JPH09190440A - 機械翻訳装置 - Google Patents

Abstract

(57)【要約】 【課題】 日本語文が、辞書に登録されている表記と異
なり、ひらがなで与えられた場合でも、辞書が引けるよ
うにすることにより、翻訳精度を向上させる。 【解決手段】 解析辞書４３ａに読み情報を格納してお
き、日本語文中の、ひらがなだけで構成された未登録語
について、読み検索部４２ｄによって読み情報中に一致
するものがないかを検索し（Ｓ１９）、一致するものが
あれば、見出し語と意味を対にして記憶する（Ｓ２
３）。記憶した対が複数あれば（Ｓ２７：ＹＥＳ）、適
語選択部４２ｆで、動詞の辞書に格納された格支配情報
を参照して、その格に来得る意味を持つ最も適した見出
し語を選択し（Ｓ２９）、その見出し語と未登録語を入
れ換える（Ｓ３１）。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、与えられた日本語
を他言語に翻訳する機械翻訳装置に関するものである。

【０００２】

【従来の技術】従来、原言語である日本語を目的言語で
ある他言語に翻訳する機械翻訳装置における大まかな処
理手順は次のようである。まず、原文として与えられた
日本語文を形態素解析し、次いでその日本語の構文を解
析し、さらに目的言語の訳語に変換し、最後に目的言語
の文を文法的に正しく生成する。これらの処理には、機
械翻訳装置が予め用意している基本辞書の他、使用者が
登録できるユーザ辞書や、専門的な用語が登録されてい
る専門用語辞書等の辞書が参照される。このうち、形態
素解析では、原文である日本語を、用意された各種の辞
書を参照しながら品詞毎に分解する。

【０００３】しかしながら、原文に使われる語の全てが
辞書に登録されているわけではない。従って、形態素解
析をした結果、どの辞書にも登録されていない、いわゆ
る未登録語が生じることがある。この未登録語には訳語
をつけることができないので、目的言語中に日本語のま
ま出力することになる。

【０００４】ところで、この未登録語は、辞書に全く登
録されていない語に限るものではない。即ち、辞書に登
録されている表記と異なる表記で書かれていると、辞書
が引けず、未登録語となる。例えば、辞書に登録されて
いる見出し語が「取り付け」である場合、原文中の「取
付け」に対して「取り付け」の辞書は引けない。「取付
け」で辞書が引けるためには、「取付け」という辞書を
別に登録するか、あるいは「取り付け」の異表記として
の見出し語「取付け」を辞書に登録する必要があった。
異表記として登録されていれば、見出し語以外の辞書情
報は「取り付け」と共有し、見出し語としての「取付
け」は「取り付け」と同じレベルで形態素解析時に参照
される。

【０００５】しかし、日本語では助詞や助動詞にひらが
なが使われるため、ひらがな表記の見出し語があまり多
いと、形態素解析の結果が複雑になったり、正しく形態
素解析できないことが考えられる。例えば、「実」に
「み」が異表記として登録されていると、「林檎のみ」
について、「林檎／のみ」と「林檎／の／実」の２通り
の結果が得られ、さらに「蚤」の異表記として「のみ」
が登録されていれば、「林檎蚤」も有り得る。これらの
複数の形態素解析結果から、正しい結果を一つ選択しな
ければならないので、処理も複雑になり、常に正しい結
果を得られるとは限らない。このため、辞書には、よく
使われるひらがな表記か、あるいは、ひらがなで登録し
ても形態素解析時に悪影響を及ぼさないと思われる語し
か、ひらがなの見出し語では登録しなかった。

【０００６】

【発明が解決しようとする課題】しかしながら、使用者
には、辞書の見出し語がどの表記で書かれているかがわ
からないため、別の表記なら翻訳できるものが、翻訳で
きない結果となることがある。特に、ひらがな表記につ
いては、前述したように辞書登録が少ないため、使用者
がたまたまひらがなで書いた場合、辞書が引けず、未登
録語として扱われることが多い。

【０００７】例えば、「取り付け」の辞書に「取付け」
が異表記として登録されていても、原文に「とりつけ」
と書かれていると、「取り付け」の辞書は引けない。つ
まり、「取り付け」あるいは「取付け」であれば翻訳で
きる文でも、「とりつけ」と書いてしまったために、翻
訳できないということがあった。

【０００８】この場合、本出願人によって出願された特
願平７−３２２９９７号に開示されているように、辞書
に読みの情報を持たせておき、形態素解析の結果、辞書
が引けずに未登録語とされた語のうち、ひらがなだけで
書かれている語については、その読みの情報から同じも
のを検索し、同じ読みを持つ語が辞書に登録されていた
場合には、その見出し語の辞書情報を使用して翻訳する
ことが考えられる。

【０００９】しかしながら、同じ読みを持つ同音異義語
が多数存在するような場合には、どの見出し語を使用す
ればよいかの判断が困難で、適切な見出し語が選択でき
ない問題があった。

【００１０】本発明は、上述した問題点を解決するため
になされたものであり、辞書に読みの情報を持たせてお
き、形態素解析の結果、辞書が引けずに未登録語とされ
た語のうち、ひらがなだけで書かれている語について
は、その読みの情報から同じものを検索し、同じ読みを
持つ語が辞書に登録されていた場合には、その見出し語
の辞書情報を使用して翻訳することにより、翻訳できな
い文を減らし、翻訳精度を向上させることを目的とす
る。

【００１１】

【課題を解決するための手段】この目的を達成するため
に、本発明の請求項１に記載の機械翻訳装置は、原言語
として与えられた日本語文を、目的言語としての他言語
文に翻訳するために必要な情報を格納した翻訳辞書と、
与えられた日本語文を、前記翻訳辞書に格納された情報
を参照しながら形態素解析する形態素解析手段と、前記
形態素解析手段によって形態素解析された日本語文を、
前記翻訳辞書に格納された情報を参照しながら目的言語
に翻訳するための文法ルールを格納した翻訳処理部とを
有し、さらに、前記翻訳辞書にはそれぞれの見出し語の
読み情報と意味とが格納されており、前記形態素解析手
段による形態素解析の結果、前記翻訳辞書に見出し語と
しての登録がなく、語の確定ができなかった部分につい
て、未登録語とする未登録語決定手段と、前記未登録語
決定手段により未登録語とされた語がひらがなだけで構
成されているか否かを判別する表記判別手段と、前記表
記判別手段によりひらがなだけで構成されていると判別
された未登録語について、その表記と一致する前記読み
情報を、前記翻訳辞書から検索する読み検索手段と、前
記読み検索手段による検索の結果、前記翻訳辞書中に未
登録語の表記と一致する読み情報を持つ見出し語が存在
した場合、その見出し語及び意味を記憶する辞書情報記
憶手段と、前記辞書情報記憶手段に記憶された見出し語
が複数存在する場合、最も適した見出し語を選択する適
語選択手段と、前記未登録語を、前記適語選択手段によ
って選択された見出し語と入れ換える見出し語入れ換え
手段とを有し、前記翻訳処理部における翻訳処理は、前
記見出し語入れ換え手段によって入れ換えられた見出し
語を使って行われるように構成されている。

【００１２】これによれば、与えられた日本語文を形態
素解析した結果、翻訳辞書になく、かつ、ひらがなだけ
で構成されている未登録語があれば、その表記と一致す
る読み情報をもつ語を翻訳辞書から検索し、検索の結果
複数の語が得られた場合には、最も適した語を選択し
て、前記未登録語をその選択された語に入れ換えて形態
素解析結果とし、翻訳精度を向上させる。

【００１３】また、請求項２に記載の機械翻訳装置は、
前記翻訳辞書に、用言の格支配情報が格納されており、
前記適語選択手段による見出し語の選択が、前記未登録
語と同じ日本語文中に存在する用言の前記格支配情報
と、前記辞書情報記憶手段に記憶された見出し語の意味
とを参照して行われるように構成されている。

【００１４】これによれば、ひらがなだけで構成されて
いる未登録語の表記と一致する読み情報をもつ語を翻訳
辞書から検索し、検索の結果複数の語が得られた場合に
は、同じ文中に存在する用言の格支配情報と、候補に挙
がった見出し語の意味とを参照して最も適した語を選択
して、前記未登録語をその選択された語に入れ換えて形
態素解析結果とし、翻訳精度を向上させる。

【００１５】

【発明の実施の形態】以下、本発明の実施の形態につい
て図面を参照して説明する。

【００１６】ここでは、原言語としての日本語文を目的
言語としての英語文に翻訳する日英機械翻訳装置を例に
して説明する。

【００１７】まず、図１を参照して、本実施形態の日英
機械翻訳装置全体の構成を説明する。翻訳の対象となる
日本語文や指示を入力するためのキーボード等の入力装
置１０と、ＣＲＴ等の出力装置５０とは、装置全体を制
御するための中央処理装置（ＣＰＵ）２０に接続されて
いる。

【００１８】記憶手段であるＲＡＭ３０は、ＣＰＵ２０
に接続され、入力された日本語文を記憶するための入力
バッファ領域３１と、翻訳結果の英語文を記憶するため
の出力バッファ領域３２と、ワークエリア３３とからな
る。

【００１９】プログラムや辞書等を格納するＲＯＭ４０
は、ＣＰＵ２０と接続され、各種処理を行うための制御
プログラム４１と、与えられた日本語文を形態素解析す
るための形態素解析手段としての形態素解析部４２と、
翻訳するためにシステムが予め用意した辞書を格納し
た、翻訳辞書としての辞書部４３と、辞書情報を参照し
ながら翻訳を進めるための文法ルールを格納した、翻訳
処理部としての文法部４４とからなる。

【００２０】形態素解析部４２は、与えられた日本語に
対して通常の形態素解析処理を行う第１形態素解析部４
２ａと、未登録語決定手段としての未登録語決定部４２
ｂと、表記判別手段としての表記判別部４２ｃと、読み
検索手段としての読み検索部４２ｄと、辞書情報記憶手
段としての辞書情報記憶部４２ｅと、適語選択手段とし
ての適語選択部４２ｆと、見出し語入れ換え手段として
の見出し語入れ換え部４２ｇとからなる。

【００２１】システムが、予めＲＯＭ４０内に用意して
いる辞書を、基本辞書と呼ぶ。本実施形態における基本
辞書は、辞書部４３であり、この辞書部４３は、解析辞
書４３ａと、変換辞書４３ｂと、生成辞書４３ｃとから
なる。

【００２２】解析辞書４３ａには、日本語の見出し語の
品詞や活用情報、接続情報等が格納されており、第１形
態素解析部４２ａにおいて日本語文を形態素解析する際
に参照されるほか、意味情報や格支配情報等、形態素解
析が終了した日本語文を構文解析するために必要な情報
も格納されており、これらの情報を参照しながら、文法
部４４において、日本語の構文解析が行われる。

【００２３】構文解析の後、日本語の単語と英語の単語
が対になった形で登録されている変換辞書４３ｂと、英
語の単語についての活用情報や生成位置の情報等が格納
された生成辞書４３ｃを参照しながら、文法部４４にお
いて英語として正しい翻訳文が生成される。

【００２４】さらに、外部記憶装置６０が、ＣＰＵ２０
と接続され、使用者が希望に応じて用意する専門用語辞
書や、使用者が翻訳結果に反映させるために自ら作成す
るユーザ辞書等を格納する。

【００２５】図２は、本実施形態における解析辞書４３
ａの内容の一部を模式的に示した図であり、図２（ａ）
は名詞、図２（ｂ）は動詞の辞書を示す。

【００２６】図２（ａ）に示すように、この名詞の解析
辞書４３ａには、通常の形態素解析時に参照される情報
の一部として、見出し語、異形語、意味、品詞の各情報
が格納されているほか、見出し語の読みの情報が格納さ
れている。

【００２７】また、図２（ｂ）に示すように、この動詞
の解析辞書４３ａには、情報の一部として、見出し語、
異形語、品詞、格支配の各情報が格納されている。格支
配情報とは、見出し語の動詞がどの様な格を取るかを説
明したものであり、例えば、図２（ｂ）における「使
う」は、「（人）が（道具）を使う」というように使わ
れることを示している。ここでは、動詞の解析辞書４３
ａの例を示したが、動詞以外の用言である形容詞や形容
動詞の場合も、同様の構造になっている。

【００２８】異形語に登録されている語は、表記以外の
辞書情報は見出し語と共有するが、形態素解析時に表記
だけは独立した見出し語のように参照される。つまり、
入力文における表記が「眼鏡」「めがね」「メガネ」の
いずれであっても、形態素解析時には「眼鏡」の辞書が
引けて、「眼鏡」の辞書情報を参照しながら翻訳処理が
行われる。

【００２９】次に、本実施形態の形態素解析の処理につ
いて、図３のフローチャートを参照しながら説明する。

【００３０】まず、翻訳の対象となる日本語文が与えら
れ、入力装置１０から翻訳実行の命令が与えられると、
第１形態素解析部４２ａにおいて、解析辞書４３ａに格
納された見出し語や活用情報、接続情報等を参照しなが
ら通常の形態素解析が行われる（ステップ１１。以下、
ステップをＳと略す）。この結果、与えられた日本語文
全体が、辞書にある語で構成されていれば（Ｓ１３：Ｎ
Ｏ）、形態素解析は終わる。例えば、与えられた日本語
文が、「私が錐を使う」である場合、形態素解析結果は
図４（ａ）のようになる。

【００３１】ここで、与えられた日本語文が「私がきり
を使う」である場合、形態素解析結果は図４（ｂ）のよ
うになる。図４（ｂ）において「きり」は、辞書が引け
なかったために品詞が決まらなかった状態にあることを
示している。この様に日本語文中に辞書にない語がある
と（Ｓ１３：ＹＥＳ）、その語（ここでは「きり」）は
未登録語として認識される。次いで、その未登録語を、
未登録語決定部４２ｂにおいて名詞とする（Ｓ１５）。
これは、品詞が決まっていないと、その後の日本語の構
文解析ができないため、便宜的に、活用しない品詞に設
定するものである。

【００３２】その後、表記判別部４２ｃにおいて、未登
録語がひらがなだけでできているか否かを調べる。未登
録語中にひらがな以外の文字が含まれていたら（Ｓ１
７：ＮＯ）、その未登録語は辞書にない名詞として処理
されることとなり、そのまま形態素解析は終わる。未登
録語が「きり」のように、ひらがなだけで構成されてい
たら（Ｓ１７：ＹＥＳ）、読み検索部４２ｄによって、
解析辞書４３ａに格納された読み情報中にその表記と一
致するものがないか否かを検索する（Ｓ１９）。この
時、既に未登録語の品詞を名詞に決定しているので、検
索対象を名詞に限ることができ、余分な検索作業を防ぐ
ことができる。検索の結果、辞書中に同じ読みを持つ語
が見つからなかったら（Ｓ２１：ＮＯ、Ｓ２５：Ｎ
Ｏ）、その未登録語は辞書にない名詞として処理され、
そのまま形態素解析は終わる。

【００３３】検索の結果、辞書中に未登録語の表記と同
じ読みを持つ語が発見された場合（Ｓ２１：ＹＥＳ）、
その語についての辞書の見出し語と意味が、辞書情報記
憶部４２ｅにより記憶される（Ｓ２３）。例えば、図２
（ａ）に示す辞書を検索して、「きり」と同じ読みを持
つ「桐」が見つかった場合には、（桐−植物）の組が記
憶される。その後、更に検索が続けられ、未登録語の表
記と同じ読みを持つ語が更に存在すれば（Ｓ２１：ＹＥ
Ｓ）、同様に見出し語と意味が記憶される（Ｓ２３）。

【００３４】以上のように、未登録語の表記と同じ読み
を持つ語が存在しなくなるまで図２（ａ）に示す辞書の
検索を繰り返し、終了したときには、例えば、図４
（ｃ）に示すように、（桐−植物）、（霧−現象）、
（錐−道具）の組が辞書情報記憶部４２ｅに記憶されて
いることになる。

【００３５】検索が終了し、辞書情報記憶部４２ｅに記
憶された組が一組だけであるときは（Ｓ２７：ＮＯ）、
他に候補となる見出し語がないということなので、見出
し語入れ換え部４２ｇによってその見出し語と未登録語
が入れ換えられ（Ｓ３１）、形態素解析は終わる。

【００３６】辞書情報記憶部４２ｅに記憶された組が複
数ある時は（Ｓ２７：ＹＥＳ）、それら複数の候補の中
から最も適した見出し語を選択しなければならない。

【００３７】この適語選択処理を、図５のフローチャー
トに基づいて説明する。適語選択部４２ｆにおいて、ま
ず、未登録語の含まれる文中に用言が存在するか否かを
調べる（Ｓ５１）。用言が存在しなければ（Ｓ５１：Ｎ
Ｏ）、その未登録語は辞書にない名詞として、形態素解
析を終了する。ここでは、未登録語部分である「きり」
が含まれる文である「私がきりを使う」には、用言であ
る動詞「使う」が存在する。このように用言が存在して
いれば（Ｓ５１：ＹＥＳ）、次に、未登録語の後に助詞
が接続しているか否かを調べる（Ｓ５３）。助詞が接続
していなければ（Ｓ５３：ＮＯ）、後述の用言の格支配
情報を参照することができないので、その未登録語は辞
書にない名詞として、形態素解析を終了する。ここで
は、「きり」に「を」が接続している。助詞が接続して
いれば（Ｓ５３：ＹＥＳ）、用言の解析辞書４３ａを参
照し、その接続している助詞についての用言の格支配情
報を調べる（Ｓ５５）。接続している助詞について、用
言の格支配情報が格納されていなければ（Ｓ５５：Ｎ
Ｏ）、その未登録語は辞書にない名詞として、形態素解
析を終了する。ここで、その文中に複数の用言が存在す
るときは、近い方の用言について調べればよい。ここで
は、未登録語に接続する助詞は、「を」であるので、解
析辞書４３ａの動詞「使う」の「を」の格支配情報を参
照する。すると、図２（ｂ）に示すように、「使う」の
「を」には道具が来ることがわかる。

【００３８】次に、記憶された複数の見出し語の中か
ら、格支配情報から得られた意味と同じ意味を持つもの
を探す（Ｓ５７）。例えば、ここでは、道具の意味を持
つ見出し語は「錐」であるので、「錐」が選択される。
記憶された複数の見出し語の中に、同じ意味を持つもの
がなかったり（Ｓ５７：ＮＯ）、同じ意味を持つものが
複数記憶されていた場合には（Ｓ５９：ＹＥＳ）、最も
適当なものを１つだけ選択することができないので、辞
書にない名詞として処理する。尚、同じ意味を持つもの
が複数記憶されていた場合には、任意の一つの候補を選
択するように構成してもよい。

【００３９】以上のような適語選択処理によって選択さ
れた見出し語を（Ｓ６１）、見出し語入れ換え部４２ｇ
によって入れ換える（Ｓ３１）。従って、「錐」と「き
り」が入れ換えられ、図４（ｄ）に示されるように、あ
たかも第１形態素解析部による通常の形態素解析で辞書
が引けたかのようになり、形態素解析が終わる。

【００４０】この後は、通常の翻訳処理が行われ、文法
部４４において解析、変換、生成の文法ルールが参照さ
れて、英語文が生成されるが、この処理の流れについて
は既知の技術であるので記述を省く。

【００４１】

【発明の効果】以上説明したことから明かなように、本
発明の請求項１に記載の機械翻訳装置によれば、形態素
解析の結果、未登録語と判断された語についても、ひら
がなで表記されていれば、辞書の読み情報を検索して、
もう一度形態素解析を試み、さらに、同じ読み情報を持
った同音異義語がある場合にも、最適な語を選ぶことが
できるので、システムが予め用意している辞書の表記と
異なる表記を使用者が使った場合でも、翻訳が可能とな
る。

【００４２】また、請求項２に記載の機械翻訳装置で
は、未登録語と同じ文中にある用言の格支配情報と、辞
書の読み情報の検索によって得られた複数の語の意味情
報とを参照して最適な語を決定するので、適切な語を確
実に選択することができ、翻訳精度を向上することがで
きる。

【図面の簡単な説明】

【図１】本実施形態の構成を示すブロック図である。

【図２】本実施形態における名詞及び動詞の解析辞書の
内容の一部を模式的に示した図である。

【図３】本実施形態の処理の流れを示すフローチャート
である。

【図４】本実施形態における各段階の形態素解析結果を
示した図である。

【図５】適語選択処理の処理の流れを示すフローチャー
トである。

【符号の説明】

２０ ＣＰＵ ４２ 形態素解析部 ４２ａ 第１形態素解析部 ４２ｂ 未登録語決定部 ４２ｃ 表記判別部 ４２ｄ 読み検索部 ４２ｅ 辞書情報記憶部 ４２ｆ 適語選択部 ４２ｇ 見出し語入れ換え部 ４３ 辞書部 ４３ａ 解析辞書 ４３ｂ 変換辞書 ４３ｃ 生成辞書 ４４ 文法部

Claims (2)

【特許請求の範囲】
1. 【請求項１】 原言語として与えられた日本語文を、目
   的言語としての他言語文に翻訳するために必要な情報を
   格納した翻訳辞書と、 与えられた日本語文を、前記翻訳辞書に格納された情報
   を参照しながら形態素解析する形態素解析手段と、 前記形態素解析手段によって形態素解析された日本語文
   を、前記翻訳辞書に格納された情報を参照しながら目的
   言語に翻訳するための文法ルールを格納した翻訳処理部
   とを有する機械翻訳装置において、 前記翻訳辞書には、見出し語の読み情報と意味とが格納
   されており、 前記形態素解析手段による形態素解析の結果、前記翻訳
   辞書に見出し語としての登録がなく、語の確定ができな
   かった部分について、未登録語とする未登録語決定手段
   と、 前記未登録語決定手段により決定された未登録語が、ひ
   らがなだけで構成されているか否かを判別する表記判別
   手段と、 前記表記判別手段により、ひらがなだけで構成されてい
   ると判別された未登録語について、その表記と一致する
   前記読み情報を、前記翻訳辞書から検索する読み検索手
   段と、 前記読み検索手段による検索の結果、前記翻訳辞書中に
   未登録語の表記と一致する読み情報を持つ見出し語が存
   在した場合、その見出し語及び意味を記憶する辞書情報
   記憶手段と、 前記辞書情報記憶手段に記憶された見出し語が複数存在
   する場合、最も適した見出し語を選択する適語選択手段
   と、 前記未登録語を、前記適語選択手段によって選択された
   見出し語と入れ換える見出し語入れ換え手段とを有し、 前記翻訳処理部における翻訳処理は、前記見出し語入れ
   換え手段によって入れ換えられた見出し語を使って行わ
   れることを特徴とする機械翻訳装置。
2. 【請求項２】 前記翻訳辞書には、用言の格支配情報が
   格納されており、前記適語選択手段による見出し語の選
   択は、前記未登録語と同じ日本語文中に存在する用言の
   前記格支配情報と、前記辞書情報記憶手段に記憶された
   見出し語の意味とを参照して行われることを特徴とする
   請求項１に記載の機械翻訳装置。