JPH10269221A - 未登録語処理方式 - Google Patents

Abstract

(57)【要約】 【課題】 中国語文の日本語文への翻訳に際し、未登録
語部分を内容を把握し易く、できるだけ意味が分かるよ
うな翻訳をする。 【解決手段】 中国文入力は、中国語形態素解析・構文
解析処理部１０１で解析され、その解析結果得られる登
録語は、対訳語抽出処理部１０３において、中日対訳辞
書１０４からこれに対する対訳日本語が抽出されて付加
され、日本語文生成処理部１０７に引き渡される。上記
解析結果の未登録語は、未登録語処理部１０５におい
て、漢字発音テーブル１０６を用いて、英字，カタカナ
もしくはひらがなで構成される発音表記に変換されて日
本語文生成処理部１０７に引き渡される。日本語文生成
処理部１０７では、これら対訳日本語と発音表記による
日本語文が生成され、翻訳結果として出力される。この
翻訳結果の上記未登録語に対応する部分には、これが発
音表記で表示されている。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、パーソナルコンピ
ューターやワードプロセッサなどの中国語を日本語に翻
訳する情報処理装置に係り、特に、未登録の中国語を翻
訳処理する未登録語処理方式に関する。

【０００２】

【従来の技術】近年、情報化社会のボーダレス化に伴
い、情報処理の分野では、複数の国の言葉を扱う、いわ
ゆるマルチリンガル処理が必要になっており、特に、中
国語を日本語に翻訳する中日機械翻訳に対する需要が高
まっている。ところで、中国語から日本語への翻訳過程
において、中日対訳辞書に登録された中国語は、辞書に
格納されている対訳日本語に変換することができるが、
未登録語については、そのまま中国漢字を出力する方法
が一般的であった。さらにこれを進めて、中国漢字を対
応する日本語の漢字に変換する方法が特開平４−２５６
１７１号公報に述べられている。

【０００３】一方、現在広く普及しているパーソナルコ
ンピュータなどの情報処理装置において、漢字はその国
の固有の文字コード体系に従って処理されている。例え
ば、日本語については、JIS X 0208-1983（以下、ＪＩ
Ｓコードという）あるいはその配置を変形したシフトＪ
ＩＳコードが一般的であり、中国語については、GB2312
-80（以下、ＧＢコードという）が一般的である。現状
の大半のシステムプログラムやアプリケーションプログ
ラムでは、その国固有の文字コード体系のみを扱うよう
になっており、同時にシフトＪＩＳコードとＧＢコード
を扱えるシステムは、まだ、少ない。ＩＳＯでは、各国
毎のコード化された文字を全て包含した文字コード体系
ＩＳＯ１０６４６を定義して、全ての国の文字を統一的
に扱えるようにしているが、対応しているシステムやプ
ログラムは、あまり普及していない。

【０００４】このような環境の中で、中日機械翻訳を行
なうシステムは、独自の表示処理プログラムを内包する
ことにより、中国語と日本語とを同時に扱えるように構
成しているものが多い。従って、これら中日機械翻訳結
果を他の日本語システム上のアプリケーションで処理す
るためには、全ての文字がＪＩＳコードなどの日本語の
文字コードとして定義されている必要がある。

【０００５】

【発明が解決しようとする課題】ところで、上記特開平
４−２５６１７１号公報に記載の技術は、中国語漢字と
対応づけられる日本語漢字，形態あるいは意味が同じ漢
字を対応させた漢字対訳辞書を持つことにより、特に、
固有名詞において、できるだけ適切な文字に変換するよ
うにするものであるが、対訳を付与できない漢字につい
ては、その文字をそのまま翻訳結果として出力するよう
にしている。この結果、中国固有の漢字を含んだ翻訳結
果を他の日本のアプリケーションプログラムで使用した
場合には、いわゆる文字化けを引き起こすことになる。
従って、ユーザは、文字化けを起こした文字が何であっ
たのかを知ることができないという問題があった。

【０００６】本発明の目的は、上記問題点に鑑み、中国
語の日本語への翻訳に際し、未登録語が発生した場合に
は、その翻訳結果を利用するユーザが内容を把握し易い
ようにし、できるだけ意味の分かる機械翻訳を可能にす
る未登録語処理方式を提供することにある。

【０００７】

【課題を解決するための手段】上記課題を解決するため
に、本発明は、中国漢字と発音表記を対応させた中国語
発音表記テーブルを設けたものであって、未登録の中国
語の漢字が発生しても、この漢字を発音表記に変換して
出力するようにし、ユーザがこの変換結果を容易に理解
できるようにする。

【０００８】

【発明の実施の形態】本発明は、中国の標準語では、そ
の漢字に対する発音が一意に決まり、また、その発音表
記を日本のＪＩＳコードに含まれている英字，カタカ
ナ，ひらがなで表現可能であるということを利用してい
る。以下、本発明の実施形態を図面により説明するが、
ここでは、中国語の漢字コードとしてＧＢコードを、日
本語の漢字コードとしてＪＩＳコードを使用するものと
する。

【０００９】図１は本発明による未登録語処理方式の一
実施形態を示すブロック構成図であって、１０１は中文
形態素解析・構文解析部、１０２は中国語解析規則、１
０３は対訳語抽出処理部、１０４は中日対訳辞書、１０
５は未登録語処理部、１０６は漢字発音テーブル、１０
７は日本語文生成処理部、１０８は日本語文生成規則で
ある。

【００１０】同図において、中文形態素解析・構文解析
部１０１は、中国語の単語及び文法規則が格納された中
国語解析規則１０２を参照して、入力された中国語の文
を形態素解析・構文解析する。

【００１１】対訳語抽出処理部１０３は、中文形態素解
析・構文解析部１０１の解析結果をもとに、中国語と対
応する日本語が格納された中日対訳辞書１０４を参照し
て、対応する対訳日本語を抽出する。ここで、入力され
た中国語の文及び中日対訳辞書１０４の中国語部はＧＢ
コードの範囲で、また、中日対訳辞書１０４の日本語部
はＪＩＳコードの範囲で夫々記述されている。従って、
入力された中国文のうち、中日対訳辞書１０４を用いて
対訳可能な語はＪＩＳコードに変換される。

【００１２】未登録語処理部１０５は、対訳語抽出処理
部１０３で中日対訳辞書１０４に対訳のなかったＧＢコ
ードのままである中国語を、漢字発音テーブル１０６を
参照して、発音表記に変換する。

【００１３】図２はこの漢字発音テーブル１０６の一具
体例を示す図である。同図において、この漢字発音テー
ブル１０６の中国漢字フィールドには、ＧＢコードで中
国語の漢字が格納されている。英字発音表記フィールド
には、中国漢字の英字による発音表記、例えば、ピンイ
ン表記がＪＩＳコードで格納されている。カタカナ発音
表記フィールドには、中国漢字のカタカナによる発音表
記がＪＩＳコードで格納されている。そして、この漢字
発音テーブル１０６には、ＧＢコードの中国漢字全てに
ついてこれら発音表記が登録されている。

【００１４】なお、ここでは「発音表記」という言葉を
用いているが、これは、日本人ユーザが理解できるよう
にするための便宜的なものであり、必ずしも正確な発音
を表しているわけではない。また、より理解し易くする
ために、さらに声調の情報を加えてもよい。

【００１５】図１において、日本語文生成処理部１０７
は、中日形態素解析・構文解析部１０１で解析された構
文情報や対訳語抽出処理部１０３で抽出された対訳日本
語，未登録語処理部１０５で生成された発音表記から、
日本語文生成規則１０８を参照しながら、日本語文を生
成する。

【００１６】以上の処理によって生成された日本語文に
は、ＧＢコードは含まれず、その翻訳結果は、他の日本
語対応のアプリケーションプログラムで処理する際に
も、文字化けを起こさず、また、ユーザは、発音表記を
見て対応する中国語を連想することができるし、あるい
は、対応する日本語に置き換えることができ、これは、
特に、固有名詞に対して有効である。

【００１７】図３は図１における対訳語抽出処理部１０
３及び未登録語処理部１０５の処理の一具体例を示すフ
ローチャートである。以下、中国文の一例を示す図４を
用いてその処理動作を説明する。

【００１８】いま、図４（１）に示す入力中国語文（意
味は「私はウルムチに行く」ということ）を中国語形態
素解析・構文解析処理部１０１で解析した結果、図４
（２）に示すように分割された情報が得られたとする
と、この情報が対訳語抽出処理部１０３に入力される
（ステップ２０１）。なお、図４（２）は、
「（主）」，「（述）」，「（補）」は、構文解析の結
果、各単語が夫々主語，述語，補語として解析されたこ
とを示す。

【００１９】対訳語抽出処理部１０３では、この図４
（２）に示す情報から、中日対訳辞書１０４を参照し
て、対訳語抽出を行なうとともに（ステップ２０２）、
対訳語が存在するかどうか、即ち、未登録語か否かを判
定する（ステップ２０３）。その結果、図４(３)に示す
ように、「（未登録語）」として示した未登録語が生じ
たとする。

【００２０】未登録語でない中国語の単語情報に、図４
(３)に示すように、当該単語の日本語対訳の情報を付加
し、この単語情報を日本語文生成部１０７（図１）に引
き渡す（ステップ２０５）。中国語の単語情報が未登録
語である場合には、未登録語の各漢字を、漢字発音テー
ブル１０６を参照して、図４（４）に示すように、対応
する発音表記に変換して、この単語の発音表記の情報を
付加し（ステップ２０４）、日本語文生成部１０７に引
き渡す（ステップ２０５）。

【００２１】以上のようにして得られた情報から、日本
語文生成処理部１０７では、日本語生成規則１０８を参
照して、図４（５）に示すような日本語文を生成し、翻
訳結果として出力する。

【００２２】得られた翻訳結果は、ＧＢコードを含まな
いため、他のアプリケーションプログラムで処理可能で
ある。

【００２３】なお、ここでは、漢字発音テーブル１０６
を参照して英字発音表記に変換する例を示したが、カタ
カナ発音表記やひらがな発音表記を使用できることはい
うまでもない。カタカナ発音表記を使用した場合には、
図４に示す未登録語は「ウルゥムゥチィ」と変換され
る。

【００２４】

【発明の効果】以上説明したように、本発明によれば、
中日翻訳の際に、日本の漢字コードに含まれない中国の
漢字が発生した場合には、それを英字やカタカナ，ひら
がななどの発音表記で表示するものであるから、ユーザ
としては、その翻訳結果を日本固有の文字コードしか使
用できないアプリケーションプログラムで利用する場合
も、文意を正しく把握することができる。

【図面の簡単な説明】

【図１】本発明による未登録語処理方式の一実施形態を
示すブロック構成図である。

【図２】図１における漢字発音テーブルの一具体例を示
す図である。

【図３】図１における対訳語抽出処理部及び未登録語処
理部の処理の一具体例を示すフローチャートである。

【図４】図３に示した処理による翻訳例を示す図であ
る。

【符号の説明】

１０１ 中文形態素解析・構文解析部 １０２ 中国語解析規則 １０３ 対訳語抽出処理部 １０４ 中日対訳辞書 １０５ 未登録語処理部 １０６ 漢字発音テーブル １０７ 日本語文生成処理部 １０８ 日本語文生成規則

Claims (4)

【特許請求の範囲】
1. 【請求項１】 中日機械翻訳時に未登録語の漢字を処理
   する未登録語処理方式において、 入力された中国語文の形態素解析・構文解析された夫々
   の単語について、中日対訳辞書を参照して対訳日本語を
   抽出し、該中日対訳辞書に対訳日本語が登録されていな
   い未登録語に対しては、中国語の漢字に対応づけた発音
   表記を保持する漢字発音テーブルを参照することによ
   り、漢字単位に発音表記に変換することを特徴とする未
   登録語処理方式。
2. 【請求項２】 請求項１において、 前記発音表記は英字で構成することを特徴とする未登録
   語処理方式。
3. 【請求項３】 請求項１において、 上記発音表記はカタカナ文字で構成することを特徴とす
   る未登録語処理方式。
4. 【請求項４】 請求項１において、 上記発音表記はひらがな文字で構成することを特徴とす
   る未登録語処理方式。