JPS6198472A - カナ漢字変換装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 技術分野 本発明は、カナ漢字変換装置に関し、特に、単語間の接
続性を示す゛接続行列表を圧縮するのに好適なカナ漢字
変換装置に関する。

従来技術 カナ漢字変換装置における入力方式としては。

■単語単位方式、■漢字部指定方式、■文節単位方式、
■べた書き方式等があるが、■単語単位方式以外の、■
漢字部指定方式、■文節単位方式。

■べた書き方式等においては、入方文に対して文　　゛
法解析を行う必要がある。この文法解析の際、単語間の
接続可能性を判定する必要があり、そのために単語間の
接続情報を表わす接続検定表が広く使用されている。

接続検定衣は通常、行列の形式で示され、接続行列表と
呼ばれている。

第７図は、従来の一般的な接続行列表を示す図である。

第７図に示すように、ｒ前の語」の項目には「前の語」
の品詞を配し、ｒ後の語」の項目にはｒ後の語」の品詞
を配して、ｒ前の語」とｒ後の語」の接続性は、「前の
語」と「後の語」の品詞レベルでの接続性を判断してい
る。なお、第７図において、接続値゛０′は接続不能で
あることを示し、接続値’１’、’２’、’３’は接続
可能であることを示し、接続値が大きいほど接続の確率
が高いことを示している１例えば、動詞１の後に動詞ｌ
が接続することは有り得ない、また、名詞ｌの後には、
動詞１，２，３、名詞ｌ、２．助詞１．２が接続し得る
が、接続する確率の最も高いのは接続値゛３′の助詞ｌ
であり１次位が接続値゛２′の助詞２であり、第３位は
接続値゛１′の動詞１，２，３、名詞１．２である。

従来、接続行列表は、ｒＮＨＫ技術研究」第２５巻、第
５号に掲載された論文、相沢、江原「計算機におけるカ
ナ漢字変換ＪＰＰ２６１〜２９８に示されているように
、２５６行Ｘ１２８列程度のちのが用いられているが、
これを単純に表形式　　・で記憶すると、単語と単語の
接続の可否をｌビット（０，１）で表す場合でも２５６
ｘ１２８＝３２７６８ビツト＝４０９６バイトで約４に
バイトもの記憶容量を必要とする。この接続行列表は、
通常、主記憶上に置かれるので、主記憶占有量が問題と
なっている。さらに単語の品詞分類を細分化しく３４０
行Ｘ２５６列）、接続の可否も０，１ではなく、上記第
７図のように、接続の強さを表す接続重みまたは接続確
率（例えば０，１，２．３の２ビツトで表す）で示す場
合には、３４０Ｘ２５６ｘ２＝１７４０８０＝２１７６
ｘ８＝２１７６バイトで２２にバイトもの記憶容量を必
要とする。

従来、この接続行列表を圧縮するため、■単語の種類に
よっては接続する単語の範囲が　　　　１隔られ、接続
しない０の部分がかたまっているので、単語を適当に大
分類しく例えば体言、助詞類。

助動詞類等）、接続行列表を分割し、容量を少なくする
方法。

（■０でない要素だけを集めたノンゼロ要素表を用いる
方法、行列を幾つかのブロックに分け、要素が０のみで
あるブロックは記憶しない等の、０要素の多い行列を扱
う一般的な手法、 が採られていた。

しかし、■の方法は、表の数が多くなり扱いが複雑にな
るうえ、それほど大きな圧縮効果が得られず、さらに、
単純に分割しにくい例外的な単語の扱いが面倒である。

■の方法では、元の表に再構成する手続が面倒である。

目　　　　　的 本発明の目的は、上記のような従来技術の問題点を解決
し、メモリ占有量を大幅に圧縮し、かつ容易に検索し得
る接続行列表を備えたカナ漢字変換装置を提供すること
にある。

構成 上記目的を達成するため、本発明の構成は、単語辞書、
単語間の接続情報を示す接続行列表を有し、表音文字に
て入力された文字列に対し、前記単語辞書、接続行列表
を用いてカナ漢字変換処理を行うカナ漢字変換装置にお
いて、前記接続行列表を行または列単位で複数個のブロ
ックに分割した場合に各ブロックに形成される各行また
は各列の中から、その要素の並び方が異なる行または列
のみを抽出した接続行列表本体と、該接続行列表本体の
各要素が前記接続行列表のどの要素に該当するかを示す
接続行列表索引とにより、前記接続行列表を表現し、か
つ、前記要素が多値の場合。

前記接続行列表本体の各行または各列の要素が２進１桁
で表現し得るときは単一の２進１桁ビット列で登録し、
２進１桁で表現し得ないときは桁ごとに分離した複数の
２進１桁ビット列で登録したことに特徴がある。

以下、本発明の構成を一実施例により詳細に説明する。

第２図は、本発明の一実施例によるカナ漢字変換装置の
ブロック図である。

第２図において、ｌは入力部、２は解析対象文字列作成
部、３は辞書検索部、４は単語辞書、５は接続可否検定
部、６は接続行ｙＩ１表、７は評価部、８はバックトラ
ック制御部、９は出力部である。

第３図は第２図における単語辞書４の具体的な内容の一
例を示す図である。

第３図に示すように、単語辞書４には、「読み」。

「表記」、「品詞」、同音語選択に必要な「順位」が記
載しである。

日本語による文章は、表音文字（平仮名、片仮名、ロー
マ字）にて入力部１から入力され、辞書検索の対象とな
る解析対象文字列は、解析対象文字列作成部２により作
成される１作成された解析対象文字列は、その先頭から
辞書検索部３により単語辞書４が検索され、その「読み
」に対応する全ての変換候補が抽出される。

接続可否検定部５は、辞書検索部３により抽出された変
換候補について、直前の変換済単語（変通　　　　　換
結果）との接続の可否を、接続行列表６をもとに検定し
、接続可能な変換候補があるか否かを検定する。

評価部７は、接続可能な変換候補について、順位、読み
長、接続の重み等をパラメータとする評価式を用いて評
価を行い、評価値の最も高い変換候補を変換結果として
、出力部９より出力する。

バックトラック制御部８は、辞書検索の結果、該当する
変換候補が１個も存在しない場合、および直前の変換済
単語（変換結果）に接続し得る変換候補が１個も存在し
ない場合は、前の解析が誤っている可能性があるので、
ただちに未登録語処理を行うことなく、直前での解析を
やり直す。

第１図は１本発明の一実施例による接続行列表の圧縮過
程を説明するための図である。

第１図（ａ）は圧縮前の接続行列表を示し、３４０行Ｘ
２５６列で、各要素は２ビツト（０，１゜２．３の４段
階）の情報を有する。

第１図（ｂ）は、第１図（ａ）の接続行列表を縮（列単
位）に等分に４分割した。３４０行Ｘ６４列の４つの表
（ブロック）を示す図である。分割によ　　　　　　１
り得られた４つの表は、それぞれ行の長さが６４列で、
各要素は２ビツトの情報を有する。

なお、図中の記号■、■、■、■は、分割により得られ
た４つの表を識別するために１便宜上印したものである
。

第１図（ｃ）は本発明の一実施例による接続行列表索引
、および接続行列表本体を示す図である。

すなわち、第１図（ｃ）は第１図（ｂ）の４つの各表■
〜（わの各行を１つのレコードとみて、要素の並び方が
異なる、異なりレコードを表■〜■の順に調べ、異なり
レコードの場合は、接続行列表本体に順に登録し、その
レコード位置を第１図（ｂ）の表Φ〜■の順に接続行列
表索引として収納したもので、右側の図が接続行列表本
体、左側の図が接続行列表索引を示している。

すなわち、接続行列表は、その性質上、部分的に見た場
合、要素の並び方が同一のものが数多く存在する。した
がって、上記のように行列の列を４つに分割して４つの
表とし１分割により得られた各表の各行を１つのレコー
ドとみなした場合、同一内容のレコードが多数形成され
る。そこで。

同一内容のレコードの重複を避け、異なる内容のレコー
ド（異なりレコード）のみを接続行列表本体１；記憶す
ることにより、接続行列表のメモリ占有量を大幅に圧縮
することが可能になる。

このようにした場合、異なりレコードは５１８個存在す
ることが判明した。

上記のように分割した結果、第１図（ｃ）の接続行列表
索引の行アドレス３４１は、第１図（ｂ）に示す分割し
た表■の第１行目に相当し、同様に行アドレス６８１は
表■の第１行目、行アドレス１０２１は表■の第１行目
に相当する。

第１図（ｄ）は、接続行列表本体への各異なりレコード
の要素の登録方法を説明するための図である。なお、異
なりレコードの要素（多値接続杆）は。

実際には２ビツト（２進２桁）にて構成されているが２
図では１０進数で示している。

第１図（ｄ）に示した第１異なりレコードのように、異
なりレコードの要素が、ｒｏｏｏｌｌｌｏｌ・・・」と
、２値（０，１）のみで構成されているとき（タイプ１
）は、各要素を１ビツトで表現し、２進１桁ビット列と
して登録し、「後続フラグノの欄をｒＱＪにする６タイ
ブ１の異なりレコードを２進１桁ビット列とすることに
より、１個のタイプｌの異なりレコードにつき、６４ビ
ツト低減することかできる。

第２異なりレコードのように、異なりレコードの要素が
ｒ０００１２３０２・・・」と、３値以上（０，１，２
，３）で構成されているとき（タイプ２）は、２ビツト
（２進２桁）ｒｏＯＪ、ｒｏｌ」。

ＮｏＪ　、ｒｌ　Ｎで構成された要素の、下位桁（２進
化ビット列）を第１行（第１図（ｄ）の■）、上位桁（
２進化ビット列）を第２行（第１図（ｄ）の■）とし、
接続行列表本体に■、■の順に登録する。この際、■の
後続フラグを「１」、■の後続フラグを「０」とする、
すなわち、接続行列表本体を検索する際、後続フラグが
ｒｌＪの場合は。

次の行の２進ＩＦビット列を本来の要素を示す２進２桁
ビット列の上位桁とする。

鬼 、ｊ　　　　　　　なお、接続番号は、第１図（ｃ）の
接続行列表水ｊ′ 体では、第１図（ｂ）における異なりレコードの通番で
示しであるが、タイプ２のレコードを接続行列表本体に
登録する場合は、上記のように２進２桁ビット列を上位
桁と下位桁に分離して異なる行としたため、実際には、
接続行列表本体の行の通番で示しである。

実測結果では、５１８個の異なりレコードのうち、タイ
プ１は３２２個であり、タイプ２は１９６個であった。

したがって、第１図の方法で圧縮すると、第１図（ａ）
では３４０行×２５６列×２ビット＝２１７６０バイト
であるのに対し、第１図（ｃ）では、接続行列表索引の
ルコードを２バイトで表わすと。

■接続行列表索引＝３４０行×４個×２バイト＝２７２
０バイト ■接続行列表本体＝６４列×（タイプｌの異なリレコー
ド数（３２２行）×１ビット十タイプ２の異なりレコー
ド数（１９６行）ｘ２ビット）十後続フラグ総数（２進
１桁ビット列の総数）＝６４Ｘ（３２’２Ｘ１＋１９６
Ｘ２）＋７１４＝５８０２　　　　　１バイト ■、■の合計は、２７２０バイト＋５８ｏ２バイト＝８
５２２バイトで約８．５にバイトとなり。

約］／２．５に圧縮することができる。

第４図は、第１図（ｃ）に示した接続行列表索引を用い
て接続行列表本体を検索する際の処理フローを示す図で
ある。

前の語の「品詞」を示すコード（単語辞書４がら得られ
る）から、圧縮前の仮想的な接続行列表（正規の接続行
列表）における行アドレスをセットする（４０１）。次
に、後の語の「品詞」を示すコードから、圧縮前の仮想
的な接続行列表における列アドレスをセットする（４０
２）。

この行２列アドレスから１本実施例による接続行列表索
引の行アドレス、および接続行列表本体の列アドレスを
求める（４０３）。

今、正規の接続行列表において、前の語の位置を示す行
アドレスをｉ、後の語の位置を示す列アドレスをｊとす
る。この場合、ｊ／６４の商の第１位をｎとすると、後
の語は、第１図（、ｂ）の（ｎ＋１）表に属することと
なる。したがって、接続行列表索引の対応する行アドレ
スｐは。

ｐ　＝　ｉ　＋　ｎ　Ｘ　３４０　　　　　　　　　　
　　　　　（１）により求めることができる。

一方、後の語の位置を示す列アドレスｊに対応する接続
行列表本体の列アドレスｑは、ｑ＝ｊ−ｎＸ６４　　　
　　　　　　　　　（２）により求めることができる。

前の語に対応する接続行列表索引の行アドレスＰが得ら
れると、その行アドレスＰにより接続行列表本体との接
続番号を認識することができるので（４０４）、認識し
た接続番号に相当する接続行列表本体の行を検索し、上
記列アドレスｑとの交点より１ビツトの情報を得る（、
４０５）。１ビツトの情報を得た後、当該性の後続フラ
グを検索し。

「０」の場合は上記１ビツトの情報を接続値とする（４
０６，４０７）。後続フラグが「１」の場合は、さらに
次の行を検索し、上記列アドレスｑとの交点より１ビツ
トの情報を得る（４０６，４０８）。

最後に、接続番号に相当する行から得られたｌビットの
情報を下位桁、次の行から得られた１ビツトの情報を上
位桁とする２進２桁の情報を接続値とする（４０９）。

このように、本実施例では、簡単な手続により元の表（
正規の接続行列表）に再構成することができる。

第５図は、第２の実施例を説明するための図である。本
実施例は、接続行列表を４分割して異なりレコードのみ
を接続行列表本体に登録した点は。

第１図と同じである。第１図と異なるのは、接続行列表
本体を２５６レコートの頁単位に分割することで、接続
行列表索引のルコードを１０ビツト（２ビツト＋８ビツ
ト）で表現し、接続行列表索引の圧縮化を図った点であ
る。もっとも、本実施例においては、１頁を２５６レコ
ードとしたため第１図のように接続行列表本体の総行数
が７１４行の場合、実質的には第３頁の第２０２行まで
に全ての情報が格納され、それ以降は空きとなる。

この方法によれば、接続行列表索引は、１０バ！　　　
イ）−Ｘ３４０ＨＸ４（１＝１７゜。７３イｈ　、！ｌ
：　ｔ　！Ｊ　。

接続行列表本体の５８０２バイトと合わせると。

接続行列表全体を約７．５にバイトにすることができ、
メモリ容量を第１の実施例よりさらに約１にバイト削減
することができる。

第６図は１本発明の第３の実施例による接続行列表本体
を示す図である。

本接続行列表本体は、本来の２進２桁ビット列を上位桁
と下位桁に分離し、タイプ１の場合は。

下位桁の２進１桁ビット列のみで表現し、タイプ２の場
合は、上位桁、下位桁の２つの２進１桁ビット列に分離
して表現する点では、第１図、および第５図の実施例と
同じである。本実施例の特徴は、上位桁と下位桁の２進
１桁ビット列を別々の行に収納することなく、同一の行
に連続して収納し。

下位桁と上位桁の間に連続情報を設けたことにある。図
中、Ｏで囲った０、１が連続情報である。

図に示したように、連続情報を１ビツトの「０」。

「１」で表現し、他を第１図、または第５図と同様の手
法で構成した場合、メモリ容量は、それぞれ第１図、ま
たは第５図の実施例と同じである。　　　　　　みテ 本実施例においては、接続番号を接続行列表本体の総行
数（異なりレコード数）に一致させることができる。

なお、上記各実施例は、正規の接続行列表を４分割した
例であったが、本発明は４分割に限定されることなく、
分割数は自由である。

また、接続行列表の要素が０〜３の２進２桁の例で説明
したが、２進３桁以上の多値で示される要素の場合も同
様に１桁ごとに分離した複数の２進１桁ビット列により
要素を表現することにより、接続行列表に必要なメモリ
容量を大幅に低減することができる。さらに、列単位で
分割する例により説明したが、行単位で分割した場合に
も同様の効果を得ることができる。また、メモリ占有量
が問題となるシステムでは、接続行列表本体を外部ファ
イルとし、内部メモリ上の接続行列表索引により検索す
ることも可能である。もちろん、接続行列表本体、接続
行列表索引の両方を外部ファイルとすることも可能であ
る。さらに、上記各実施例は、べた書き入力方式のカナ
漢字変換装置に適用した例であったが、本発明は、漢字
部指定方式。

文節単位方式のカナ漢字変換装置にも適用し得ることは
言うまでもない。

効　　　果 以上説明したように、本発明のカナ漢字変換装置によれ
ば、メモリ占有量を大幅に圧縮し、かつ容易に検索し得
る接続行列表を実現することが可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例による接続行列表を説明する
ための図、第２図は第１図を適用したカナ漢字変換装置
のブロック図、第３図は第２図における単語辞書の一例
を示す図、第４図は第２図における接続可否検定部の処
理フローを示す図。 第５図は本発明の第２の実施例による接続行列表を示す
図、第６図は本発明の第３の実施例による接続行列表本
体を示す図、第７図は従来の一般的な接続行列表を示す
図である。 に入力部、２：解析対象文字列作成部、３：辞書検索部
、４：単語辞書、５：接続可否検定部、６：接続行列表
、７：評価部、８：バノクトランク制御部、９：出力部
。 第２図 第３図 累　　　　５　　　　ス 第６図 男７図

Claims (2)

【特許請求の範囲】
1. （１）単語辞書、単語間の接続情報を示す接続行列表を
   有し、表音文字にて入力された文字列に対し、前記単語
   辞書、接続行列表を用いてカナ漢字変換処理を行うカナ
   漢字変換装置において、前記接続行列表を行または列単
   位で複数個のブロックに分割した場合に各ブロックに形
   成される各行または各列の中から、その要素の並び方が
   異なる行または列のみを抽出した接続行列表本体と、該
   接続行列表本体の各要素が前記接続行列表のどの要素に
   該当するかを示す接続行列表索引とにより、前記接続行
   列表を表現し、かつ、前記要素が多値の場合、前記接続
   行列表本体の各行または各列の要素が２進１桁で表現し
   得るときは単一の２進１桁ビット列で登録し、２進１桁
   で表現し得ないときは桁ごとに分離した複数の２進１桁
   ビット列で登録したことを特徴とするカナ漢字変換装置
   。
2. （２）前記接続行列表本体は、ページ単位に分割され、
   前記接続行列表索引は、分割された当該接続行列表本体
   のページ番号を示すページ選択ビットを有することを特
   徴とする特許請求の範囲第１項記載のカナ漢字変換装置
   。