶されている用例それぞれと
の言語的な類似度である言語的類似度を計算する言語的
類似度計算手段（例えば、図６に示すプログラムの処理
ステップＳ１２など）と、複数の認識結果候補それぞれ
と、用例記憶手段に記憶されている用例それぞれとの総
合的な類似度である総合類似度を、言語的類似度および
尤度に基づいて計算する総合類似度計算手段（例えば、
図６に示すプログラムの処理ステップＳ１３など）と、
総合類似度を最も高くする用例を選択する選択手段（例
えば、図６に示すプログラムの処理ステップＳ１４な
ど）と、選択手段により選択された用例に基づいて、音
声の認識結果を求める認識結果算出手段（例えば、図５
に示す用例検索部１５など）とを備えることを特徴とす
る。

【００２６】請求項１０に記載の音声認識方法は、複数
の用例を記憶している用例記憶手段（例えば、図５に示
す用例データベース８など）を備え、文音声認識を行う
音声認識装置の音声認識方法であって、音声を音響分析
し、その特徴パラメータを抽出し、特徴パラメータに基
づいて音声の認識を行い、複数の認識結果候補と、それ
ぞれの尤度とを求め、複数の認識結果候補それぞれと、
用例記憶手段に記憶されている用例それぞれとの言語的
な類似度である言語的類似度を計算し、複数の認識結果
候補それぞれと、用例記憶手段に記憶されている用例そ
れぞれとの総合的な類似度である総合類似度を、言語的
類似度および尤度に基づいて計算し、総合類似度を最も
高くする用例を選択し、その用例に基づいて、音声の認
識結果を求めることを特徴とする。

【００２７】なお、勿論この記載は、各手段を上記した
ものに限定することを意味するものではない。

【００２８】図１は、本発明を適用した音声翻訳装置の
一実施例の構成を示している。なお、この音声翻訳装置
は、大きく分けて、音声を認識する音声認識装置１０
と、その音声認識結果を、所定の言語に翻訳する翻訳装
置２０とから構成されている。そして、音声認識装置１
０は、例えば日本語および英語の両方の音声の文音声認
識（会話音声認識、あるいは音声理解）を行うことがで
きるようになされており、翻訳装置２０も、音声認識結
果を、日本語および英語の両方に翻訳することができる
ようになされている。従って、この音声翻訳装置は、日
本語で入力された音声の英語への翻訳、および英語で入
力された音声の日本語への翻訳の両方を行うことができ
るようになされている。

【００２９】音声入力部１は、そこに入力される、いわ
ば空気の波である音声を、電気的な波である音声信号に
変換する、例えばマイクなどと、そのマイクから出力さ
れる音声信号を増幅するアンプなどで構成されている。
ＡＤ変換部２は、音声入力部１から出力されるアナログ
の音声信号を、所定のクロックのタイミングでサンプリ
ングして量子化を行い、ディジタルの音声信号（ディジ
タルデータ）に変換するようになされている。

【００３０】分析部３は、ＡＤ変換部２より出力される
音声信号を音響分析し、これにより、例えば所定の帯域
ごとの音声のパワーや、線形予測係数（ＬＰＣ）、ケプ
ストラム係数などの音声の特徴パラメータを抽出するよ
うになされている。即ち、分析部３は、例えばフィルタ
バンクにより、音声信号を所定の帯域ごとにフィルタリ
ングし、そのフィルタリング結果を整流平滑化すること
で、所定の帯域ごとの音声のパワーを求めるようになさ
れている。あるいは、分析部３は、入力された音声に対
し、例えば線形予測分析処理を施すことで、線形予測係
数を求め、またその線形予測係数からケプストラム係数
を求めるようになされている。

【００３１】分析部３で求められた特徴パラメータは、
そのまま、あるいは、そこで必要に応じてベクトル量子
化されて、認識部４に出力されるようになされている。

【００３２】認識部４は、分析部３からの特徴パラメー
タ（あるいは、特徴パラメータをベクトル量子化して得
られるシンボル）に基づき、例えばダイナミックプログ
ラミング（ＤＰ）マッチング法や、隠れマルコフモデル
（ＨＭＭ）などの音声認識アルゴリズムにしたがい、後
述する言語モデル記憶部６および単語辞書７を参照し
て、例えば文音声認識を行い、複数の文単位の音声認識
結果候補（以下、適宜、文候補という）を求めて、用例
検索部５に出力するようになされている。

【００３３】用例検索部５は、認識部４から供給される
複数の文候補それぞれを、例えばそこから助詞を削除す
ることなどにより、自立語のみでなる単語列に変換する
ようになされている。そして、用例検索部５は、その複
数の文候補それぞれの単語列（以下、適宜、入力単語列
という）と、後述する用例データベース８に記憶されて
いる用例それぞれとの類似度を計算し、その類似度を最
も高くする用例を選択するようになされている。そし
て、その選択した用例に基づいて、音声入力部１に入力
された音声の認識結果（文）を決定するようになされて
いる。

【００３４】なお、用例検索部５における類似度の計算
は、後述するようにシソーラス記憶部９に記憶されてい
るシソーラスを用い、いままでに選択した用例による文
脈に基づいて重みを付けて行われるようになされてい
る。

【００３５】言語モデル記憶部６は、例えばバイグラム
（Bigram）やトリグラム（Trigram）などの統計的言語
モデルなどを記憶しており、認識部４は、上述したよう
な音声認識処理を、言語モデル記憶部６に記憶されてい
る言語モデルにより緩い言語的制約をかけ、その制約の
下、例えばビタビ（Viterbi）アルゴリズムを用いたビ
ームサーチなどにより、適当に枝刈しながら行うように
なされている。そして、その結果残った複数の音声認識
結果候補としての複数の文候補を、用例検索部５に出力
するようになされている。

【００３６】単語辞書７には、音声認識の対象とする単
語の見出し（例えば、「発明」という単語であれば「発
明」という見出し）およびその音韻情報（読み）、さら
に必要ならば単語の品詞その他の情報が対応付けられて
記憶（登録）されている。なお、単語辞書７には、少な
くとも、後述する用例データベース８に記憶されている
用例を構成する単語が記憶されている。認識部４では、
この単語辞書６に記憶されている単語を対象として、音
声認識が行われるようになされている。

【００３７】用例データベース８には、複数の用例が記
憶（登録）されている。この用例は、例えば新聞に掲載
されている文章や、アナウンサが読み上げる原稿に記載
の文章などなどに基づいて作成される。シソーラス記憶
部９は、少なくとも単語辞書７に登録されている単語
を、その概念ごとに分類して記憶している。本実施例で
は、シソーラス記憶部９には、後述する図２に示すよう
に、単語を、その概念に基づいて木構造に階層化したシ
ソーラスが記憶されている。

【００３８】以上の各ブロックから、音声認識装置１０
が構成されている。

【００３９】一方、翻訳装置２０は、翻訳部１１および
対訳辞書１２から構成されている。翻訳部１１は、音声
認識装置１０（用例検索部５）より出力される音声認識
結果の言語を、対訳辞書４３を参照しながら、他の言語
に翻訳するようになされている。なお、翻訳部１１は、
例えば音声合成装置（図示せず）を内蔵しており、そこ
で、翻訳結果に対応する合成音を生成して出力するよう
になされている。対訳辞書４３は、例えば日本語の単語
と、それを英語に訳した英単語（あるいは英単語列）と
を対応付けて記憶している。

【００４０】なお、言語モデル記憶部６、単語辞書７、
用例データベース８、およびシソーラス記憶部９には、
例えば日本語および英語の両方に関するものが記憶され
ており、これにより、音声認識装置１０では、上述した
ように日本語および英語のいずれの音声も認識すること
ができるようになされている。また、翻訳部１１では、
日本語または英語の音声認識結果が入力された場合に
は、それぞれを、英語または日本語に翻訳するようにな
されている。

【００４１】以上のように構成される音声翻訳装置にお
いては、音声入力部１に入力された音声は、ＡＤ変換部
２、さらには分析部３を介することにより特徴パラメー
タ（あるいはシンボル）とされて、認識部４に出力され
る。認識部４では、分析部３の出力を用いて、例えばＨ
ＭＭにしたがい、音声認識処理が行われる。

【００４２】ここで、ＨＭＭについて簡単に説明する。
ＨＭＭは、非決定有限状態オートマトンとして定義さ
れ、そのモデルは、幾つかの状態と、その状態間の遷移
を表すパスから構成される。このようなモデルにおい
て、各状態からの状態の遷移過程はマルコフ過程とさ
れ、また、状態が遷移するときにはシンボルが１つ出力
されるものとして、モデルの学習が行われる。いま、モ
デルが有する状態がＮ個あり、モデル（状態）から出力
されるシンボルの種類がＫ個あるとすると、この学習で
は、多数の学習データを用い、状態が、状態ｉから状態
ｊに遷移する確率（状態遷移確率）ａijと、そのときに
シンボルｙkが出力される確率（出力シンボル確率）ｂi
j（ｙk）が求められる（但し、０＜ｉ，ｊ＜Ｎ＋１，０
＜ｋ＜Ｋ＋１）。

【００４３】なお、ＨＭＭのパラメータには、最初に状
態ｉにいる確率（初期状態確率）πiもあるが、音声認
識では、状態が、自分自身か、あるいは自身より右側の
状態にしか遷移しないleft-to-rightモデルが、通常用
いられるので、初期状態は、モデルの最も左側の状態と
される（最初に、最も左側の状態にいる確率が１とさ
れ、他の状態にいる確率は０とされる）。このため、通
常は、学習において、初期状態確率を求める必要はな
い。

【００４４】一方、認識時には、学習の結果得られた状
態遷移確率および出力シンボル確率を用いて、分析部３
から出力されるシンボル系列が観測（生起）される確率
（生起確率）が計算され、その確率の高いものが認識結
果候補（あるいは認識結果）とされる。

【００４５】本実施例では、認識部４には、あらかじめ
学習を行うことにより得られた、例えば音素単位のモデ
ル（音素モデル）が記憶されており、認識部４は、単語
辞書７に登録されている単語の音韻情報を参照して、音
素モデルを連結し、単語辞書７に登録されている単語の
モデルを作成する。そして、このモデルを用いて、上述
したように生起確率を計算し、その確率の高い単語を求
める。

【００４６】なお、認識部４には、音素モデルではな
く、例えば単語単位のモデル（単語モデル）を記憶させ
ておき、そのモデルをそのまま用いて、連続音声認識さ
せるようにすることも可能である。

【００４７】さらに、認識部４は、上述したような処理
を、言語モデル記憶部６に記憶されているバイグラム、
トリグラムにより緩い言語的制約をかけ、その制約の
下、例えばビタビアルゴリズムを用いたビームサーチな
どにより、適当に枝刈しながら行う。この場合、認識部
４において、文候補を得るまでのサーチスペースが絞り
込まれるので、音声認識装置１０の音声認識処理におけ
る演算量の低減、さらにはその処理の高速化を図ること
ができる。

【００４８】また、認識部４でかけられる言語モデルに
よる制約は緩いため、そこで得られる文候補の中には、
文法的、意味的に正しいものだけでなく、誤ったものも
含まれると考えられるが、そのようなものは、後段の用
例検索部５で計算される類似度が低くなるため、最終的
な音声認識結果とはされる確率は非常に少ない。

【００４９】なお、バイグラム、トリグラムは、例えば
１次、２次のマルコフ過程のモデルで、音素、音節、単
語などの連鎖確率を大量のテキストデータベースを基に
して学習したものであり、自然言語の局所的な性質を精
度良く近似することのできるモデルとして知られてい
る。

【００５０】また、言語的制約は、言語モデルによる
他、例えば有限状態ネットワークなどを用いてかけるよ
うにすることも可能である。

【００５１】以上のような言語的制約の下、得られた複
数の文候補は、用例検索部５に出力され、上述したよう
に単語列に変換される。さらに、用例検索部５は、複数
の単語列（入力単語列）それぞれと、用例データベース
８に記憶されている用例それぞれとの類似度を計算し、
その類似度を最も高くする用例を選択する。

【００５２】ここで、本実施例では、類似度の計算は、
例えば、前述した特開平３−２７６３６７号に開示され
ているような、単語を、その意味の類似性（概念）に基
づいて木構造に階層化したシソーラスを用いて行われ
る。即ち、入力単語列を構成する、ある単語と、その単
語に対応する、用例を構成する単語とが、同一のカテゴ
リに属すると考えられる概念の階層が第ｋ階層であった
場合に、これらの単語間の概念的な類似性を表す単語類
似度を、（ｋ−１）／ｎ（但し、ｎは、シソーラスの階
層数）とし、入力単語列を構成する単語それぞれと、用
例を構成する単語それぞれとについての単語類似度を積
算する。そして、その積算結果を、入力単語列と、用例
との類似度とする。

【００５３】具体的には、例えば、いま、シソーラス記
憶部９に、図２に示すようなシソーラスが記憶されてい
るものとした場合、以下のようにして類似度が計算され
る。

【００５４】但し、図２においては、長方形で囲んであ
るものは概念を表し、楕円で囲んであるものが単語を表
す。同図では、最も上の階層（第４階層）に属する概念
が、「性状」、「変動」、「人物」、「社会」、「物
品」、その他に分類されており、そのうちの、例えば概
念「変動」は、それに含まれる概念「増減」、「経
過」、その他に分類されている。さらに、例えば概念
「経過」は、それに含まれる概念「経過」、「到来」、
その他に分類されており、そのうちの、例えば概念「到
来」には、その範疇にある単語「訪問する」、その他が
属するものとされている。

【００５５】また、図２においては、最も下の概念の階
層を第１階層とし、下から２番目の概念の階層を第２階
層とし、以下同様にして、下から３番目の概念の階層、
または最も上の概念の階層を、それぞれ第３階層、また
は第４階層としている。図２のシソーラスは４階層（の
概念）で構成されるから、シソーラスを第１階層までさ
かのぼることにより概念が一致する単語どうしの単語類
似度は０（＝（１−１）／４）となり、また、シソーラ
スを第２階層までさかのぼることにより概念が一致する
単語どうしの類似度は１／４（＝（２−１）／４）とな
る。以下同様に、シソーラスを第３または第４階層まで
さかのぼることにより概念が一致する単語どうしの単語
類似度は１／２または３／４となる。

【００５６】例えば、いま、認識部４から、文候補「私
は学校へ行く」が用例検索部５に出力され、そこで、こ
の文候補が、上述したように助詞で分離されることによ
り、入力単語列（「私」、「学校」、「行く」）とされ
た場合、この入力単語列（「私」、「学校」、「行
く」）と、例えば用例「彼は会社を訪問する」との類似
度は、次のように計算される。

【００５７】即ち、まず入力単語列（「私」、「学
校」、「行く」）を構成する単語「私」、「学校」、
「行く」それぞれと、用例「彼は会社を訪問する」を構
成する、「私」、「学校」、「行く」に対応する単語
「彼」、「会社」、「訪問する」それぞれとの単語類似
度が計算される。

【００５８】ここで、単語ＸとＹとの単語類似度を、ｄ
（Ｘ，Ｙ）と表すと、単語「私」と「彼」とは、第２階
層までさかのぼることにより概念「人称」に一致するの
で、単語類似度ｄ（「私」，「彼」）は１／４となる。
また、単語「学校」と「会社」とは、第２階層までさか
のぼることにより概念「施設」に一致するので、単語類
似度ｄ（「学校」，「会社」）は１／４となる。さら
に、単語「行く」と「訪問する」とは、やはり第２階層
までさかのぼることにより概念「経過」に一致するの
で、単語類似度ｄ（「行く」，「訪問する」）は１／４
となる。

【００５９】以上の単語類似度を積算すると、その積算
値は３／４（＝１／４＋１／４＋１／４）となり、これ
が、入力単語列（「私」、「学校」、「行く」）と用例
「彼は会社を訪問する」との類似度とされる。

【００６０】また、この入力単語列（「私」、「学
校」、「行く」）と、例えば用例「これは木でできてい
る」との類似度は、次のように計算される。

【００６１】即ち、入力単語列（「私」、「学校」、
「行く」）を構成する単語「私」、「学校」、「行く」
それぞれと、用例「これは木でできている」を構成す
る、「私」、「学校」、「行く」に対応する単語「こ
れ」、「木」、「できる」（「できている」は「でき
る」とされる）それぞれとの単語類似度ｄ（「私」，
「これ」）、ｄ（「学校」，「木」）、ｄ（「行く」，
「できる」）は、上述したようにして、３／４，３／
４，２／４と計算され、その結果、入力単語列
（「私」、「学校」、「行く」）と用例「これは木でで
きている」との類似度は８／４（３／４＋３／４＋２／
４）と求められる。

【００６２】以上のようにして、用例データベース８に
登録されているすべての用例について、複数の文候補
（入力単語列）それぞれに対する類似度が計算される。

【００６３】その後、用例検索部５では、類似度が最も
高い用例と入力単語列とが選択される（以下、選択され
た用例または入力単語列を、それそれ選択用例または選
択単語列という）。

【００６４】そして、用例検索部５は、選択用例を構成
する単語のうち、選択単語列を構成する単語に対応する
ものを、その選択単語列を構成する単語に、それぞれ置
き換え、文音声認識結果として出力する。

【００６５】即ち、例えば、いま、説明を簡単にするた
めに、用例として「彼は会社を訪問する」および「これ
は木でできている」が用例データベース８に記憶されて
おり、入力単語列として、（「私」、「学校」、「行
く」）が得られたとすると、上述したように、入力単語
列（「私」、「学校」、「行く」）と、用例「彼は会社
を訪問する」または「これは木でできている」それぞれ
との類似度は、３／４または８／４となる。本実施例で
は、類似度が高い場合というのは、類似度の値が小さい
場合であり（これは、図２において、シソーラスを構成
する最も下の概念の階層から、第１階層、第２階層、・
・・としたためで、これとは逆に、シソーラスを構成す
る最も上の概念の階層から、第１階層、第２階層、・・
・とすれば、類似度が高い場合というのは、類似度の値
が大きい場合となる）、従って、用例選択部５では、入
力単語列（「私」、「学校」、「行く」）と用例「彼は
会社を訪問する」とが選択される。

【００６６】そして、用例検索部５では、選択用例「彼
は会社を訪問する」を構成する単語のうち、選択単語列
（「私」、「学校」、「行く」）を構成する単語に対応
するもの、即ち「私」、「学校」、「行く」に対応する
「彼」、「会社」、「訪問する」が、その選択単語列を
構成する単語「私」、「学校」、「行く」に、それぞれ
置き換えられ、さらに必要に応じて助詞の変換がなさ
れ、その結果得られる「私は学校に行く」が文音声認識
結果として出力される。

【００６７】この音声認識結果は、翻訳部１１に供給さ
れ、翻訳部１１では、用例検索部５からの音声認識結果
「私は学校に行く」が、対訳辞書１２を参照して、例え
ば英文「I go to school」に英訳される。そして、この
英訳文「I go to school」に対応する合成音が生成され
て出力される。

【００６８】なお、以上においては、音声が日本語で入
力された場合について説明したが、英語で、例えば音声
「I go to school」が入力された場合についても、音声
認識装置１０または翻訳装置２０において、上述の場合
と同様にして音声認識または翻訳がなされ、その結果得
られる「私は学校に行く」が合成音で出力される。

【００６９】ところで、用例検索部５では、上述のよう
な類似度の計算にあたって、いままでに選択された用例
による文脈に基づく重みが付されるようになされてい
る。即ち、用例データベース８には、用例とともに、例
えば今回選択された用例から考えて次の音声認識処理に
用いられる可能性のある用例を予測するための予測情報
が記憶されており、用例検索部５では、その予測情報に
基づいて、類似度に重みが付けられるようになされてい
る。

【００７０】具体的には、用例データベース８には、予
測情報として、用例を次の音声認識処理に用いられる
（次の音声認識処理で選択される）可能性のある用例と
対応付けたものが記憶されており、用例検索部５は、前
回の音声認識処理で用いられた用例と対応付けられてい
る用例に対する類似度が高くなるように、または前回の
音声認識処理で用いられた用例と対応付けられていない
用例に対する類似度が低くなるように、重みを付けるよ
うになされている。

【００７１】ここで、用例データベース８には、用例
を、次の音声認識処理に用いられる可能性のある用例と
対応付けたものが、例えば図３に示すように表形式で記
述されて記憶されている。この表は、その左欄に記述さ
れた用例が前回用いられた場合に、今回用いられる可能
性の高い用例を右欄に記述したもので、左欄から右欄の
方向に用例を見た場合に、その２つの用例による文脈
が、人の発話または対話において現れ得るようなものと
されている。従って、図３の表の左欄から右欄の方向
は、発話または対話の流れを表しているということがで
きる。以下、適宜、このような発話または対話の流れを
表現する、いわば脚本というべき表の左欄と右欄との組
み合わせの記述を、スクリプトという。

【００７２】図３の実施例では、用例「チェックインを
お願いします。」に続いて用いられる可能性の高い用例
として、例えば「お客様のお名前をどうぞ。」、「ご予
約はされていますか。」、および「この用紙にご記入を
お願いします。」が登録されている。また、用例「部屋
はありますか。」に続いて用いられる可能性の高い用例
として、例えば「ございます。」、「ございませ
ん。」、および「満室です。」が登録されている。

【００７３】例えば、いま、図３に示した表が用例デー
タベース８に登録されている場合において、米国のホテ
ルのフロントで、日本語で「チェックインをお願いしま
す。」と発話し、音声認識装置１０において、入力音声
「チェックインをお願いします。」が、用例「チェック
インをお願いします」を用いて音声認識されたとする。
この場合、音声認識装置１０からは、音声認識結果とし
て、「チェックインをお願いします。」が出力され、こ
れが、翻訳部１１で英訳され、例えば「Checkin, pleas
e.」が合成音で出力される。

【００７４】そして、この合成音を聞いたホテルのフロ
ントの者が、英語で「お客様のお名前をどうぞ。」と発
話したとする（例えば、「May I have your name, plea
se.」と発話したとする）。この入力音声は、音声認識
装置１０において、上述したように類似度を最も高くす
る用例が選択されて音声認識されるが、この場合、類似
度には、スクリプトを参照して、前回の音声認識処理で
用いられた用例「チェックインをお願いします。」と対
応付けられている用例（図３に示した実施例において
は、「お客様のお名前をどうぞ。」、「ご予約はされて
いますか。」、および「この用紙にご記入をお願いしま
す。」）に対する類似度が高くなるように、重みが付さ
れる。

【００７５】即ち、この場合、音声認識装置１０の用例
検索部５では、図４のフローチャートに示すように、ま
ず最初に、ステップＳ１において、前回の音声認識処理
で用いられた用例「チェックインをお願いします。」と
対応付けられている用例（スクリプト）「お客様のお名
前をどうぞ。」、「ご予約はされていますか。」、およ
び「この用紙にご記入をお願いします。」が選択され、
ステップＳ２に進み、上述したように、シソーラスを用
いて、認識部４が出力する複数の文候補それぞれと、用
例データベース８に記憶されている複数の用例それぞれ
との類似度が計算される。

【００７６】そして、ステップＳ３に進み、ステップＳ
１で選択された用例（スクリプト）に対応する類似度が
高くされ、ステップＳ４に進む。ステップＳ４では、最
も類似度を高くする用例および文候補が選択され、以
下、上述したようにして最終的な音声認識結果が求めら
れる。

【００７７】従って、ステップＳ２の段階で、用例「チ
ェックインをお願いします。」に対する類似度が最も高
くなくても、ステップＳ３の処理により、その類似度が
高くされ、その結果、用例「チェックインをお願いしま
す。」に対する類似度を最も高くすることができる。

【００７８】以上のように、単語のシソーラス上での意
味上の類似性のみだけでなく、前回用いられた用例によ
る文脈に基づいて、対話（あるいは発話）の流れを考慮
して、類似度を求めるようにしたので、従来の場合よ
り、音声認識処理を行うのに適切な用例を得ることがで
き、その結果、音声認識処理の精度、即ち音声の認識率
を向上させることができる。

【００７９】なお、図３において、表の右欄に記述した
用例は、ホテルのフロントの者が発話すると予測される
ものであるから、実際には、英語で記述されている（例
えば、「お客様のお名前をどうぞ。」は、「May I have
your name, please.」と記述されている）。

【００８０】また、上述の場合には、前回の音声認識処
理で用いられた用例と対応付けられている用例に対する
類似度が高くなるように、類似度に重みを付けるように
したが、この他、類似度には、前回の音声認識処理で用
いられた用例と対応付けられていない用例に対する類似
度が低くなるように、重みを付けるようにすることも可
能である。

【００８１】さらに、上述の場合においては、前回の音
声認識処理で用いられた用例と対応付けられている用例
に対する類似度が高くなるように、類似度に重みを付け
るようにしたが、この他、さらにそれ以前の処理で用い
られた用例に基づいて、類似度に重みを付けるようにす
ることも可能である。即ち、例えば宿泊客が、既に名乗
っており、そのような音声の認識のための用例を既に用
いている場合には、相手の名前を尋ねるときに発する音
声を認識するための用例（例えば、図３に示した「お客
様のお名前をどうぞ。」など）に対する類似度を低くす
る重みを付けるようにすることが可能である。

【００８２】また、用例データベース８には、図３に示
した表（スクリプト）を、例えばホテルや、レストラ
ン、空港などの所定の場面ごとに用いるべきものに分類
して記憶させておき、用例検索部５には、図１の音声翻
訳装置が用いられる場面に応じた表（スクリプト）を用
いて、処理を行わせるようにすることができる。この場
合、音声認識処理に用いるスクリプトが限定されるの
で、さらなる音声認識性能の改善および計算量の削減を
図ることができる。なお、音声翻訳装置がどのような場
面で利用されているかは、図示せぬ操作部を操作するこ
とにより、装置に認識させるようにすることが可能であ
る。また、発話の内容から、音声翻訳装置がどのような
場面で利用されているかを、装置に認識させるようにす
ることもできる。即ち、例えば音声「部屋はあります
か。」などが入力された場合には、ホテルでの発話また
は対話の流れを反映した表を用いて、また、例えば音声
「メニューを見せて下さい。」などが入力された場合に
は、レストランでの発話または対話の流れを反映した表
を用いて、用例検索部５に処理を行わせるようにするこ
とができる。

【００８３】さらに、用例データベース８には、次の処
理に用いられる可能性のある用例を学習により求めたも
のを記憶させておくようにすることができる。この場
合、学習の際に、大量の学習用データを用いて、次の処
理で、各用例が用いられる確率を求めておくようにし、
その確率に応じて、類似度を高くするまたは低くする重
みを調整することで、より処理に適した用例の選択を行
うことが可能となる。

【００８４】また、翻訳部１１における翻訳の方法につ
いては特に言及しなかったが、翻訳部１１では、例えば
上述した特開平３−２７６３６７号公報に開示されてい
る翻訳方法により翻訳を行うようにすることが可能であ
る。この場合、用例データベース８は、用例検索部５と
翻訳部１１とで共用することが可能である。さらに、翻
訳部１１では、用例検索部５における場合と同様に、類
似度の計算にあたって、いままでに選択された用例によ
る文脈に基づく重みを付すようにすることも可能であ
る。この場合、翻訳の精度を向上させることができる。
なお、翻訳部１１における翻訳の方法は、特開平３−２
７６３６７号公報に開示されているものに限定されるも
のではない。

【００８５】次に、図５は、本発明を適用した音声翻訳
装置の他の実施例の構成を示している。なお、図中、図
１における場合と対応する部分については、同一の符号
を付してある。即ち、この音声翻訳装置は、認識部４ま
たは用例検索部５に代えて、それぞれ認識部１４または
用例検索部１５が設けられている他は、図１の音声翻訳
装置と同様に構成されている。

【００８６】認識部１４は、例えば図１の認識部４にお
ける場合と同様にして音声認識を行い、複数の文候補
を、用例検索部１５に出力するようになされている。さ
らに、認識部１４は、複数の文候補それぞれに加えて、
その確からしさを示す尤度（例えば、ＨＭＭにより音声
認識を行う場合には、上述した生起確率）も、用例検索
部５に出力するようになされている。

【００８７】用例検索部１５は、やはり図１の用例検索
部５と同様に、認識部１４から供給される複数の文候補
それぞれを入力単語列に変換し、用例データベース８に
記憶されている用例それぞれとの類似度を計算して、そ
の類似度を最も高くする用例を選択するようになされて
いる。そして、その選択した用例に基づいて、音声入力
部１に入力された音声の認識結果（文）を決定するよう
になされている。但し、用例検索部１５における類似度
の計算は、認識部１４から供給される複数の文候補それ
ぞれの尤度を考慮して行われるようになされている。

【００８８】以上のように構成される音声翻訳装置で
は、音声が入力されると、音声入力部１，ＡＤ変換部
２、分析部３、および認識部１４において、図１の音声
翻訳装置と同様の処理が行われ、これにより認識部１４
からは、複数の文候補が、用例検索部１５に出力され
る。さらに、認識部１４からは、複数の文候補それぞれ
の尤度も用例検索部１５に出力される。

【００８９】用例検索部１５では、図６のフローチャー
トに示すように、まず最初に、ステップＳ１１におい
て、認識部１４からの複数の文候補（文認識候補）と、
それぞれの尤度が受信され、入力単語列に変換される。
そして、ステップＳ１２に進み、複数の文候補それぞれ
と、用例データベース８に記憶されている用例それぞれ
との類似度が、シソーラス、さらに必要に応じてスクリ
プトを用いて計算される（スクリプトを用いることは必
須ではないが、用いた方が、類似度の精度が向上させる
ことができる）。

【００９０】ここで、ステップＳ１２で求められる類似
度は、文法的、意味的な正しさを表しており、即ち、い
わば言語的な正しさを表しており、以下、適宜、言語的
類似度という。また、これに対し、認識部１４から出力
される尤度は、音響的な処理の結果得られた複数の認識
結果候補それぞれの正しさを表しており、以下、適宜、
音響的類似度という。

【００９１】その後、ステップＳ１３に進み、複数の認
識結果候補それぞれと、用例データベース８に記憶され
ている複数の用例それぞれとの総合的な類似度である総
合類似度が、言語的類似度および音響的類似度に基づい
て計算される。

【００９２】ここで、総合類似度は、例えば言語的類似
度および音響的類似度を用いて表現される多項式にした
がって計算される。即ち、総合類似度は、言語的類似度
と音響的類似度とを、所定の割合で加算することにより
計算される。具体的には、例えば、いま総合類似度、言
語的類似度、または音響的類似度を、それぞれＳg，Ｓ
l、またはＳsとするとき、総合類似度Ｓgは、次式にし
たがって計算される。

【００９３】 Ｓg＝αＳl＋（１−α）Ｓs ・・・（１） 但し、αは、０＜α＜１の範囲のいずれかの実数値をと
る。

【００９４】式（１）にしたがって、総合類似度を算出
した後は、ステップＳ１４に進み、総合類似度を最も高
くする用例および文候補が選択され、以下、図１におけ
る場合と同様の処理が行われることにより、翻訳結果が
出力される。

【００９５】なお、式（１）による総合的類似度の計算
は、複数の文候補それぞれについて、言語的類似度を最
も高くする用例についてだけ行えば良い。また、総合的
類似度の計算は、言語的類似度および音響的類似度を正
規化してから行うのが好ましい。

【００９６】以上のように、最終的な音声認識結果を得
るのに用いる用例を選択する際に、言語的類似度だけで
なく、認識部４において得られる音響的類似度（尤度）
を考慮するようにしたので、言語的類似度だけを考慮す
る場合に比較して、より適切な用例を選択することが可
能となり、その結果、音声の認識率を向上させることが
できる。

【００９７】即ち、逆にいえば、最終的な音声認識結果
を得るのに、音響的類似度だけでなく、言語的類似度を
考慮するようにしたので、何らかの原因で（例えば、雑
音などにより）、本来正しい文候補の音響的類似度が低
くなっても、言語的類似度を考慮することで、その総合
類似度を高くすることができ、本来正しい文候補が誤っ
たものであるとされることを防止することが可能とな
る。

【００９８】なお、式（１）における言語的類似度と音
響的類似度とを加算するときの割合であるαは、動的に
変化させることができる。即ち、音声翻訳装置が使用さ
れる環境における雑音レベルが高い場合には、音響的類
似度の信頼性が低下すると考えられる。そこで、周囲の
雑音レベルを検出するようにし、それが高い場合には、
αの値を大きくすることで、総合類似度に対し、音響的
類似度が寄与する割合を低下させるとともに、言語的類
似度が寄与する割合を増加させるようにする。また、雑
音レベルが低い場合には、αの値を元に戻すようにす
る。このようにすることで、環境の変化に対する装置の
耐性を向上させることができる。

【００９９】以上のように、類似度（総合類似度）の計
算にあたって、シソーラスに基づく類似度に加えて、い
ままで用いられた用例による文脈や、音響的類似度を考
慮するようにしたので、用例の選択の精度、ひいては音
声処理（自然言語処理）の精度を向上させることができ
る。

【０１００】以上、本発明を音声翻訳装置に適用した場
合について説明したが、本発明は、その他、例えば音声
認識装置や機械翻訳装置などの、自然言語処理を必要と
するあらゆる装置に適用可能である。

【０１０１】なお、本実施例においては、日本語を英語
に翻訳するようにしたが、日本語以外の言語を翻訳した
り、また、英語以外の言語に翻訳するようにすることが
可能である。

【０１０２】また、本実施例では、認識部４（認識部１
４についても同様）において、言語モデルによる制約の
下、文候補を得て、用例検索部５（用例検索部１５につ
いても同様）において、それを単語列に分離するように
したが、この他、認識部４では、例えば言語モデルによ
る制約なしで連続音声認識を行い、用例検索部５では、
その結果得られる単語を組み合わせて単語列を構成する
ようにすることも可能である。

【０１０３】さらに、本実施例では、入力単語列に助詞
を含ませないようにしたが、用例検索部５には、助詞を
含ませた入力単語列を処理させるようにすることも可能
である。

【０１０４】また、本実施例においては、翻訳結果を合
成音で出力するようにしたが、この他、翻訳結果は、表
示するようにすることも可能である。

【０１０５】

【発明の効果】本発明の自然言語処理装置および自然言
語処理方法によれば、用例記憶手段に記憶されている用
例それぞれと、入力文との類似度を計算し、その類似度
を最も高くする用例を選択するときに、いままでに選択
した用例による文脈に基づいて重みを付けて、類似度が
計算される。従って、類似度の精度が向上するので、よ
り処理に適した用例を選択することが可能となる。

【０１０６】本発明の音声認識装置および音声認識方法
によれば、複数の認識結果候補と、それぞれの尤度とが
求められ、複数の認識結果候補それぞれと、用例記憶手
段に記憶されている用例それぞれとの言語的な類似度で
ある言語的類似度が計算される。さらに、複数の認識結
果候補それぞれと、用例記憶手段に記憶されている用例
それぞれとの総合的な類似度である総合類似度が、言語
的類似度および尤度に基づいて計算される。そして、総
合類似度を最も高くする用例が選択され、その用例に基
づいて、音声の認識結果が求められる。従って、音声の
認識率を向上させることができる。

【図面の簡単な説明】

【図１】本発明を適用した音声翻訳装置の第１実施例の
構成を示すブロック図である。

【図２】シソーラスを示す図である。

【図３】用例データベース８に記憶されている表を示す
図である。

【図４】用例検索部５の動作を説明するフローチャート
である。

【図５】本発明を適用した音声翻訳装置の第２実施例の
構成を示すブロック図である。

【図６】用例検索部１５の動作を説明するフローチャー
トである。

【符号の説明】

１ 音声入力部 ２ ＡＤ変換部 ３ 分析部 ４ 認識部 ５ 用例検索部 ６ 言語モデル記憶部 ７ 単語辞書 ８ 用例データベース ９ シソーラス記憶部 １０ 音声認識装置 １１ 翻訳部 １２ 対訳辞書 １４ 認識部 １５ 用例検索部 ２０ 翻訳装置

───────────────────────────────────────────────────── フロントページの続き (72)発明者 加賀美 徹也 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 石井 和夫 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 田中 幸 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 加藤 靖彦 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 角田 弘史 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内 (72)発明者 小川 浩明 東京都品川区北品川６丁目７番35号 ソニ ー株式会社内

Claims (10)

【特許請求の範囲】
1. 【請求項１】 入力文を、その入力文と最も類似する用
   例を用いて処理する自然言語処理装置であって、 複数の前記用例を記憶している用例記憶手段と、 前記用例記憶手段に記憶されている用例それぞれと、前
   記入力文との類似度を計算し、その類似度を最も高くす
   る前記用例を選択する選択手段とを備え、 前記選択手段は、いままでに選択した前記用例による文
   脈に基づいて重みを付けて、前記類似度を計算すること
   を特徴とする自然言語処理装置。
2. 【請求項２】 前記用例記憶手段は、次の処理に用いら
   れる可能性のある前記用例を予測するための予測情報を
   さらに記憶しており、 前記選択手段は、前記予測情報に基づいて、前記重みを
   付けることを特徴とする請求項１に記載の自然言語処理
   装置。
3. 【請求項３】 前記用例記憶手段は、前記予測情報とし
   て、前記用例を次の処理に用いられる可能性のある前記
   用例と対応付けたものを記憶しており、 前記選択手段は、前回の処理で用いられた前記用例と対
   応付けられている前記用例に対する前記類似度が高くな
   るように、または前回の処理で用いられた前記用例と対
   応付けられていない前記用例に対する前記類似度が低く
   なるように、前記重みを付けることを特徴とする請求項
   ２に記載の自然言語処理装置。
4. 【請求項４】 前記用例記憶手段は、次の処理に用いら
   れる可能性のある前記用例を学習により求めたものを、
   前記用例と対応付けて記憶していることを特徴とする請
   求項３に記載の自然言語処理装置。
5. 【請求項５】 前記用例記憶手段は、前記予測情報を、
   所定の場面ごとに用いるべきものに分類して記憶してお
   り、 前記選択手段は、場面に応じた前記予測情報を用いるこ
   とを特徴とする請求項２に記載の自然言語処理装置。
6. 【請求項６】 複数の用例を記憶している用例記憶手段
   を備え、入力文を、その入力文と最も類似する前記用例
   を用いて処理する自然言語処理装置の自然言語処理方法
   であって、 前記用例記憶手段に記憶されている用例それぞれと、前
   記入力文との類似度を計算し、その類似度を最も高くす
   る前記用例を選択するときに、いままでに選択した前記
   用例による文脈に基づいて重みを付けて、前記類似度を
   計算することを特徴とする自然言語処理方法。
7. 【請求項７】 文音声認識を行う音声認識装置であっ
   て、 音声を音響分析し、その特徴パラメータを抽出する抽出
   手段と、 前記抽出手段より出力される前記特徴パラメータに基づ
   いて前記音声の認識を行い、複数の認識結果候補と、そ
   れぞれの尤度とを求める認識結果候補算出手段と、 複数の用例を記憶している用例記憶手段と、 前記複数の認識結果候補それぞれと、前記用例記憶手段
   に記憶されている用例それぞれとの言語的な類似度であ
   る言語的類似度を計算する言語的類似度計算手段と、 前記複数の認識結果候補それぞれと、前記用例記憶手段
   に記憶されている用例それぞれとの総合的な類似度であ
   る総合類似度を、前記言語的類似度および尤度に基づい
   て計算する総合類似度計算手段と、 前記総合類似度を最も高くする前記用例を選択する選択
   手段と、 前記選択手段により選択された前記用例に基づいて、前
   記音声の認識結果を求める認識結果算出手段とを備える
   ことを特徴とする音声認識装置。
8. 【請求項８】 前記総合類似度計算手段は、前記言語的
   類似度と尤度とを、所定の割合で加算することにより前
   記総合類似度を計算することを特徴とする請求項７に記
   載の音声認識装置。
9. 【請求項９】 前記総合類似度計算手段は、前記言語的
   類似度と尤度とを加算するときの前記所定の割合を動的
   に変化させることを特徴とする請求項８に記載の音声認
   識装置。
10. 【請求項１０】 複数の用例を記憶している用例記憶手
    段を備え、文音声認識を行う音声認識装置の音声認識方
    法であって、 音声を音響分析し、その特徴パラメータを抽出し、 前記特徴パラメータに基づいて前記音声の認識を行い、
    複数の認識結果候補と、それぞれの尤度とを求め、 前記複数の認識結果候補それぞれと、前記用例記憶手段
    に記憶されている用例それぞれとの言語的な類似度であ
    る言語的類似度を計算し、 前記複数の認識結果候補それぞれと、前記用例記憶手段
    に記憶されている用例それぞれとの総合的な類似度であ
    る総合類似度を、前記言語的類似度および尤度に基づい
    て計算し、 前記総合類似度を最も高くする前記用例を選択し、その
    用例に基づいて、前記音声の認識結果を求めることを特
    徴とする音声認識方法。