JPH09212509A - 単文類似度計算装置 - Google Patents

Abstract

(57)【要約】 【課題】 容易に単文類似度の特性を変更することがで
きる単文類似度計算装置を提供する。 【解決手段】 構文解析部４は入力された原文と参照文
の構文構造を解析し、これらの構文構造に基づいて、主
辞類似度計算部６は原文と参照文の主辞の類似度を求
め、構文構造類似度計算部７は原文と参照文の構文構造
の類似度を求め、構成単語類似度計算部８は原文と参照
文の構成単語の類似度を求める。単文類似度計算部１２
は、重み付け設定部１４を介して入力された各類似度の
重み値に基づいて単文類似度を求める。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、翻訳装置、情報検
索装置等において、２つの文の類似度を求める単文類似
度計算装置に関する。

【０００２】

【従来の技術】翻訳装置等では、入力された文（原文）
を認識するために、原文の構文構造を求め、求めた原文
の構文構造と予め用例データベース等に登録しておいた
文（参照文）の構文構造とを類似度計算装置等を用いて
比較し、原文に近い参照文を選択するようになってい
る。

【０００３】例えば特開平３−２７６３６７号公報に開
示されている翻訳方式では入力された原言語の文（原
文）の構造を解析して木状の依存構造（構文構造）を求
め、求めた依存構造と用例データベース中の用例文（参
照文）の依存構造の類似度を求め、原言語に最も近い用
例文を選択し、選択した用例文に対応する目的言語の文
に基づいて翻訳文を作成するようになっている。

【０００４】構文構造は、部分依存構造であり、属性値
（格フレーム、否定、相、法、態及び名詞、動詞の意味
的な情報）のリストとして表されている。このため、こ
のような構文構造から類似度を求める類似度計算装置で
は、各属性値毎に原文の構文構造と参照文の構文構造の
距離を求め、予め設定した各属性値の重みに従って各属
性値毎の距離を合成して総合的な類似度を求めるように
なっている。

【０００５】

【発明が解決しようとする課題】上述のような類似度計
算装置では、総合的な類似度を求める計算式、各属性値
の重み等は、システムの設計者が装置の設計時に設定す
るようになっている。

【０００６】例えば情報検索装置の場合には構成単語間
の類似度が特に重要となり、また、例えば翻訳装置等の
類似単語を用いた言い方の同じ参照文を用いることがで
きる場合には構成単語間の類似度の他に構文類似度が重
要となるため、類似度の計算式、各属性値の重み等を変
更することが望まれるが、これらの値をシステムの設計
時に設定している場合には、ユーザが容易に設定を変更
することができなかった。

【０００７】また、従来の類似度計算装置では、直接ユ
ーザが類似度等を直接確認することが考慮されておら
ず、各々の類似度の値が０．５、１、１．２、３．５等
といった直感的な理解が困難な数値となっている。この
ため、ユーザがこのような値だけで類似度を理解するこ
とが困難であった。

【０００８】本発明は上述のような問題点に鑑みてなさ
れたものであり、ユーザが容易に類似度の特性を変更す
ることができる単文類似度計算装置を提供することを目
的とする。また、本発明はユーザが容易に類似度の値の
意味を理解することができる単文類似度計算装置を提供
することを目的とする。

【０００９】

【課題を解決するための手段】本発明に係る単文類似度
計算装置は、外部から供給される第１の文と第２の文の
構文構造を求める構文解析手段と、各々第１の文と第２
の文の類似度のパラメータを求める複数のパラメータ計
算手段と、各パラメータ計算手段により求めた類似度の
パラメータの重み値を設定する重み値設定手段と、重み
値設定手段により設定された各パラメータの重み値に基
づいて、各パラメータから第１の文と第２の文の総合的
な類似度を求める合成手段とを備えている。

【００１０】少なくとも複数のパラメータ計算手段の内
の１つが、第１の文と第２の文の主辞の類似度又は第１
の文と第２の文の構文構造の類似度又は第１の文と第２
の文の構成単語の類似度の内、いずれか１つのパラメー
タを算出する構成としてもよい。また、合成手段により
求めた総合的な類似度を百分率で表示する表示手段を備
える構成としてもよい。

【００１１】

【発明の実施の形態】本発明の一実施形態に係る単文類
似度計算装置は、図１に示すように、外部から供給され
た原文（第１の文）及び参照文（第２の文）の構文構造
を抽出する構文構造抽出部ｙ１と、第１の文と第２の文
の構文構造から主辞の類似度、構文の類似度、構成単語
の類似度等を計算する類似度計算部ｙ２と、各々の類似
度から総合的な類似度を求める類似度合成部ｙ３とから
構成される。このような単文類似度計算装置は、情報検
索システム、機械翻訳システム、用例ベース推論、故障
診断支援等において辞書データベース等に登録されてい
る文と入力された文との比較を行うために用いられる。

【００１２】この図１に示すように、上述の構文構造抽
出部ｙ１は、入力される第１及び第２の文を保持する第
１及び第２の日本語単文保持部１、２と、第１及び第２
の文の構文構造を解析する構文構造解析部３と、第１及
び第２の構文構造を保持する構文構造保持部４、５とを
備えている。

【００１３】類似度計算部ｙ２は、第１及び第２の文の
主辞の類似度を求める主辞類似度計算部６と、第１及び
第２の文の構文の類似度を求める構文類似度計算部７
と、第１及び第２の文の構成単語の類似度を求める構成
単語類似度計算部８と、主辞類似度を保持する主辞類似
度保持部９と、構文類似度を保持する構文類似度保持手
段１０と、構成単語類似度を保持する構成単語類似度保
持部１１とを備えている。

【００１４】類似度合成部ｙ３は、各類似度毎に独立に
設定される重み値に基づいて総合的な類似度を求める単
文類似度計算部１２と、単文類似度を保持する単文類似
度保持部１３と、外部から供給される指示に基づいて各
類似度毎の重み値を設定する重み付け設定部１４を備え
ている。

【００１５】上述の図１に示す主辞類似度計算部６は、
さらに図２に示すように、第１及び第２の文から主辞を
抽出する主辞抽出部６ａと、抽出された各々の主辞の類
似度を計算する単語類似度計算部６ｂとを備えている。
ここで主辞とは、構文構造内の係り受け構造の受け側の
単語のことであり、単文の場合は述語（動詞）が主辞と
なるが、例えば「私の本」のような文節の場合では受け
る側の名詞である「本」が主辞となる。

【００１６】また、構文類似度計算部７は、さらに図３
に示すように、第１及び第２の文の構文構造中の格フレ
ーム数を計数する格フレームカウント部１６と、第１の
文と第２の文で共通の格フレーム数を検出する共通格フ
レームカウント部１７と、第１及び第２の文の格フレー
ム数を保持する第１及び第２の格フレーム数保持部１
８、１９と、共通の格フレーム数を保持する共通格フレ
ーム数保持部２０と、各々の格フレーム数に応じて第１
の文と第２の文の構文類似度を求める構文類似度計算部
２１とを備えている。

【００１７】構成単語類似度計算部８は、さらに図４に
示すように、第１の文と第２の文とで共通の格フレーム
を抽出する共通格フレーム抽出部２３と、単語類似度計
算部２４と、単語類似度累算部２５とを備えている。

【００１８】上述のように構成された単文類似度計算装
置に第１及び第２の文が供給されると、供給された第１
及び第２の文は各々第１及び第２の日本語単文保持部
１、２に保持される。構文解析部３は、第１及び第２の
日本語単文保持部１、２に保持された第１及び第２の文
を読み出し、各々の文の構文構造を解析し、解析した第
１及び第２の文の構文構造を各々第１及び第２の構文構
造保持部４、５に供給する。例えば第１あるいは第２の
文が「家でご飯を食べる」であった場合、構文解析部３
による解析結果は「食べる（で／家、を／ご飯）」とな
る。ここで、「食べる」は文の主辞であり、「で」と
「を」は格フレーム、「家」と「ご飯」はそれぞれ格フ
レームに属する単語である。

【００１９】上述のように第１及び第２の構文構造保持
部４、５に第１及び第２の文の構文構造が供給される
と、主辞類似度計算部６の主辞抽出部６ａは第１及び第
２の構文構造保持部４、５に保持されている第１及び第
２の文の構文構造から各々の主辞となる単語を抽出し、
抽出した主辞を単語類似度計算部６ｂに供給する。この
単語類似度計算部６ｂは、例えば”Calculating Word S
imilarity based on Common Attribute，Total Semanti
c Distance and Concept frequency”:Jin CUI,Hiroshi
YASUHARA ,6th International Conference on Human-C
omputer Interaction HCI'95において提案されている単
語の概念、概念の頻度、上位概念等を用いた単語類似度
計算方法等により第１及び第２の分の主辞の類似度を求
めて主辞類似度保持部９に供給する。

【００２０】一方、第１及び第２の文の構文構造が求め
られると、構文類似度計算部７の格フレームカウント部
１６は第１及び第２の文の構文構造中の格フレーム数を
計数し、各々第１及び第２の格フレーム数保持部１８、
１９に供給する。このとき、共通格フレームカウント部
１７は、第１及び第２の文で共通の格フレーム数を検出
し、共通格フレーム数保持部２０に供給する。ここで、
共通の格フレームとは、構文構造上で同様の役割を果た
す共通の格フレームのことであり、必ずしも同一ではな
い。例えば上述の格フレーム「で／家」の代わりに「で
／レストラン」等であってもよい。

【００２１】構文類似度計算部２１は第１及び第２の格
フレーム数保持部１８、１９及び共通格フレーム数保持
部２０に保持されている各々の格フレーム数に応じて第
１の文と第２の文の構文類似度を求め、構文類似度保持
部１０に供給する。この構文類似度は次式により求め
る。

【００２２】 構文類似度＝共通する格フレーム数／（第１の文の格フレーム数＋第２の文の 格フレーム数） ・・・式１ また、構成単語類似度計算部８の共通格フレーム抽出部
２３は第１及び第２の文で共通の格フレームを抽出して
単語類似度計算部２４に供給する。単語類似度計算部２
４は共通の格フレームの単語の類似度を求める。単語類
似度累算部２５は、共通格フレーム抽出部２３によって
抽出された全ての格フレームに対する単語の類似度を積
算し、求めた積算値を構成単語類似度保持部１１に供給
する。

【００２３】具体的には、この構成単語類似度を求める
処理は、図５に示すフローチャートに従って行われる。
すなわち、ステップＳ１において単語類似度累算部２５
が累算値をリセットする。続くステップＳ２において共
通格フレーム抽出部２３が第１及び第２の文中で共通の
格フレームを抽出する。そして、ステップＳ３において
単語類似度累算部２５は共通の格フレームが存在するか
否かを判定し、共通の格フレームが存在すればステップ
Ｓ４に進み、共通の格フレームが無ければ構成単語類似
度の計算を終了する。

【００２４】ステップＳ４において単語類似度計算部２
４は、共通格フレーム抽出部２３により抽出した共通の
格フレームの単語の類似度を求める。続くステップＳ５
において単語類似度累算部２５は、単語類似度計算部２
４からの単語類似度を累算してステップＳ２に戻る。こ
れにより、共通格フレーム抽出部２３により全ての共通
格フレームが抽出されるまでの間、ステップＳ２〜ステ
ップＳ５の処理が繰り返され、ステップＳ３において共
通格フレームが無いと判定すると、単語類似度累算部２
５は構成単語類似度の計算を終了し、累算値を構成単語
類似度として構成単語類似度保持部１１に供給する。

【００２５】上述のように各々の類似度が求められ、主
辞類似度保持部９、構文類似度保持手段１０及び構成単
語類似度保持部１１に各々の類似度が供給されると、単
文類似度計算部１２は重み付け設定部１４により各類似
度毎に独立に設定される重み値に基づいて２つの文の総
合的な単文類似度を求め、単文類似度保持部１３に供給
する。この単文類似度は次式により求める。

【００２６】 単文類似度＝１−ｅｘｐ｛−［Ｗ（主辞）×主辞類似度＋Ｗ（構文）×構文類 似度＋Ｗ（構成単語）×構成単語類似度］｝ ・・・式２ この式２は成長曲線（又は飽和曲線）に基づいて設計し
たものである。ここで、右辺第２項のｅｘｐ（ｘ）は、
自然対数の底ｅのｘ乗を示している。また、Ｗ（主
辞）、Ｗ（構文）、Ｗ（構成単語）は各々主辞類似度、
構文類似度、構成単語類似度の重み値である。これらの
重み値は、ユーザが上述の重み付け設定手段Ｗ１を介し
て、各々０〜∞（無限大）までの範囲内で任意に設定す
ることができるようになっている。しかしながら、実際
には計算上の限界があり、また、あまり大きな値である
と重み値と類似度の積が大きくなり過ぎて、式２の右辺
第２項が０に近くなってしまう。このため、実際の文を
幾つか入力したときの単文類似度を求めて、重み値を設
定する。

【００２７】例えば情報検索等において２つの文の類似
度を求めるような場合には、同義語があるか否かが最も
重要となるため、構成単語類似度が特に重要となり。こ
のような場合には、構成単語類似度の重み値を他の２つ
に比較して重く、すなわち値を大きくする。

【００２８】また、翻訳装置では、例えば「犬」を主語
とする動作を示す文を翻訳するときに、「猫」を主語と
する翻訳例（参照文）を参照することができるが、参照
文の構文構造が原文と近似である必要がある。このよう
な場合では、構成単語類似度の他に構文類似度をも重視
する必要があるため、これらの類似度の重み値を大きく
する。

【００２９】この単文類似度装置では、上述したように
ユーザが容易に主辞類似度、構文類似度、構成単語類似
度の重み値を設定することができるため、単文類似度の
特性を容易に調整することができる。従って、用途に応
じた単文類似度の特性の変更が容易となり、装置の汎用
性を向上させることができる。

【００３０】上述の式２に示す単文類似度の値は２つの
文が全く異なる場合の０から２つの文が完全に一致する
場合の１までの間で変化する。このため、この単文類似
度を百分率で表すと、単文類似度が０％であるときは２
つの文が０％同じ、１００％であるときは２つの文が１
００％同じであると判断することができる。従って、こ
のように単文類似度を百分率で表すことによりユーザあ
るいは外部の機器は２つの文がどの程度類似しているか
を容易に把握することができる。

【００３１】また、上述のような単文類似度計算装置
は、図６に示すような構成の計算機システムにおいて制
御用ソフトウェアを実行することにより実現することが
できる。この計算機システムは、キーボード、ポインテ
ィングデバイス等からなる入力部３０と、ディスク装置
等からなるストレージデバイス３１と、ワークステーシ
ョン３２と、ディスプレイ装置等からなる表示部３３と
を備えている。

【００３２】このような計算機システムにおいて制御用
ソフトウェアを実行すると、この計算機システムは、図
７に示す機能ブロック図のように機能する。すなわち、
この計算機システムは上述の図１に示す単文類似度計算
装置と同様な構成及び機能を有する類似度計算部３４
と、計算機システム全体の制御を行うＯＳ（OperatingS
ystem）等の制御に応じて入力部３０からの入力、表示
部３３に表示する画像等を制御するＧＵＩ（Graphical
User Interface）制御部３５とを備えている。

【００３３】このＧＵＩ制御部３５は、入力部３０等か
ら供給される第１及び第２の文、各類似度の重み値等の
入力を制御すると共に、入力された第１及び第２の文、
各類似度の重み値及び類似度計算部３４によって求めら
れた単文類似度等を表示部３０に表示するための制御等
を行う入力／表示部３６を備えている。

【００３４】この入力／表示部３６は入力部３０等を介
して入力される第１及び第２の文、各類似度の重み値、
類似度計算部３４によって求められた単文類似度等に応
じた画像データを形成し、この画像データを表示部３３
に供給して画像を表示させる。この画像は図８に示すよ
うに、上述の第１及び第２の文を表示する第１及び第２
の文表示ウィンドウ４１、４２と、主辞類似度の重み値
Ｗ（主辞）、構文類似度の重み値Ｗ（構文）、構成単語
類似度の重み値Ｗ（構成単語）を示す第１から第３のイ
ンジケータ４３、４４、４５と、単文類似度を示す第４
のインジケータ４６等からなる。

【００３５】第１、第２及び第３のインジケータ４３、
４４、４５はそれぞれ環状の目盛り部４３ａ、４４ａ、
４５ａと、指針部４３ｂ、４４ｂ、４５ｂとから構成さ
れており、第４のインジケータ４６は棒状の目盛り部４
６ａと、指針部４６ｂとから構成されている。

【００３６】第１及び第２の文の類似度を求める際に、
図６に示す入力部３０を介してユーザから各類似度の重
み値が供給されると、図７に示す入力／表示部３６は、
供給された各類似度の重み値を類似度計算部３４に供給
すると共に、図８に示す各指針部４３ｂ〜４５ｂの先端
が各目盛り部４３ａ〜４５ａの各類似度の重み値に対応
する位置を指示するように画像データを更新し、更新し
た画像データを表示部３３に供給する。これにより、各
類似度の重み値に対応する画像が表示される。

【００３７】また、第１及び第２の文が供給されると、
入力／表示部３６は、供給された第１及び第２の文を類
似度計算部３４を構成する第１及び第２の日本語単文保
持部１、２に供給すると共に、第１及び第２の文表示ウ
ィンドウ４１、４２内に第１及び第２の文に応じた画像
が表示されるように画像データを更新し、更新した画像
データを表示部３３に供給する。これにより、第１及び
第２の文に応じた画像が表示される。

【００３８】そして、類似度計算部３４により第１の文
と第２の文の類似度が計算されると入力／表示部３６は
類似度計算部３４の単文類似度保持部１３から単文類似
度を読み出し、図８に示す指針部４６ｂの先端が、目盛
り部４６ａ上の単文類似度に対応する位置を指示するよ
うに画像データを更新し、更新した画像データを表示部
３３に供給する。これにより、単文類似度に対応する画
像が表示される。

【００３９】上述のように各類似度の重み値、単文類似
度に基づく画像を表示する構成とすれば、ユーザは表示
を見ることによって各類似度及び重み値、単文類似度を
容易に把握することができる。従って、表示を確認しな
がら各類似度の調整等を行うことにより、操作の間違い
を防止することができ、作業性を向上させることができ
る。また、ユーザは各類似度の重み値を変更した後、単
文類似度に基づく画像を確認することにより、各重み値
に応じた単文類似度の変化を確認することができる。

【００４０】なお、上述の実施形態では、主辞類似度、
構文類似度、構成単語類似度の３つの類似度の重み値を
変更する場合について説明したが、この他のパラメー
タ、例えば「〜である」、「〜であった」等の時制、
「〜である」、「〜でない」等の否定、あるいは相、
法、態等といったパラメータの類似度を、上述の各類似
度と同様にユーザからの入力に基づいて設定することが
できる構成とすることにより、単文類似度の特性を容易
に可変することができる。

【００４１】

【発明の効果】本発明に係る単文類似度計算装置では、
複数のパラメータ計算手段により求めた類似度の各パラ
メータ毎に独立に設定される重み値に基づいて、各パラ
メータから第１及び第２の文の総合的な類似度を求める
構成としているため、各類似度の重み値を可変すること
により、第１及び第２の文の類似度の特性を容易に調整
することができる。

【００４２】また、少なくとも複数のパラメータ計算手
段の内の１つが、第１の文と第２の文の主辞の類似度又
は第１の文と第２の文の構文構造の類似度又は第１の文
と第２の文の構成単語の類似度の内、いずれか１つのパ
ラメータを算出する構成とすることにより、類似度を求
めるための主要なパラメータを容易に変更することがで
きる。

【００４３】また、総合的な類似度を百分率で表示する
表示手段を設けることによりユーザが類似度を容易に把
握することができる。

【図面の簡単な説明】

【図１】 本発明の第１の実施形態に係る単文類似度計
算装置の構成を示すブロック図である。

【図２】 上記単文類似度計算装置を構成する主辞類似
度計算部の詳細な構成を示すブロック図である。

【図３】 上記単文類似度計算装置を構成する構文類似
度計算部の詳細な構成を示すブロック図である。

【図４】 上記単文類似度計算装置を構成する構成単語
類似度計算部の詳細な構成を示すブロック図である。

【図５】 上記構成単語類似度計算部の動作を説明する
ためのフローチャートである。

【図６】 制御用ソフトウェアにより本発明に係る単文
類似度計算装置を実現する計算機システムの構成を示す
ブロック図である。

【図７】 上記計算機システムの動作を示す機能ブロッ
ク図である。

【図８】 単文類似度の計算時に上記計算機システムを
構成する表示部に表示される画像を示す図である。

【符号の説明】

３ 構文解析部、６ 主辞類似度計算部、７ 構文類似
度計算部、８ 構成単語類似度計算部、１４ 重み付け
設定部、ｙ１ 構文構造抽出部、ｙ２ 類似度計算部、
ｙ３ 類似度合成部

Claims (3)

【特許請求の範囲】
1. 【請求項１】 外部から供給される第１文と第２の文の
   構文構造を求める構文解析手段と、 各々上記第１の文と第２の文の類似度のパラメータを求
   める複数のパラメータ計算手段と、 上記各パラメータ計算手段により求めた類似度のパラメ
   ータの重み値を設定する重み値設定手段と、 該重み値設定手段により設定された各パラメータの重み
   値に基づいて、各パラメータから第１の文と第２の文の
   総合的な類似度を求める合成手段とを備える単文類似度
   計算装置。
2. 【請求項２】 少なくとも上記複数のパラメータ計算手
   段の内の１つは、上記第１の文と第２の文の主辞の類似
   度又は第１の文と第２の文の構文構造の類似度又は第１
   の文と第２の文の構成単語の類似度の内、いずれか１つ
   のパラメータを求めることを特徴とする請求項１に記載
   の単文類似度計算装置。
3. 【請求項３】 さらに、上記合成手段により求めた総合
   的な類似度を百分率で表示する表示手段を備えることを
   特徴とする請求項１又は請求項２に記載の単文類似度計
   算装置。