JPH09114831A

JPH09114831A - 文章校正装置

Info

Publication number: JPH09114831A
Application number: JP7273138A
Authority: JP
Inventors: Jun Ibuki; 潤伊吹; Kunio Matsui; くにお松井; Manabu Satsusano; 学颯々野; Tomoya Ogawa; 知也小川
Original assignee: Fujitsu Ltd
Current assignee: Fujitsu Ltd
Priority date: 1995-10-20
Filing date: 1995-10-20
Publication date: 1997-05-02
Anticipated expiration: 2015-10-20
Also published as: JP4283898B2

Abstract

(57)【要約】【課題】誤って入力された文字列を正しい文字列に校正
する文章校正装置に関し、誤った単語の校正を効率よく
行える文章校正装置を提供することを目的とする。【解決手段】正解単語が収容された正解単語辞書と、テ
キストの構成単語群を抽出する単語群抽出部と、単語群
抽出部で抽出された単語と正解単語単語辞書に格納され
た正解単語との類似度を算出する類似度算出部と、類似
度算出部で算出された類似度に応じて抽出単語を正解単
語に置き換える単語置き換え部とより構成する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、文章校正装置に係
わり、特に、誤って入力された文字列を正しい文字列に
校正する文章校正装置に関する。近年、ワードプロセッ
サなどの文章処理装置には、誤って入力された文字列を
正しい文字列に訂正するいわゆる文章校正機能を有する
ものがある。このような、文章校正機能には、表記の僅
かな違いのある単語群や同義語を自動的に標準化してユ
ーザの行うテキストの校正作業を能率化したり類義語の
情報をテキスト・辞書などから自動的に獲得した文章デ
ータに対して、誤って入力された文字列を正しい文字列
に自動的に訂正することにより文章校正作業の効率を大
幅に向上させることが望まれている。

【０００２】

【従来の技術】図１２に従来の一例のブロック図を示
す。従来の文書校正装置は、入力単語の形態素解析を行
う形態解析部５１、誤った表記の単語に対して正しい表
記の単語を対応させる単語辞書５２、形態素解析部５１
で得られた単語をアドレスとして正しい単語に変換する
単語変換部５３より構成される。

【０００３】図１３に従来の一例の動作説明図を示す。
単語辞書５２には、単語の誤った表記のパターンのすべ
てに正しい単語を対応させて記憶させておき、抽出され
た単語をアドレスとして入力することにより単語の校正
を行っていた。例えば、誤った単語の「シミュレイショ
ン」に対して正解単語「シミュレーション」を登録して
おき、同様に、誤った単語の「シュミレーション」に対
しても同じ正解単語の「シミュレーション」を登録して
いた。

【０００４】このように、従来は、誤ると思われる単語
をすべて登録しておき、これらの単語それぞれに対して
正解単語を登録していた。

【０００５】

【発明が解決しようとする課題】しかるに、従来の文章
校正装置では、正しい単語に対して誤った表記の単語を
予め辞書に登録しておくことにより正しい単語の指示を
行っていたため、辞書に登録されていない誤った単語に
対しては、正しい単語を指示できず、また、誤りやすい
すべての単語を登録しておくには辞書の容量を大きくす
る必要がある等の問題点があった。

【０００６】また、形態素解析時の未登録語部分を誤り
として誤った単語を検出する方法では、誤りをどのよう
にして訂正したらよいかの情報がないあるいは、誤り部
分が類似する単語とマッチングことにより、誤り部分の
全て、又は、一部が登録単語列でカバーされるだけで、
正確な誤り部分の抽出が行えない等の問題点があった。

【０００７】本発明は、上記の点に鑑みてなされたもの
で、誤った単語の校正を効率よく行える文章校正装置を
提供することを目的とする。

【０００８】

【課題を解決するための手段】図１に本発明の原理図を
示す。正解単語辞書１は、正解とする単語を登録してい
る。構成単語抽出部２は、テキスト中の構成単語を抽出
する。

【０００９】類似度算出部３は、前記構成単語抽出部２
で抽出された抽出単語と前記正解単語辞書１に登録され
た正解単語との類似度を算出する。単語置き換え部４
は、前記類似度算出部３で算出された類似度に応じて前
記抽出単語を前記正解単語に置き換える。

【００１０】請求項１によれば、テキスト中の単語群を
抽出し、抽出した単語と正解単語との類似度を算出し、
算出された類似度に応じて抽出単語に対応する正解単語
を検索し、テキスト中の単語を正しい単語に置き換える
ことにより、誤った単語を正しい単語に校正するため、
正解単語のみの辞書を持っていれば良くメモリの容量を
大幅に削減できる。

【００１１】請求項２は、前記類似度算出部は、前記抽
出単語と前記正解単語を構成する文字の部品間の類似度
を算出することを特徴とする。請求項２によれば、前記
抽出単語と前記正解単語を構成する文字の部品間の類似
度を算出することにより、高精度のマッチングが可能と
なる。

【００１２】請求項３は、テキスト中の構成単語を抽出
する構成単語抽出部と、前記構成単語抽出部で抽出され
た抽出単語間の類似度を算出する単語間類似度算出部
と、前記単語間類似度算出部で算出された類似度に応じ
て前記抽出単語をカテゴリに分類する単語分類部と、前
記単語分類部で分類されたカテゴリ毎に正解単語を設定
する正解単語設定部とを有することを特徴とする。

【００１３】請求項３によれば、単語間類似度算出部に
より抽出された単語間の類似度を算出し、算出された類
似度に応じて互いに類似する単語を単語群に分類し、分
類された単語群のなかの単語から正解単語を設定するこ
とにより、正解単語辞書を持つ必要がないため、装置の
構成を簡単にできる。

【００１４】請求項４は、前記単語設定部が前記単語分
類部で分類された単語群のうち出現頻度が最も高い単語
を設定することを特徴とする。請求項４によれば、出現
頻度の高い単語を正解単語とすることにより正解単語と
思われる単語を比較的容易に求めることが出来る、ま
た、正解単語辞書が不要であるため、構成を簡単にでき
る。

【００１５】請求項５は、前記単語分類部を、単語の統
語的関係に応じて前記単語を分類する構成とする。請求
項５よれば、単語を統語的関係に応じて分類することに
より例えば、主語の単語と述語の単語とを分類しての校
正を行うことが出来るため、より高度な校正作業を実現
できる。

【００１６】請求項６は、前記単語分類部を、単語分類
部は、同義語辞書を有し、前記抽出単語を該同義語辞書
により同義語に変換し、同一の同義語を有する単語を同
一の単語群に分類することを特徴とする。請求項６によ
れば、異なる入力単語でも同一の同義語の単語は同一の
カテゴリに分類され、同じ正解単語に校正できるため、
より高度な校正作業を実現できる。

【００１７】

【発明の実施の形態】図２に本発明の第１実施例のブロ
ック構成図を示す。本実施例の文章校正装置１０は、請
求項１の実施例に相当しており、テキストから語彙を抽
出する語彙抽出部１１、語彙抽出部１１で抽出された単
語の類似単語と正解単語とのペアを生成する類似単語検
出部１２、テキスト及び類似単語検出部１２で生成され
た単語ペアが供給され、テキスト中の類似単語を正解単
語に置換する単語置換部１３より構成される。

【００１８】図３に本発明の第１実施例の動作説明図を
示す。語彙抽出部１１は、入力テキストを形態素解析
し、単語を抽出する。例えば、図３（Ａ）に示されるよ
うに「シミュレイションを行う。」と言うテキストが入
力されると、図３（Ｂ）に示されるように「シミュレイ
ション」、「を」、「行う」、「。」に分解する。語彙
抽出部１１で抽出された単語は、類似単語検出部１２に
供給される。

【００１９】類似単語検出部１２は、正解単語を格納し
た正解単語辞書１４、語彙抽出部１１で抽出された単語
と、正解単語辞書１４中の正解単語との類似度を求め互
いに類似する抽出単語と正解単語との単語ペアを生成す
る類似度判定部１５、語彙抽出部１１で抽出された抽出
単語に類似する正解単語を単語辞書１４から検索する辞
書検索部１６より構成される。正解単語辞書１４には、
正しい表記の単語が予め格納されている。

【００２０】類似度判定部１５には、語彙抽出部１１で
抽出された抽出単語及び辞書検索部１６で検索された検
索単語が供給され、抽出単語と検索単語との非類似度を
算出し、非類似度が最も小さい抽出単語と正解単語との
単語ペアを生成する。非類似度は、抽出単語と正解単語
との距離に相当する。単語間の距離は、予め与えられた
ルールにより決定される。ルールは、例えば、図３
（Ｃ）に示されるように「レイ」と「レー」、「タ」と
「ター」、「フェイ」と「フェー」の距離が「１」、
「タ」と「タ」、「イ」と「イ」の距離が「０」となる
ように測定を行う例えば、図３（Ｂ）に示されるように
語彙抽出部１１で抽出単語として「シミュレイション」
という単語が抽出されたとすると抽出単語「シュミレイ
ション」と１文字違い、つまり、非類似度が「１」で互
いに類似と判断される予め設定された所定の類似度
「４」より小さく、かつ、最も小さい正解単語「シュミ
レーション」と単語ペアを生成し、単語置換部１３に供
給する。

【００２１】単語置換部１３には、類似度判定部１５よ
り単語ペアが供給されると共にテキストが供給され、類
似度判定部１５で生成された単語ペアの抽出単語に対応
するテキストの単語を単語ペアの正解単語に変換する。
図４に本発明の第１実施例の動作説明図を示す。ここで
は、図４（Ａ）に示されるように原テキストとして「イ
ンターフェイス部の速度性能の向上を図るために新たな
ＣＰＵを搭載しており、又グラフィック・インターフェ
イスの採用によって先進のユーザ・インターフェースを
手に入れています。」という文書が供給されると、図４
（Ｄ）に示されるように「ＣＰＵ」、「インターフェイ
ス」、「インターフェース」などの単語に分解される。
分解された単語には出現頻度が付与される。「ＣＰＵ」
の出現頻度は「１」、「インターフェイス」の出現頻度
は「２」、「インターフェース」の出現頻度は「１」と
なる。

【００２２】また、正解単語辞書１４には、図４（Ｂ）
に示されるように正解単語として「インタフェース」が
登録されていたとすると図４（Ｅ）に示されるように抽
出された「インターフェイス」及び「インターフェー
ス」は、距離の小さい正解単語辞書１４の「インタフェ
イス」を正解単語する。このため、図４（Ａ）に示され
る文書は図４（Ｆ）に示すように「インタフェース部の
速度性能の向上を・・・ユーザ・インタフェースを手に
入れています。」のように校正される。

【００２３】以上、本実施例によれば、単語辞書１４に
は正解単語のみを記憶すればよいため、単語辞書の容量
を減少させることが出来る。また、単語ペアを生成し、
抽出単語と、正解単語とを比較できるため、単語の比較
検討が行える。図５に本発明の第１実施例の変形例の動
作説明図を示す。

【００２４】本変形例は、請求項２の実施例に相当し、
文字単位のマッチングを行う際に文字の完全一致のみで
なく文字の構成要素による得点付け（類似度の算出）を
行い、付与された得点に応じて正解となる単語を求める
ものである。得点付けは、文字の全体構成型（偏傍型
等）、「偏」の構成、「傍」の構成等の一致・不一致を
比較し、一致なら「１」、不一致なら「０」を得点とし
て付与することで実現される。

【００２５】例えば、「観光」と「勧光」という文字が
入力された場合、「光」が一致しているので、マッチン
グの候補として上げられる。次に、異なる文字である
「観」と「勧」との比較が行われる。文字の比較は、
「観」の全体構成の型である偏傍型と、「勧」の全体構
成型である偏傍型とを比較することにより行われる。こ
こでは、同一の型であるため、「１」が付与される。ま
た、「偏」の構成の「かん」が同一であるため、「１」
が付与される。さらに、「傍」の構成の「見」と、
「力」とは互いに異なるため、「０」が付与される。こ
こで、付与された得点を加算し、総得点を算出する。

【００２６】算出された総得点は、予め設定された、類
似と判断しうる所定の得点と比較され、算出された総得
点が例えば、「２」以上のときには、互いに同一の文字
であると判断する。上記、「観」と「勧」では、総得点
は「２」であるため、互いに同一であると判断される。
したがって、「観光」と「勧光」とが一致するものとし
て判別される。

【００２７】図６に本発明の第２実施例のブロック構成
図を示す。同図中、図１と同一構成部分には同一符号を
付し、その説明は省略する。本実施例は、請求項３、４
の実施例に相当し、図２に示す第１実施例とは、類似単
語検出部２２の構成が異なる。本実施例の類似単語検出
部２２は、語彙抽出部１１で抽出された単語をカテゴリ
化するカテゴリ化部２３、カテゴリ化部２３でカテゴリ
化された単語群より正解単語を判定する正解単語判定部
２４より構成される。

【００２８】図７に本発明の第２実施例のカテゴリ化部
のブロック構成図を示す。カテゴリ化部２３は、語彙抽
出部１１で抽出された単語のペアを生成する単語ペア生
成部２５、単語ペア生成部２５で生成された単語ペアの
うち非類似度が所定の値より高い単語ペアを判定する類
似度判定部２６、類似度判定部２６で判定された単語ペ
アをグループ化するグループ化処理部２７より構成され
る。

【００２９】類似度判定部２６は、単語ペア生成部２５
で生成された単語ペアの同一文字を非類似度「０」、異
なる文字数、及び、同一の文字間の距離に応じて非類似
度が増加するように非類似度を設定し、設定された非類
似度が所定値より小さい、つまり、類似度が所定値より
高いときに単語ペア生成部２５で生成された単語ペアを
互いに類似した単語ペアとして判定する。

【００３０】図８に本発明の第２実施例のカテゴリ化部
の動作説明図を示す。語彙抽出部１１で「インターフェ
ース」及び「インタフェイス」が抽出され、単語ペア生
成部２５で単語ペアとされた場合、類似度判定部２６で
は、まず、「インターフェース」と、「インタフェイ
ス」とで、互いに異なる文字である「ー」と、「ー」及
び「イ」の２つの相違に相当する「２」を非類似度とす
る。次に、類似度判定部２６は、求められた非類似度
「２」が、予め設定された非類似度より小さいか否かを
判断する。非類似度は、互いに類似する単語間の距離を
示し、同一の単語であると判断する距離が設定される。
ここでは、例えば、非類似度が「４」以下を互いに類似
する単語として判別するものとする。

【００３１】類似度判定部２６は、単語ペア生成部２５
で生成された単語ペアの非類似度が「４」以下で、互い
に類似する単語として判断すると類似すると判断した単
語ペアをグループ化処理部２７に供給する。グループ化
処理部２７は、類似度判定部２６で類似と判断された単
語を同一のグループとしてグループ化する。したがっ
て、「インターフェース」と「インタフェイス」とは同
一のグループとしてグループ化される。

【００３２】グループ化処理部２７でグループ化された
単語群は正解単語判定部２４に供給される。正解単語部
２４ではグループ化処理部２７から供給された単語群か
ら出現頻度の最も多い単語を正解単語とする。正解単語
判定部２４で判定された正解単語は正解単語が含まれる
単語群とセットで単語置換部１３に供給される。

【００３３】単語置換部１３にはテキストが供給される
と共に、正解単語判定部２４から正解単語が供給され、
テキスト中の正解単語と同一の単語群に含まれる単語を
正解単語に変換する。図９に本発明の第２実施例の動作
説明図を示す。図９（Ａ）に示すようなテキストが入力
され、図９（Ｂ）に示すように単語に分解された場合、
図９（Ｃ）に示されるように類似度が所定値以下の「イ
ンターフェイス」と「インターフェース」とが同一のカ
テゴリに分類される。このとき、「インターフェイス」
の出現頻度は「２」、「インターフェース」の出現頻度
は「１」であるため、出現頻度の高い「インターフェイ
ス」が正解単語とされる。

【００３４】このため、図４（Ａ）に示されるテキスト
は、図９（Ｂ）に示されるように「インターフェイス部
の速度性能の・・・ユーザ・インターフェイスを手に入
れています。」に校正する。以上のように本実施例によ
れば、テキスト中の互いに類似し、異なる文字列を持つ
単語をそのなかで最も多く出現する単語で置換すること
によりテキストの校正を行うため、単語辞書が不要にな
る。

【００３５】図１０に本発明の第２実施例の第１変形例
の動作説明図を示す。本変形例は、請求項５の実施例に
相当しており、ここでは、図１０（Ａ）に示されるよう
な「ダンプ関数は内部テーブル項目を・・・一部実行さ
れないことがある。」というテキストが供給されるもの
とする。本実施例では、図１０（Ｂ）に示されるように
上記テキストで互いに「主語」、「述語」のようにかか
り受けを持つ単語を抽出する。

【００３６】例えば、「ダンプ関数」、「プログラム」
は「書き出す」の「主語」となっている。また、「内部
テーブル項目」、「データ」は、「書き出す」の「述
語」となっている。したがって、主語と述語とによりカ
テゴリ化を行えば、図１０（Ｃ）に示すように「ダンプ
関数」と「プログラム」とが、「主語」という同一のカ
テゴリとしてカテゴリ化され、図１０（Ｄ）に示すよう
に「内部テーブル項目」と「データ」とが、「述語」と
いう同一のカテゴリとしてカテゴリ化される。このよう
に、単語同士の統語的関係（例えば、主語と述語）を抽
出し、カテゴリ化することにより、異なる表記の単語の
校正も可能となり、例えば、図１０（Ａ）に示されるテ
キストは、図１０（Ｅ）に示されるように校正される。

【００３７】図１１に本発明の第２実施例の第２変形例
の動作説明図を示す。本変形例は、請求項６の実施例に
相当する。本変形例では、単語辞書として訳語辞書を有
し、訳語辞書に図１１（Ｂ）に示すように「機械翻訳」
に対して「ｍａｃｈｉｎｅｔｒａｎｓｌａｔｉｏ
ｎ」、「計算機」に対して「ｃｏｍｐｕｔｅｒ」などの
ように原語と訳語の関係を記述しておき、訳語が同一の
ものを同一のカテゴリとする。

【００３８】例えば、図１１（Ａ）に示すように「機械
翻訳という・・・実験を行っている。」というテキスト
が供給されたとすると、図１１（Ｂ）に示される日英辞
書により「計算機」と「コンピュータ」とがともに「ｃ
ｏｍｐｕｔｅｒ」と翻訳されるため同一のカテゴリとさ
れる。ここで、同一のカテゴリの単語「計算機」と「コ
ンピュータ」とをともに同一の単語「計算機」に校正す
ることにより図１１（Ａ）に示されるテキストは図１１
（Ｄ）に示されるように校正されたテキストを得ること
が出来る。

【００３９】

【発明の効果】上述の如く、本発明の請求項１によれ
ば、テキスト中の単語群を抽出し、抽出した単語と正解
単語との類似度を算出し、算出された類似度に応じて抽
出単語に対応する正解単語を検索し、テキスト中の単語
を正しい単語に置き換えることにより、誤った単語を正
しい単語に校正するため、正解単語のみの辞書を持って
いれば良くメモリの容量を大幅に削減できる等の特長を
有する。

【００４０】請求項２によれば、抽出単語と正解単語を
構成する文字の部品間の類似度を算出することにより、
高精度のマッチングが可能となる等の特長を有する。請
求項３によれば、単語間類似度算出部により抽出された
単語間の類似度を算出し、算出された類似度に応じて互
いに類似する単語を単語群に分類し、分類された単語群
のなかの単語から正解単語を設定することにより、正解
単語辞書を持つ必要がないため、装置の構成を簡単にで
きる等の特長を有する。

【００４１】請求項４によれば、出現頻度の高い単語を
正解単語とすることにより正解単語と思われる単語を比
較的容易に求めることが出来る等の特長を有する。請求
項５よれば、単語を統語的関係に応じて分類することに
より例えば、主語の単語と述語の単語とを分類しての校
正を行うことが出来るため、より高度な校正作業を実現
できる等の特長を有する。

【００４２】請求項６によれば、異なる入力単語でも同
一の同義語の単語は同一のカテゴリに分類され、同じ正
解単語に校正できるため、より高度な校正作業を実現で
きる等の特長を有する。

【図面の簡単な説明】

【図１】本発明の原理図である。

【図２】本発明の第１実施例のブロック構成図である。

【図３】本発明の第１実施例の語彙抽出部の動作説明図
である。

【図４】本発明の第１実施例の動作説明図である。

【図５】本発明の第１実施例の変形例の動作説明図であ
る。

【図６】本発明の第２実施例のブロック構成図である。

【図７】本発明の第２実施例のカテゴリ化部のブロック
構成図である。

【図８】本発明の第２実施例のカテゴリ化部の動作説明
図である。

【図９】本発明の第２実施例の動作説明図である。

【図１０】本発明の第２実施例の第１変形例の動作説明
図である。

【図１１】本発明の第２実施例の第２変形例の動作説明
図である。

【図１２】従来の一例のブロック構成図である。

【図１３】従来の一例の動作説明図である。

【符号の説明】

１単語群抽出部２単語ペア生成部３単語置換部１０文書校正装置１１語彙抽出部１２類似度検出部１３単語置換部１４正解単語辞書１５類似度判定部１６辞書検索部

───────────────────────────────────────────────────── フロントページの続き (72)発明者颯々野学神奈川県川崎市中原区上小田中1015番地富士通株式会社内 (72)発明者小川知也神奈川県川崎市中原区上小田中1015番地富士通株式会社内

Claims

【特許請求の範囲】

【請求項１】正解とする単語を登録した正解単語辞書
と、テキスト中の構成単語を抽出する構成単語抽出部と、前記構成単語抽出部で抽出された抽出単語と前記正解単
語辞書に登録された正解単語との類似度を算出する類似
度算出部と、前記類似度算出部で算出された類似度に応じて前記抽出
単語を前記正解単語に置き換える単語置き換え部とを有
することを特徴とする文章校正装置。
【請求項２】前記類似度算出部は、前記抽出単語と前記
正解単語を構成する文字の部品間の類似度を算出するこ
とを特徴とする請求項１記載の文書校正装置。
【請求項３】テキスト中の構成単語を抽出する構成単語
抽出部と、前記構成単語抽出部で抽出された抽出単語間の類似度を
算出する単語間類似度算出部と、前記単語間類似度算出部で算出された類似度に応じて前
記抽出単語を類似単語群に分類する単語分類部と、前記単語分類部で分類された類似単語群毎に正解単語を
設定する正解単語設定部とを有することを特徴とする文
章校正装置。
【請求項４】前記正解単語設定部は、前記単語分類部で
分類された類似単語群のうち出現頻度が最も高い単語を
前記正解単語として設定することを特徴とする請求項３
記載の文章校正装置。
【請求項５】前記単語分類部は、前記抽出単語の統語的
関係に応じて前記単語を分類することを特徴とする請求
項３又は４記載の文章校正装置。
【請求項６】前記単語分類部は、同義語辞書を有し、前
記抽出単語を該同義語辞書により同義語に変換し、同一
の同義語を有する単語を同一の類似単語群に分類するこ
とを特徴とする請求項３又は４記載の文書校正装置。