JPH10260984A - 辞書管理方法および辞書管理装置および辞書利用システム - Google Patents

Abstract

(57)【要約】 【課題】かな漢字変換や機械翻訳などの言語知識辞書の
構築支援が容易に行える辞書管理装置およびそれを用い
て自然言語処理の効率化が図れる辞書利用システムを提
供する。 【解決手段】ユーザにより、辞書登録候補語の抽出対象
となる既存および非既存の文書データを同定する情報が
指定されると、対象文書検出部２０１にて、この指定さ
れた情報を基に文書データを検出し、候補抽出部２０２
にて、この検出された文書データから辞書登録候補語を
抽出し、候補提示・登録部２０４にて、この抽出された
辞書登録候補語のうち予め指定された条件に基づき選択
された語、あるいは、抽出された辞書登録候補語を提示
して、これに対しユーザにより選択された語を辞書２０
５に登録する。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、例えば、かな漢字
変換や機械翻訳など、言語知識辞書を利用して所定の自
然言語処理を行う辞書利用システムおよび辞書の構築支
援を行う辞書管理装置に関する。

【０００２】

【従来の技術】最近、計算機への日本語の入力を行うＩ
ＭＥ（Ｉｎｐｕｔ Ｍｅｔｈｏｄ Ｅｄｉｔｏｒ）や、
文書を翻訳する機械翻訳システムなどが広く利用される
ようになってきている。この種のソフトウェアは、種々
の言語情報を含む辞書を利用している。ユーザは、その
ユーザの辞書に、固有の単語を入れることにより、例え
ば、かな漢字変換の変換精度を向上させることができ
る。

【０００３】しかし、この辞書への用語の登録は、人手
で行うには煩雑であり、これを簡略化するために、文書
入力時にユーザからのキー入力や選択処理の情報によ
り、自動的に辞書項目を登録する方式や、既存の文書を
指定して、その既存の文書を解析することにより、辞書
データを抽出するという方式が考案されてきた。

【０００４】

【発明が解決しようとする課題】ユーザの変換候補の選
択など、ユーザからの入力より辞書を作成するという方
式では、辞書の学習対象がユーザの入力文書のみである
という点から、学習の範囲が制約されるという問題があ
る。また、既存の文書を指定して、その文書より辞書デ
ータを学習するという方式では、この問題を解決できる
が、文書をいちいち指定する必要があるため、文書入力
を行う際に、必ずしも必要な文書に対してデータの抽出
が終了しているというわけでない。このように、従来の
技術では、必要なデータを必要となる時までに用意する
ためのワク組みがない。

【０００５】本発明は、このような辞書登録管理システ
ムの課題を解決するためになされたもので、その目的
は、非既存のデータを指定し、データを取得時に辞書デ
ータの抽出処理を行っておき、また、登録すべきデータ
とそうでないデータをそれとなく提示・選択することに
より、簡便に辞書データを登録・管理する（辞書の構築
支援）環境を提供する辞書管理装置を提供することにあ
る。

【０００６】また、文書ブラウザなど、ネットワーク上
のサイトやページを訪れたりする場合には、このサイト
より、言語処理に役立つ情報を入手・利用することによ
り、サイトに応じた処理のカスタマイズ化が可能な自然
言語処理装置を提供することを目的とする。

【０００７】

【課題を解決するための手段】本発明の辞書管理方法
は、自然言語処理に用いられる辞書の登録語を管理する
辞書管理方法において、予め指定された前記辞書への登
録候補語の抽出対象となる既存および非既存の文書デー
タを同定する情報を基に文書データを検出し、この検出
された文書データから前記登録候補語を抽出し、この抽
出された登録候補語と予め指定された条件に基づき前記
辞書の登録語を更新することにより、辞書構築支援が容
易に行え、自然言語処理の効率化が図れる。

【０００８】また、本発明の辞書管理方法は、自然言語
処理に用いられる辞書の登録語を管理する辞書管理方法
において、予め指定された前記辞書への登録候補語の抽
出対象となる既存および非既存の文書データを同定する
情報を基に文書データを検出し、この検出された文書デ
ータから前記登録候補語を抽出し、この抽出された登録
候補語を提示して、この提示された登録候補語に対する
ユーザによる選択結果に応じて前記辞書の登録語を更新
することにより、辞書構築支援が容易に行え、自然言語
処理の効率化が図れる。

【０００９】本発明の辞書管理装置は、自然言語処理に
用いられる辞書の登録語を管理する辞書管理装置におい
て、前記辞書への登録候補語の抽出対象となる既存およ
び非既存の文書データを同定する情報を指定する指定手
段と、この指定手段で指定された情報を基に文書データ
を検出する検出手段と、この検出手段で検出された文書
データから前記登録候補語を抽出する抽出手段と、この
抽出手段で抽出された登録候補語と予め指定された条件
に基づき前記辞書の登録語を更新する更新手段と、を具
備したことにより、辞書構築支援が容易に行え、自然言
語処理の効率化が図れる。

【００１０】本発明の辞書管理装置は、自然言語処理に
用いられる辞書の登録語を管理する辞書管理装置におい
て、前記辞書への登録候補語の抽出対象となる既存およ
び非既存の文書データを同定する情報を指定する指定手
段と、この指定手段で指定された情報を基に文書データ
を検出する検出手段と、この検出手段で検出された文書
データから前記登録候補語を抽出する抽出手段と、この
抽出手段で抽出された登録候補語を提示する提示手段
と、この提示手段で提示された登録候補語に対するユー
ザによる選択結果に応じて前記辞書の登録語を更新する
更新手段と、を具備したことにより、辞書構築支援が容
易に行え、自然言語処理の効率化が図れる。

【００１１】また、本発明の辞書利用システムは、辞書
の登録語を参照して所定の自然言語処理を行う辞書利用
システムにおいて、前記辞書への登録候補語の抽出対象
となる既存および非既存の文書データを同定する情報を
指定する指定手段と、この指定手段で指定された情報を
基に文書データを検出する検出手段と、この検出手段で
検出された文書データから前記登録候補語を抽出する抽
出手段と、この抽出手段で抽出された登録候補語と前記
辞書の登録語を参照して、ユーザにより入力された自然
言語に対し所定の自然言語処理を行い、前記自然言語の
変換候補を生成する自然言語処理手段と、この自然言語
処理手段で生成された変換候補に対するユーザによる選
択結果に応じて前記辞書の登録語を更新する更新手段
と、を具備したことにより、自然言語処理の効率化が図
れる。

【００１２】また、本発明の辞書利用システムは、辞書
に登録された語を参照して所定の自然言語処理を行う辞
書利用システムにおいて、所望のサイトとの間を所定の
通信回線を介して接続する接続手段と、この接続手段で
接続されたサイトに具備された辞書の登録語を参照し
て、ユーザにより入力された自然言語に対し所定の自然
言語処理を行う自然言語処理手段と、を具備したことに
より、自然言語処理の効率化が図れる。

【００１３】

【発明の実施の形態】以下、本発明の実施形態について
図面を参照して明する。 （第１の実施形態）図１は、本発明の第１の実施形態に
係る、自然言語処理に用いられる辞書の登録語を管理す
る辞書管理装置の構成例を示すブロック図である。

【００１４】図１において、１０１はネットワークより
データを取り出したり、ネットワークへデータを送信し
たりする機能を持つネットワーク入出力部である。１０
２は各種データを記憶する機能を有するデータ記憶部、
１０３はディスプレイなど表示手段を含みユーザへ情報
を提示する機能を有するデータ提示部、１０４はキーボ
ード、ペン入力など、ユーザの所望するデータを入力す
る機能を有するユーザデータ入力部である。１０５はデ
ータ収集の対象となるデータの存在を検出する機能を有
する収集対象検出部、１０６は収集対象データより、デ
ータ登録候補を生成する候補生成部、１０７は上記各部
を所定の動作を行うように制御する制御部である。

【００１５】以下、制御部１０７の動作を説明する。制
御部１０７は、ユーザにより指定された抽出対象から登
録すべき候補データの収集、提示等を行う辞書管理エー
ジェントに基づき、図１のハードウエア的な各部を制御
するようになっている。このエージェントの機能を実現
するプログラムは、図１の記憶部１０２に格納されてい
てもよい。

【００１６】図２は、図１の辞書管理装置の起動時の動
作を説明するためのフローチャートである。辞書管理装
置の起動時には、まず、収集対象の文書データを特定す
る情報（特定情報）の指定を行う（ステップＳ１）。

【００１７】図３は、この指定を行うためのインターフ
ェイス画面の例である。図３において、「ウォッチポイ
ント１」は、抽出対象全体に付けられた名前であり、こ
こで定義された複数のエリアは、この名前で参照・指示
される。

【００１８】図３において、「抽出対象」とは、登録す
べき候補データを抽出する対象であり、例えば、コンピ
ュータのローカルデータを格納するエリア、ネットワー
クにおけるデータエリア、特定のアプリケーションの指
定するデータエリアを抽出対象ロケーションとして指定
することができる。

【００１９】最初に抽出対象として指定された「ｃ：￥
￥ｍｙｄｏｃｕｍｅｎｔｓ￥ｒｅｐｏｒｔ￥」は、ロー
カルのファイルシステムのディレクトリを指定した例で
ある。「下位エリア」は、この「ｒｅｐｏｒｔ」という
ディレクトリのさらに下位にあるディレクトリを抽出対
象に含むか否かを設定するパラメータであり、この場合
は、「含まない」を選択しているため、ディレクトリ
「ｒｅｐｏｒｔ」に含まれるファイルが抽出の対象とな
る。また、「対象」の項目において、「＊．ｄｏｃ」が
指定されていることにより、このファイル識別子を持つ
ファイルのみが抽出対象となる。ここで、「＊」は、全
ての文字列にマッチするワイルドカード文字である。こ
の指定があると、例えば、「ａｂｃ．ｔｘｔ」というフ
ァイルは、抽出対象とならない。

【００２０】２番目に抽出対象として指定された「Ｎｅ
ｔＳｅｒｖｅｒ１￥￥ｇｒｏｕｐ＿ｄｏｃｕｍｅｎｔｓ
￥」は、「ＮｅｔＳｅｒｖｅｒ１」という名前で定義さ
れたネットワーク上に存在し、接続されているコンピュ
ータの有するディレクトリ「ｇｒｏｕｐ＿ｄｏｃｕｍｅ
ｎｔｓ」にある、あるいは、将来的に置かれるファイル
を指示している。この場合、「下位エリア」の項目に
は、「含む」が指定されているため、このディレクトリ
の下位にあるディレクトリに置かれるファイルも抽出対
象となる。さらに、「対象」の項目には、「＊．＊」が
指定されており、これは、ファイルの名前とその識別子
がいずれもよいという指定になっている。 ２番目に抽
出対象として指定された「Ｄｄｍａｉｌ−ｆｏｌｄｅ
ｒ」は、アプリケーションソフトの「ｄｄｍａｉｌ」と
いう、メイルシステムのメイルの受け取り口であるディ
レクトリを指定している。この種のアプリケーションの
データ保存場所に関しては、各種アプリケーションの情
報を保存してあるファイルを参照したり、アプリケーシ
ョンに特定のプロトコルで問い合わせたりすることによ
り、その情報を得ることができる。

【００２１】図３に指示されるような内容は、システム
があらかじめ用意したデータを、ユーザに提示して選択
したり（既存アプリケーションのファイルなど）、例え
ば、Ｗｉｎｄｏｗｓ（マイクロソフト社の登録商標）の
エクスプローラのような表示方法で、ユーザにファイル
のディレクトリ構造を示して入力してもらうなどし、こ
れら情報を図１の記憶部１０２へ記憶しておくことによ
り、随時参照することが可能である。

【００２２】辞書管理装置は、図２のステップＳ１で指
定された抽出対象を監視し、辞書データ収集対象が現れ
ると、それに対して辞書登録候補の収集や提示などを行
うが、次に、図２のステップＳ２において、その際の振
る舞いに関するパラメータなどを設定する。

【００２３】なお、本実施形態に係る辞書管理装置は、
ユーザにより指定された抽出対象から登録すべき候補デ
ータの収集、提示等を行う辞書管理エージェントを複数
定義できるものとする。

【００２４】図４に、パラメータ設定画面の一例を示
す。図４において、「ＤｉｃＡｇｅｎｔ＿ＲＳ１」は、
辞書管理エージェントの名前である。本実施形態にかか
る辞書管理装置は、複数の辞書管理エージェントを定義
でき、必要に応じて複数のエージェントを走らせたりす
ることができる。複数エージェントの起動については、
既存ＯＳの複数プロセスの実行の枠組を利用して容易に
実現できるので説明は省略する。

【００２５】図４に示した設定画面の「対象」の項目に
指定されている「ウォッチポイント１」は、図３で示し
たデータ抽出の対象となるエリアに対応しており、この
「ウォッチポイント１」の部分を指示・クリックするこ
とにより、図３の画面を呼び出し、再設定なども行え
る。

【００２６】「監視インターバル」の項目には、辞書管
理エージェントが「対象」の項目にて指定されたエリア
をどのくらいの時間間隔で新規データがないかをチェッ
クにゆくかを設定するようになっている。ここでは、計
算機を起動した時にのみ行う「起動時のみ」と、特定の
時間インターバルでチェックする２つがあり、後者で
は、時間を設定する。なお、図４では、監視インターバ
ルとして、「５分」が指定されている。また、監視イン
ターバルは、辞書管理エージェントがチェックを行った
時間を記憶しておき、この時間と現在の時間を比較する
ことにより、容易に実現可能である。

【００２７】「抽出候補」の項目には、対象文書から抽
出する登録候補を何にするかを設定するようになってい
る。「候補キャッシュ」の項目には、抽出された辞書登
録候補を記憶する記憶域の記憶容量、例えば、記憶する
辞書登録候補の語数を設定するようになっている。これ
らについては後述する。

【００２８】「自動登録」の項目には、辞書登録候補が
ファイルなどにより検出された場合に、これを自動的に
辞書に登録するか否かを設定するようになっている。自
動登録先は、通常のユーザによる辞書への登録語と同様
に扱ってもよいが、ここでは、自動登録用の辞書を別途
用意する、あるいは、自動登録されたという識別情報を
入れて登録する。これにより、ユーザが辞書を編集する
などの際に容易に自ら登録した語か否かを判定すること
ができる。

【００２９】なお、一般的に、登録した辞書を利用して
言語処理（例えば、かな漢字変換）するソフトウェアに
おいて、辞書の登録語をユーザにより選択／利用（例え
ば、かな漢字変換で登録された語を同音語選択するな
ど）された際にその情報を記憶しておくことができる。
この情報により、ユーザが利用したデータのみを残し
て、他の使用されなかった単語を削除することができ
る。さらに、登録した単語にタイムスタンプ（登録され
た時間）を押せば、所定の時間がたった後に使用されな
かった単語を手動もしくは自動で削除することができ、
これにより登録語が多くなり処理効率が劣化するのを防
止することが可能である。

【００３０】本実施形態では、登録語のタイムスタンプ
でなく、候補キャッシュを利用しているので、ユーザに
より指定された所定の候補数までしか記憶せず、それ以
上になる場合には、（利用されなかった）古い候補を削
除してしまうという方法を採用しておりメモリ効率的に
は優れている。

【００３１】図４の説明に戻り、「自動登録」の項目に
おいて、「有り」を選択した場合には次に登録の条件を
設定する。「登録条件」の項目には、自動登録される単
語が満たすべき条件を設定するようになっていて、登録
する単語の精度（有用性）をあげるために利用される。

【００３２】登録条件としては、例えば、「最低頻
度」、「確信度」がある。「最低頻度」は、対象文書か
ら抽出された候補の頻度に関する条件であり、図４で
は、頻度が２以上のものを自動登録とする指定となって
いる。頻度の詳細については、後述する。「確信度」
は、登録候補抽出において、その候補の最もらしさに対
応する点数である。その詳細は後述するが、図４では、
確信度「１」を設定している。

【００３３】「登録候補自動表示」の項目には、抽出さ
れた辞書登録候補を図１の提示部１０３に提示するか否
かを指定するようになっている。図４に示した表示画面
の下部にある「実行」、「キャンセル」のボタンは、こ
の設定処理の実行およびキャンセルを行うためのもので
ある。

【００３４】次に、辞書登録候補語を抽出する対象文書
からの辞書情報の獲得処理に関する辞書管理装置の動
作、すなわち、各辞書管理エージェントの処理動作につ
いて説明する。

【００３５】図５は、辞書管理エージェントの処理の流
れを説明するための概念図である。図５において、対象
文書検出部２０１は、例えば、図４の設定画面から設定
された監視インターバルに基づいて、図３で示したよう
な画面から設定された抽出対象文書データの特定情報を
基に、抽出対象の文書エリア２００に新規抽出対象の文
書データが存在するか否かを確認する。

【００３６】新規文書データであるか、既に候補抽出を
行った文書データであるかは、そのファイルの作成され
た時間を比較することにより行われる。これは、文書デ
ータファイルの収集を開始した時間ｔ１を所定のメモリ
に記憶し、前回に抽出を開始した時間ｔ２（メモリに記
憶されている）と、ファイルの作成時間ｔ３とが、ｔ１
＜ｔ３≦ｔ２の場合に、作成時間の新しい文書データフ
ァイル、すなわち、抽出対象ファイルであるという判定
をする。指定されたディレクトリなどのファイルが走査
され、作成時間の新しい文書データファイルが抽出され
る。この際に、図３の「下位エリア」の項目で指示され
た下位エリアを走査する処理、あるいは「対象」の項目
で指示された対象を限定する処理が行われ、所定の条件
に合うファイルの名前が収集される。最後に収集の開始
の時間ｔ２が記憶され、これは次回の抽出時に利用され
る。このようにして収集された結果、得られる抽出対象
文書データのファイルリストは、候補抽出部２０２に渡
される。

【００３７】候補抽出部２０２は、渡されたファイルリ
ストのおのおののファイルより、辞書登録候補を抽出
し、これを候補キャッシュ２０３へ出力する。図６は、
候補抽出部２０２により抽出され、候補キャッシュ２０
３に格納された辞書登録候補レコードの一例を示したも
のである。図６において、セミコロンで区切られたおの
おののフィールドは、読み、綴り、品詞、確信度、頻度
である。辞書登録候補レコードは、候補キャッシュ２０
３に基本的に候補抽出部２０２の出力する辞書登録候補
に対して、ＦＩＦＯ（Ｆｉｒｓｔ ｉｎ Ｆｉｒｓｔｏ
ｕｔ）で記憶されている。候補キャッシュ２０３の大き
さは、図４の「候補キャッシュ」の項目で設定される語
数（この場合３０００）で決定する。

【００３８】図６では、番号「１」の「インターネッ
ト」が最も新しい辞書登録候補であり、番号「３００
０」が最も古い辞書登録候補である。この状態で、候補
キャッシュ２０３に存在しない候補が登録されると、番
号「３０００」の候補「きゃぱ」は捨てられることにな
る。

【００３９】候補抽出部２０２から出力される辞書登録
候補が候補キャッシュ２０３に存在する候補の場合は、
その候補の頻度が「１」加算され、その候補レコード
は、キャッシュの先頭に置かれる。この際、優先度は高
い方が選択される。

【００４０】候補レコードの「確信度」は、候補抽出処
理において付与される。この値は、候補抽出に使用され
るパターンもしくは規則に基づくルールにより決定する
ことができる。例えば、漢字２文字あるいはカタカナ列
が句点と格助詞に挟まれているときは、最も確信度の高
い「Ａ」をアサインする。具体的には、「…、インター
ネットに…」という文字列から「インターネット」が辞
書登録候補として抽出された場合には、その確信度は
「Ａ」であり、図６の番号「２」に対応する候補レコー
ドが生成される。また、「する」の前の２文字の漢字列
は、確信度「Ｃ」とするという場合には、例えば、「…
外部定検した。」という文字列から、「定検」が取り出
され、図６の番号「８０」の候補レコードのようにな
る。なお、「定検」の場合、「定」には、「てい」「じ
ょう」の２つの読みが一般的であるため、「検」の読み
である「けん」と組み合わせて「ていけん、じょうけ
ん」の２つが読みの候補として生成されている。

【００４１】次に、図５の候補提示・登録部２０４の処
理動作について説明する。例えば、図４で「自動登録」
の項目が「有り」に設定されていると、候補提示・登録
部２０４は、候補キャッシュ２０３の先頭に追加された
候補に対して、チェックを行い、その候補が「自動登
録」の「登録条件」を満たしていた場合は、それを登録
辞書２０５へ登録する。登録条件のチェックは、辞書登
録候補レコードの頻度フィールドや確信度フィールドを
参照することにより可能である。

【００４２】図４に示した設定画面において、「登録条
件」の項目に変更があった場合には、候補キャッシュ２
０３に格納されている変更前の登録条件に該当する候補
を提示し、ユーザに対して登録を行うか否かの問い合わ
せを行った後、必要であれば登録辞書２０５に対する登
録処理を行う。

【００４３】登録辞書２０５に登録された語は、候補抽
出部２０２により利用されるため、登録された以降は、
その単語自体は、未知語とならないため、登録候補とし
て抽出されることは通常ない。候補提示・登録部２０４
が候補を登録する登録辞書２０５は、あらかじめユーザ
が指定するか、あるいは、デフォルトとなる辞書を利用
するが、自動登録された語に対しては、その旨の情報を
付与して他と区別できるようにする。

【００４４】候補提示・登録部２０４は、上記登録処理
の他に、候補提示処理を行う。これは、例えば、図４に
おける「登録候補自動表示」の項目を「有り」に設定し
てある場合に実行される。候補提示・登録部２０４は、
候補キャッシュ２０３に辞書登録候補があると、これを
ユーザに提示する。

【００４５】図７は、候補キャッシュ２０３に格納され
た辞書登録候補の提示画面の一例を示したものである。
図７（ａ）において、「ＤｉｃＡｇｅｎｔ＿ＲＳ１」
は、辞書管理エージェントの名前であり、これがどのエ
ージェントにより抽出されているかを示す。右上部に表
示される「５／２５」は、全体の辞書登録候補が「２
５」あり、このうち５番目を表示していることを示して
いる。「インターネット」以下は、各辞書登録候補の表
示例である。

【００４６】この辞書登録候補は、時間とともに表示が
変化し、例えば、図７（ａ）の画面は、図７（ｂ）の画
面のように変化する。図７（ｂ）では、６番目からの単
語が表示されている。単語の順番は、候補キャッシュ２
０３にＦＩＦＯを用いているので、新しい候補が１番
目、古い候補ほど大きい番号となる。単語の提示の順番
については、この他に頻度の順に提示するなども考えら
れる。

【００４７】他の辞書登録候補の表示方法として、例え
ば、電光掲示板形式で流すなどの方法も考えられる。図
８は、その様子を示したもので、辞書登録候補の各単語
は、右から左へ流れてゆく。この方法の方が表示領域が
狭く、他の仕事をしている最中にでも流しておき、時間
のあいた時に登録処理などを行うというように使用する
ことができる。

【００４８】図７、図８に示すように、提示される辞書
登録候補の文字列の後には、括弧で付加情報がつく。基
本的には、登録候補の後の括弧の中には、読みのリスト
と「×」が表示される。カタカナ書き語の辞書登録候補
の場合は、読みの代わりに「○」を表示する。この
「○」をマウスでクリックすると、その候補が登録候補
として認定されたと解釈する。また、複数の読みのうち
特定の読みをクリックすると、その読みでの登録が指示
されたと判定する。例えば、「定検」に対して「ていけ
ん」をクリックすると、「ていけん」という読みで「定
検」を登録するというように解釈される。

【００４９】「×」をクリックした場合は、その候補は
登録しないというように判断される。登録しないと判断
された候補は、特定の領域（図示しない）にネガティブ
な例として記憶し、候補抽出部２０２で候補生成の際に
それの生成を行わない、もしくは候補提示・登録部２０
４で登録候補として表示しないなどの仕組みをいれるこ
とができる。この場合、ユーザの「×」の指示自体が誤
っていたりすると、１回の削除操作で以降、候補として
選択することができなくなるので、複数回削除すると候
補としての表示をやめたり、以降候補として生成しない
旨のメッセージを出し、ユーザの確認を得るなどの機能
を付与することにより、こうした不具合は、最小限にお
さえることができる。また、Ｗｉｎｄｏｗｓ９５（マイ
クロソフト社登録商標）の「ゴミ箱」のように、「×」
により削除されたデータは、画面表示からは消すが、別
の領域（図示しない）に保存しておき、復元が可能なよ
うにしておくという構成にすることも容易に可能であ
る。

【００５０】ユーザが、図７あるいは図８のように提示
された辞書登録候補の付加情報のうち、「○」あるいは
読みをクリックした際には、例えば、図９に示すような
辞書登録画面が表示される。例えば、「定検」に対して
「ていけん」あるいは「○」がクリックされると、図９
に示すように、見出し「定検」、読み「ていけん」の他
に推定される品詞が表示され、ユーザは、この画面を見
て必要に応じて、この登録データを修正することもでき
る。

【００５１】図９において、登録ボタンは辞書の登録
を、削除ボタンは候補表示からの削除を、キャンセル
は、登録操作のキャンセルをそれぞれ行うためのもので
ある。なお、図５において、文書エリア２００、候補キ
ャッシュ２０３、登録辞書２０５は、図１の記憶部１０
２の記憶領域内に設けられることができる。また、辞書
利用処理部２０６は、例えば、かな変換処理、機械翻訳
等の登録辞書２０５を用いて所定の自然言語処理を実行
する言語処理エージェントである。

【００５２】以上、説明したように、上記第１の実施形
態によれば、ユーザにより、辞書登録候補語の抽出対象
となる既存および非既存の文書データを同定する情報
（図３参照）が指定されると、対象文書検出部２０１に
て、この指定された情報を基に文書データを検出し、候
補抽出部２０２にて、この検出された文書データから辞
書登録候補語を抽出し、候補提示・登録部２０４にて、
この抽出された辞書登録候補語のうち予め指定された条
件に基づき選択された語、あるいは、抽出された辞書登
録候補語を提示して、これに対しユーザにより選択され
た語を辞書２０５に登録等することにより、ユーザ固有
の文書から、言語処理のための辞書候補情報を、自動的
に抽出しておき、その辞書データを利用することが可能
となり、言語処理システムの効率化が行える。また、得
られた辞書登録候補情報は、ユーザが自然に選択するこ
とにより、テンポラルなものからそうでないものへと変
換することが可能であり、適切なデータの構築が容易に
行える。

【００５３】また、辞書抽出対象の文書データが新たに
検出されたり、ある文書データからの辞書登録候補の抽
出が進むにつれて、それらを順次提示したり、この提示
される辞書登録候補に対して、登録／削除／変更の指示
を与えて辞書登録候補の提示形態を変化させることによ
り、辞書構築の支援が容易に行える。

【００５４】このように、ユーザにより辞書登録候補の
抽出先の文書データを特定する情報が与えられると、そ
の特定情報を基に文書データを検出して、その後、この
対象より自動的に辞書データを抽出しておくことが可能
となり、適切な時点でユーザの辞書登録・管理が行え、
かな漢字変換などでユーザが辞書を使用する際には、既
に辞書登録が済んでおり、文書作成効率が向上するとい
う効果がある。

【００５５】（第２の実施形態）次に、第１の実施形態
で説明した、既存、非既存の文書データから抽出された
語を登録して登録辞書生成する辞書管理装置を適用した
辞書利用システムについて説明する。ここでは、一例と
して、かな漢字変換辞書に関する説明を行うが、本発明
は、機械翻訳、検索など、辞書を利用するシステム全般
に対して適用可能であることは言うまでもない。

【００５６】図１０は、第２の実施形態に係る辞書利用
システムの構成例を示したものである。図１０におい
て、言語処理エージェント３０３は、既存技術などによ
るかな漢字変換を行う機能を有し、入力部よりかなや英
数字列を入力し、基本的に登録辞書中のかな漢字変換デ
ータを利用して、かな漢字混じり列に入力文字列を変換
して、提示部に提示する制御を司るものである。

【００５７】候補生成エージェント３０１は、第１の実
施形態で説明したような、文書などから辞書情報を抽出
し、辞書登録候補を登録候補キャッシュ３０２に登録す
る制御を司るものである。

【００５８】第２の実施形態に係る辞書利用システムで
は、登録候補キャッシュ３０２にテンポラルに登録され
た辞書情報も言語処理エージェント３０３で処理に利用
し、この結果、言語処理エージェント３０３より得られ
た出力を提示部３０４に提示し、この情報の中からユー
ザが適切なものを選択し、その情報が入力部３０５より
得られた場合に、言語処理エージェント３０３は、選択
された情報を登録候補キャッシュ３０２から登録辞書３
０６に移動する、あるいは、それに準じる処理をして、
他の登録候補とは異なった形態に該登録候補を変形する
処理を行うようになっている。

【００５９】なお、候補生成エージェント３０１、言語
処理エージェント３０３の機能を実現するプログラム
は、所定のメモリに格納され、ＣＰＵがこのプログラム
に基づき提示部３０４、入力部３０５、および登録候補
キャッシュ３０２、登録辞書３０６を格納するメモリに
アクセスするなどの所定の処理動作を実行するようにな
っていてもよい。

【００６０】以下、具体例を用いて説明する。登録候補
キャッシュ３０２には、例えば、図６に示した形式と内
容の辞書登録候補レコードが格納されるとする。

【００６１】登録辞書３０６に、例えば、「じっこう；
実行；サ変」という辞書項目が登録されているとする。
この状態において、ユーザより、入力部３０５を介して
「いんたーねっとぶらうざでていけんをじっこうする」
という入力が言語処理エージェント３０３に送られてき
たとする。

【００６２】言語処理エージェント３０３は、この入力
された文字列に対して、少なくとも、登録辞書３０６と
登録候補キャッシュ３０２の２つを用いて辞書引きを行
い、この結果に対して形態素解析などを行い漢字候補を
生成する。このような、かな漢字変換処理については、
既存技術を用いることで実現可能であり、詳細な説明は
省略する。

【００６３】この場合、「インターネットブラウザ」が
登録候補キャッシュ３０２に予め記憶されているので、
かな漢字変換処理の第一次出力結果としては、「インタ
ーネットブラウザで定見を実行する」が得られ、提示部
３０４に提示される。この段階では、提示された候補
は、未選択の状態であり、ユーザによる選択が可能であ
る。

【００６４】出力結果である文字列の「インターネット
ブラウザ」の部分には、ひらがな書き語「いんたーねっ
とぶらうざ」などが候補として存在している。ユーザ
は、提示されている候補が正しい候補であるので、「イ
ンターネットブラウザ」に対して選択・確定キーを押す
などして、選択を行う。

【００６５】この操作を検知すると、言語処理エージェ
ント３０３は、選択された候補が登録候補キャッシュ３
０２の辞書項目より生成されたものであるということを
判定し、そうである場合は、この辞書項目を登録候補キ
ャッシュ３０２から登録辞書３０６へ移し、いわゆる辞
書登録を行う。あるいは、登録候補キャッシュ３０２中
の候補にユーザ選択された旨の情報を付与しておく。こ
れにより、後の時点でユーザに登録の可否を確認しなが
ら辞書登録することもできる。

【００６６】ユーザにより入力された文字列中の「てい
けん」の部分では、登録辞書３０６に存在した「定見」
と登録候補キャッシュ３０２に存在した「定検」などが
選択の候補として保持されている。このとき、ユーザが
「定検」を選択した場合には、上記と同じような処理が
なされ、「定見」の辞書項目が登録辞書３０６に移動さ
れる。この際に、登録候補キャッシュ３０２中では、
「定検」に対して、「ていけん」「じょうけん」の２つ
が読みの候補となっているが、ユーザの入力した文字列
が「ていけん」であるため、「じょうけん」の部分は削
除される。これにより、「ていけん」という読みに対し
て「定検」が選択された後は、「じょうけん」という読
みに対して、「定検」という変換候補を出力することは
なくなる。

【００６７】このように、ユーザ選択に応じて、登録辞
書３０６の情報を変化させることにより、適切な候補以
外の候補の出力を制限することが可能である。また、こ
うした、複数の読み候補を持つ語に対しては、非常に的
はずれな変換結果が出る可能性があるため、他の一般辞
書などに同音語があったら、ユーザ選択がなされるまで
は第一候補としては表示しないなどの工夫により、比較
的安全に辞書知識の取り組みを行うことが可能である。

【００６８】機械翻訳においても、かな漢字変換と同様
な処理が可能となる。機械翻訳においては、対訳文書か
らの辞書の作成技術が開発されており、対応する対訳文
書から、辞書候補を作成することが可能である。例え
ば、ＣＯＬＩＮＧ９４のプロシーディングにある「Ｂｕ
ｉｌｄｉｎｇ ａｎ ＭＴ Ｄｉｃｔｉｏｎａｒｙ Ｆ
ｒｏｍ Ｐａｒａｌｌｅｌ Ｔｅｘｔｓｂａｓｅｄ ｏ
ｎ Ｌｉｎｇｕｉｓｔｉｃ ａｎｄ Ｓｔａｔｉｓｔｉ
ｃａｌ Ｉｎｆｏｒｍａｔｉｏｎ、ｐｐ７６」では、対
訳テキストから翻訳用辞書の作成について論じている。
こうした技術により抽出可能な辞書候補も例えば訳語に
関して曖昧性を有し、ユーザの訳語の選択などにより、
かな漢字辞書と同様な枠組で処理することが可能であ
る。

【００６９】以上説明したように、上記第２の実施形態
によれば、ユーザにより指定された辞書登録候補語の抽
出対象となる既存および非既存の文書データを同定する
情報（図３参照）に基づき、候補生成エージェント３０
１にて、文書データを検出して、辞書登録候補語を抽出
し、登録候補キャッシュ３０２に格納しておき、言語処
理エージェント３０３では、ユーザにより入力された自
然言語に対し登録候補キャッシュ３０２に格納された辞
書登録候補語と辞書３０３に登録された語を参照して所
定の自然言語処理を行って自然言語の変換候補を生成
し、この生成された変換候補に対するユーザによる選択
結果に応じて辞書３０３の内容を更新することにより、
ユーザ固有の文書から、言語処理のための辞書候補情報
を、自動的に抽出しておき、その辞書データを利用する
ことが可能となり、言語処理システムの効率化が行え
る。また、得られた辞書登録候補情報は、ユーザが自然
に選択することにより、テンポラルなものからそうでな
いものへと変換することが可能であり、適切なデータの
構築が容易に行える。

【００７０】（第３の実施形態）次に、辞書に登録され
た語を参照して所定の自然言語処理を行う辞書利用シス
テムが、所定のネットワークを介して接続されたサイト
と互いに通信を行って、このサイトに具備される辞書を
参照して所定の自然言語処理を行う場合ついて説明す
る。すなわち、言語解析などに利用する辞書を具備した
サイトエージェントと所定のネットワークを介して互い
に通信を行って、言語処理に役立つ情報を入手・利用す
ることにより、サイトに応じた言語処理のカスタマイズ
化が可能な言語処理エージェントについて説明する。

【００７１】図１１は、第３の実施形態に係る辞書利用
システムの構成例を示したものである。ここでの言語処
理エージェントのタスクとしては、例えば、かな漢字変
換を想定している。すなわち、入力部４０４からのかな
・英数字入力は、辞書４０７を利用して、言語処理エー
ジェント４０７により、かな漢字混じり文字列に変換さ
れ、提示部４０３に提示される。

【００７２】言語処理エージェント４０２とサイトエー
ジェント４０１は、所定のネットワークを介して互いに
情報のやり取りができるようになっている。このチャネ
ルの設定は、図示されていないが、ユーザの指示によ
り、ネットワーク上のサイトを訪問することにより行わ
れる。これは、例えば、ＷＷＷブラウザでインターネッ
ト上のＷｅｂページを表示することなどに相当し、ユー
ザが訪問した時にページに関連して置かれたサイトエー
ジェント４０１と言語処理エージェント４０２が特定の
プロトコルでやり取りをして情報伝達をすることが現状
の技術でできる。ユーザがＷｅｂページのハイパーリン
クをたどって別のＷｅｂページにゆくことにより、言語
処理エージェント４０２は、別のサイトエージェント４
０１と情報のやり取りを行うようになる。

【００７３】なお、サイトエージェント４０１、言語処
理エージェント４０２の機能を実現するプログラムは、
それぞれ、例えばパーソナルコンピュータ等の端末装置
内の所定のメモリに格納され、ＣＰＵがこのプログラム
に基づきサイト情報４０５、サイト辞書４０６を格納す
るメモリ、あるいは、辞書４０７を格納するメモリ、提
示部４０３、入力部４０４などにアクセスして所定の処
理動作を実行するようになっている。

【００７４】図１１において、サイト情報４０５は、Ｗ
ＷＷページの表示情報などに相当する情報であり、サイ
ト辞書４０６は、言語解析などに利用する辞書である。
図１２は、ユーザ側端末装置において表示されるサイト
の画面表示例を示したものである。このページは、「リ
ーダースワインセラー」というワイン販売の会社を想定
しており、「会社概要」、「ワインリスト」、「ワイン
あれこれ」などは、それぞれのページへのハイパーリン
クになっている。このサイトには、「お話窓」というと
ころを通して、サイトのエージェントとコミュニケーシ
ョンができる。ユーザは、「お話窓」に文を入力する
と、それが解析され、それに応じた応答が生成され、ユ
ーザに提示されるようになっている。

【００７５】図１３は、言語処理エージェント４０２の
かな漢字変換処理の手順の概要を示したフローチャート
である。例えば、図１２に示したようなページがユーザ
側の端末装置に表示されている状態（すなわち、ユーザ
側端末と所望のサイトとの間に通信回線が設定された状
態）で、ユーザは、「お話窓」の領域内にキーボード等
の入力部４０４を介して文字列の入力を行う（ステップ
Ｓ１１）。このとき、ローマ字入力の場合は、ひらがな
文字列に変換する。今、「とらじぁわいんはあります
か」という文字列をユーザが入力した場合を例にとり説
明する。

【００７６】次に、言語処理エージェント４０２は、辞
書データの要求コマンドとともに、このひらがな列をサ
イトエージェント４０１に送出する。これを受けるとサ
イトエージェント４０１は、このひらがな列に含まれる
可能性のある単語の集合をサイト辞書４０６より検出
し、それを辞書データとして要求元の言語処理エージェ
ント４０２に送出する（ステップＳ１２）。言語処理エ
ージェント４０２が受け取る辞書データは、例えば、次
のようなもので、１語毎に読み、綴り、品詞がそれぞれ
含まれている。

【００７７】とらじゃわいん；トラジャワイン；固有名
詞；／とらじゃ；トラジャ；固有名詞；／ 言語処理エージェント４０２は、サイトエージェント４
０１から送られてきた辞書データと、独自の持つ辞書４
０７の情報を利用して、かな漢字変換処理を行う（ステ
ップＳ１３）。そして、この変換結果をユーザに提示し
て、ユーザにより正解候補の選択が行われる（ステップ
Ｓ１４）。

【００７８】この場合、「トラジャワイン」がサイトエ
ージェント４０１より提供されるため、かな漢字変換結
果は、「トラジャワインは有りますか」となり、正確な
変換が可能となることにより、コミュニケーションをよ
り円滑に行うことができる。

【００７９】また、この例では、辞書データを伝達する
という構成にしているが、かな漢字変換処理の一部をサ
イトエージェント４０１に代行させてしまい、その結果
を受け取るような構成も可能であるし、また、かな漢字
変換処理の大半をサイトエージェント４０１側で行い、
言語処理エージェント４０２側から特定の情報を送ると
いうような構成にすることも可能である。

【００８０】また、辞書データではなく、そのサイトに
含まれる文書の情報を利用することにより、そのサイト
の文書に現れる文字列候補を優先するという構成も可能
である。例えば、「トラジャワイン」が、そのページに
含まれている場合には、「とらじゃ」という入力に対し
て、「虎じゃ」ではなく、「トラジャ」を優先して出力
する。これは、基本的に文書を文字列スキャンすること
により可能である。こうした手法を用いた場合には、そ
の文書だけでなく、その文書の関連文書、例えば、ハイ
パーリンクでつながっている文書を対象とするなどが考
えられる。この方法の利点は、サイト側に特殊なエージ
ェントを想定する必要がないことである。特にＷＷＷの
場合は、空き時間でリンク先のページをプリフェッチす
ることにより、リンクをたどる操作が早くなるという利
点がある。文字データだけのプリフェッチは、比較的高
速に実行可能である。

【００８１】また、かな漢字変換処理を高速に行うため
には、１文字が入力されるごとに情報を送って、入力と
同時平行的にサイトエージェント４０１側で辞書検索を
行うなどの工夫が考えられる。

【００８２】以上により、個々のサイトに応じた入力の
適応が実現できる。以上説明したように、上記第３の実
施形態によれば、所望のサイト（サイトエージェント４
１）との間を所定の通信回線を介して接続し、言語処理
エージェント４０２では、ユーザにより入力された自然
言語に対し、所定の通信回線を介して接続されたサイト
に具備された辞書４０６に登録された語を参照して所定
の自然言語処理を行い、自然言語の変換候補を生成する
ことにより、各サイトに固有の辞書データを利用するこ
とができるため、サイトなどの環境に応じた言語処理の
カスタマイズが可能となり、自然言語処理の効率化が図
れる。

【００８３】なお、本発明は上記第１〜第３の実施形態
に限定されるものではなく、翻訳、検索、音声入力など
種々の言語処理アプリケーションに適用することができ
る。また、英語やフランス語など、任意の言語に対して
適用することが可能である。要するに、本発明の主旨を
逸脱しない範囲で種々変形して実施することができる。

【００８４】

【発明の効果】以上説明したように本発明によれば、ユ
ーザ固有の文書から、言語処理のための辞書候補情報
を、自動的に抽出しておき、その辞書データを利用する
ことが可能となり、言語処理の効率化が行える。

【００８５】また、得られた辞書候補情報は、ユーザが
自然に選択することにより、テンポラルなものからそう
でないものへと変換することが可能であり、適切なデー
タの構築が容易に行える。

【００８６】さらに、計算機ネットワークに存在する各
種サイトに接続した場合には、そこに固有のデータを利
用することができるため、サイトなどの環境に応じた言
語処理のカスタマイズが可能となり、言語処理の効率化
がはかれる。

【図面の簡単な説明】

【図１】本発明の第１の実施形態に係る辞書管理装置の
構成例を示した図。

【図２】図１に示した辞書管理装置の起動時の動作を説
明するためのフローチャート。

【図３】収集対象文書データを特定するための情報を指
定するインターフェイス画面の一例を示した図。

【図４】辞書管理エージェントの振る舞いに関するパラ
メータを設定する設定画面の一例を示した図。

【図５】辞書管理エージェントの処理の流れを説明する
ための概念図。

【図６】候補キャッシュに格納された辞書登録候補レコ
ードの一例を示した図。

【図７】辞書登録候補の提示画面の一例を示した図。

【図８】電光掲示板形式で辞書候補情報を提示する合の
提示例を示した図。

【図９】辞書登録画面の一例を示した図。

【図１０】本発明の第２の実施形態に係る辞書利用シス
テムの構成例を示した図。

【図１１】本発明の第２の実施形態に係る辞書利用シス
テムの構成例を示した図。

【図１２】サイトの画面表示例を示した図。

【図１３】図１１の言語処理エージェントのかな漢字変
換処理の概要を示したフローチャート。

【符号の説明】

１０１…ネットワーク入出力部 １０２…データ記憶部 １０３…データ提示部 １０４…データ入力部 １０５…収集対象検出部 １０６…候補生成部 １０７…制御部。

Claims (7)

【特許請求の範囲】
1. 【請求項１】 自然言語処理に用いられる辞書の登録語
   を管理する辞書管理方法において、 予め指定された前記辞書への登録候補語の抽出対象とな
   る既存および非既存の文書データを同定する情報を基に
   文書データを検出し、この検出された文書データから前
   記登録候補語を抽出し、この抽出された登録候補語と予
   め指定された条件に基づき前記辞書の登録語を更新する
   ことを特徴とする辞書管理装置。
2. 【請求項２】 自然言語処理に用いられる辞書の登録語
   を管理する辞書管理方法において、 予め指定された前記辞書への登録候補語の抽出対象とな
   る既存および非既存の文書データを同定する情報を基に
   文書データを検出し、この検出された文書データから前
   記登録候補語を抽出し、この抽出された登録候補語を提
   示して、この提示された登録候補語に対するユーザによ
   る選択結果に応じて前記辞書の登録語を更新することを
   特徴とする辞書管理方法。
3. 【請求項３】 自然言語処理に用いられる辞書の登録語
   を管理する辞書管理装置において、 前記辞書への登録候補語の抽出対象となる既存および非
   既存の文書データを同定する情報を指定する指定手段
   と、 この指定手段で指定された情報を基に文書データを検出
   する検出手段と、 この検出手段で検出された文書データから前記登録候補
   語を抽出する抽出手段と、 この抽出手段で抽出された登録候補語と予め指定された
   条件に基づき前記辞書の登録語を更新する更新手段と、 を具備したことを特徴とする辞書管理装置。
4. 【請求項４】 自然言語処理に用いられる辞書の登録語
   を管理する辞書管理装置において、 前記辞書への登録候補語の抽出対象となる既存および非
   既存の文書データを同定する情報を指定する指定手段
   と、 この指定手段で指定された情報を基に文書データを検出
   する検出手段と、 この検出手段で検出された文書データから前記登録候補
   語を抽出する抽出手段と、 この抽出手段で抽出された登録候補語を提示する提示手
   段と、 この提示手段で提示された登録候補語に対するユーザに
   よる選択結果に応じて前記辞書の登録語を更新する更新
   手段と、 を具備したことを特徴とする辞書管理装置。
5. 【請求項５】 辞書の登録語を参照して所定の自然言語
   処理を行う辞書利用システムにおいて、 前記辞書への登録候補語の抽出対象となる既存および非
   既存の文書データを同定する情報を指定する指定手段
   と、 この指定手段で指定された情報を基に文書データを検出
   する検出手段と、 この検出手段で検出された文書データから前記登録候補
   語を抽出する抽出手段と、 この抽出手段で抽出された登録候補語と前記辞書の登録
   語を参照して、ユーザにより入力された自然言語に対し
   所定の自然言語処理を行い、前記自然言語の変換候補を
   生成する自然言語処理手段と、 この自然言語処理手段で生成された変換候補に対するユ
   ーザによる選択結果に応じて前記辞書の登録語を更新す
   る更新手段と、 を具備したことを特徴とする辞書利用システム。
6. 【請求項６】 前記更新手段は、ユーザにより選択され
   た変換候補が前記登録候補語であるとき、その登録候補
   語を前記辞書に登録することを特徴とする請求項５記載
   の辞書利用システム。
7. 【請求項７】 辞書に登録された語を参照して所定の自
   然言語処理を行う辞書利用システムにおいて、 所望のサイトとの間を所定の通信回線を介して接続する
   接続手段と、 この接続手段で接続されたサイトに具備された辞書の登
   録語を参照して、ユーザにより入力された自然言語に対
   し所定の自然言語処理を行う自然言語処理手段と、 を具備したことを特徴とする辞書利用システム。