WO2007069762A1 - 類似文検索方法、類似文検索システム及び類似文検索用プログラム - Google Patents

類似文検索方法、類似文検索システム及び類似文検索用プログラム Download PDF

Info

Publication number
WO2007069762A1
WO2007069762A1 PCT/JP2006/325146 JP2006325146W WO2007069762A1 WO 2007069762 A1 WO2007069762 A1 WO 2007069762A1 JP 2006325146 W JP2006325146 W JP 2006325146W WO 2007069762 A1 WO2007069762 A1 WO 2007069762A1
Authority
WO
WIPO (PCT)
Prior art keywords
distance
similarity
character string
calculation
sentence
Prior art date
Application number
PCT/JP2006/325146
Other languages
English (en)
French (fr)
Inventor
Atsushi Wakao
Original Assignee
Nec Corporation
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Nec Corporation filed Critical Nec Corporation
Priority to JP2007550259A priority Critical patent/JP4930379B2/ja
Priority to US12/086,353 priority patent/US8356065B2/en
Publication of WO2007069762A1 publication Critical patent/WO2007069762A1/ja

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G—PHYSICS
    • G10—MUSICAL INSTRUMENTS; ACOUSTICS
    • G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
    • G10L15/00—Speech recognition
    • G10L15/08—Speech classification or search
    • G10L15/18—Speech classification or search using natural language modelling
    • G10L15/183—Speech classification or search using natural language modelling using context dependencies, e.g. language models

Definitions

  • Patent ⁇ Den 1 describes a system that makes it easy to understand similar example sentences necessary to translate input sentences by grouping similar example sentences ing.
  • the similarity is calculated between the input sentence and the pre-stored example sentence using a technique called DP matching. Then, based on the similarity calculation result, a similar example sentence is output.
  • Non-Patent Document 1 describes a technique called DP matching.
  • the minimum value selection in equation (1) above is the PP path from g (1, J).
  • the DP path is a path that shows the partial correspondence between the sequences X and Y when calculating the similarity.
  • FIG. 11 is an explanatory diagram showing an example of the DP path. In the example shown in Fig. 11, the path indicated by the arrow in the figure is the DP path. In the example shown in Fig. 11, for example, X's “Kyuyu” (urgently “sudden”) corresponds to Y's “Kyuyu”. “Lend” corresponds to “K” in Y.
  • the similar sentence search method includes a step of calculating a local distance indicating a distance between a character constituting the input character string and a character constituting the example sentence character string to be stored in advance, and provided to the example sentence character string in advance. Based on the delimiter position information that indicates the delimiter position, a step of switching the accumulation method for recursively accumulating the local distance and a process for recursively accumulating the local distance according to the switched accumulation method are performed. The step of calculating the similarity between the input string and the example sentence string, and the calculated similarity is high (for example, the value of similarity g (1, J) is the smallest). And obtaining a step.
  • FIG. 2 is a block diagram showing an example of the configuration of the similarity calculation means 1.
  • Figure '4 is an explanatory diagram showing an example of a sentence to sentence storage unit 2 stores in advance ⁇
  • FIG. 7 is an explanatory view showing another example of the calculation result obtained by the local distance calculation means 12 obtaining the local distance.
  • FIG. 8 is an explanatory view showing another example of the calculation result of the cumulative distance g (i, j) calculated by the cumulative distance calculation means 15.
  • FIG. 10 is a flowchart showing an example of similarity calculation processing in which the similarity calculation means 1 calculates the similarity between the input sentence and the example sentence.
  • the storage device of the information processing device (terminal) that implements the similar sentence search system searches for processing for calculating the similarity between character strings and example sentences (similar sentences) similar to the input sentence.
  • Various programs for executing the processing to be performed are stored.
  • the storage device of the information processing device (terminal) is a local distance meter that calculates a local distance indicating a distance between characters constituting the input character string and characters constituting the example sentence character string stored in advance. Based on the calculation process, the accumulation method switching process for switching the accumulation method for recursively accumulating the local distance, and the accumulation method switching process based on the delimiter position information which is information indicating the delimiter position previously given to the character string. The local distance is recursively accumulated according to the switched accumulation method, and the cumulative calculation process for calculating the similarity is performed.
  • a similar sentence search program for executing a search result calculation process obtained in this manner is stored.
  • the input character string filling means 11 1 inputs an example sentence to be subjected to similarity calculation from the example sentence storage means 2. Then, the input character string storage means 11 temporarily stores an input sentence and an example to be subjected to similarity calculation. .
  • the cumulative distance calculation means 15 calculates the cumulative distance g (i, j) according to the calculation method previously determined by the path determination means 14, and the calculation result (the obtained cumulative distance) is the cumulative distance calculation means. It is stored in 16 (step S 4 shown in FIG. 3).
  • the cumulative distance calculation means 1 5 It is determined whether or not the cumulative distance g (i, j) has been obtained for point (i, j) (step S5 shown in Fig. 3).
  • the similar sentence retrieval system recursively repeats the calculation of the cumulative distance calculation until g (i, j) is obtained for all (i, j).
  • the similar sentence search system repeats the processing of steps S 3 and S 4 for all (i, j) according to the order shown in Equation (2).
  • step S 5 if it is determined in step S 5 that the calculation of the cumulative distance has been completed for all points (i; j), the cumulative distance storage means 16 inputs the stored g (I, J) value. The similarity to the sentence example sentence is output to the similarity storage means 3 and the process is terminated.
  • the local distance calculation means 12 calculates a local distance d (i, j) between the input sentence “Kyu Kaka please” and the example sentence “Kiku Kashi please”.
  • the local distance calculation means 12 uses d (i, i, j) if X [i] and y [j] are the same vowel even if they are different characters.
  • the local distance may be obtained by performing more detailed calculations such as obtaining 0.5.
  • FIG. 5 is an explanatory diagram showing an example of a calculation result obtained by the local distance calculation means 12 obtaining the local distance.
  • the local distance calculation means 12 stores all the local distance calculation results in the local distance storage means 13. Let me write.
  • the cumulative distance storage means 16 stores in advance a value shown in the equation (4) as an initial value of g (i, j). Therefore, the cumulative distance calculation means 15 calculates a new cumulative distance based on the initial value stored in the cumulative distance storage means 16 when starting the cumulative distance calculation process.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

類似文の検索を行う場合に十分な検索精度が得られるようにする類似文検索システムは、類似度計算手段１と、例文を記憶する例文記憶手段２と、類似度を記憶する類似度記憶手段３とを備える。類似度計算手段１は、入力文及び例文を記憶する入力文字列記憶手段１１と、入力文字列記憶手段１１が記憶する文字列に基づいて局所距離を計算する局所距離計算手段１２と、局所距離を記憶する局所距離記憶手段１３と、入力文字列記憶手段１３が記憶する文字列の情報に基づいて累積距離計算手段１５が行う計算を制御するパス決定手段１４と、局所距離と累積距離記憶手段１６が記憶する累積距離とに基づいて新たな累積距離を計算する累積距離計算手段１５と、累積距離を記憶する累積距離記憶手段１６とを備える。そして、累積距離計算手段１５は、パス決定手段１４の制御に従い計算を実行する。

Description

明細書 類似文検索方法、 類似文検索システム及び類似文検索用プログラム ' 技術分野
本発明は、 類似文を検索する類似文検索方法、 類似文検索システム及び類似文検索 用プログラムに関する。 また、 本発明は、 .音声認識結果を用いて類似文を検索する類 、 似文検索方法、 類似文検索システム及び類似文検索用プログラムに関する。 また、 本 ' 発明は、 文字列間の類似度を計算する類似度計算方法、 類似度計算システム及び類似 度計算プログラムに関する。 '. 背景技術 ,
, 従来の類似文検索システムの一例として、 例えば、 特許^:献 1には、 類似例文をグ ルーピングすることにより、 入力文を翻訳するために必要な類似例文を分かりやすく 表 するシステムが記載されている。 特許文献 1に記載された従来の類似文検索シス テムによれば、 DPマッチングと呼ばれる手法を用いて、 入力文と予め蓄積された例 文との間で鍰似度を計算する。 そして、 類似度の計算結果に基づいて、 類似した例文' を出力する。 また、 非特許文献 1には、 DPマッチングと呼ばれる手法が記載されて いる。 ―
特許文献 1 特開平 8—106474号公報 (；段落 0016— 0024、 図 3— 4) 非特許文献 1 古井貞熙， "音響 ·音声工学."， 近代科学社
非特許文献 1に記載された手法を用いれば、 式 （1) を計算することによって、 D Pマッチングによって類似度を求めることができる （非特許文献 1、 p 184、式（1 4. 14) 参照）。 g (i, j ) =mi n {g (i， j - 1) +d (i, j ), g (i— 1， j - 1)
+ 2 d ( i , j )， g ( i - 1, j ) +d ( i， j )} ここで、 式 （1) において、 d ( i， j ) は、 系列 Xの i番目の要素 x [ i] (1≤ i≤ I) と系列 Yの j番目の要素 y [j ] ( 1≤ j≤ J ) との間の距離 （以下、 局所距 離ともいう） である。 例えば、 Xが文字列 「し きゆ ぅ カゝ し て く だ さ い」 であり、 Yが文字列 「か し て く だ さ い」 であるとする。 この場合の 系列 Xの要素と系列 Yの要素との局所距離 d ( i , j ) の例を図 5に示す。 図 5に示 す例では、 X [ i ] と y [ j ] とが同じ文字である場合には d ( i， j ) =0である とし、 同じ文字でない場合には d ( i , j.) = 1としている。
上記のように局所距離 d ( i , j ) が与えられた場合、. g (1， 1) かち順に距離 g ( i , j ) (以下、 累積距離ともいう） を計算することによって、 g (1， J) を求 めることができる。 この求めた g ( I , J) が 2つの系列 X， Yの類似性を示す値と なる。
次に、 類似文検索システムの構成例を図面を参照しで説明する。 図 1は、 類似文検 索システムの構成例を示すブロック図である。 図 1に示すように、 類似文検索システ ムは、 入力された文と例文との類似度を計算する鑌似度計算手段 1と、 検索対象とな る例文を記憶する例文記憶手段 2と、 類似度計算手段 1が計算した類似度を記憶する 類似度記憶手段 3とを含む。
類似度計算手段 1は、 入力文と、 例文記憶手段 2が記憶する各例文との類似度を計 算し、 求めた類似度を類似度記憶手段 3に渡す-（出力する） 機能を備える。.例文記憶 手段 2は、 記憶している例文を、 1文毎に類似度計算手段 1に渡す （出力する） 機能 を備える。 類似度記憶手段 3は、 類似度計算手段 1が計算した類似度を記憶する機能 を備える。 また、 類似度記憶手段 3は、 記憶した類似度が高い例文を出力する機能を 備える。
次に、 類似度計算手段 1の構成を説明する。 図 9は、 類似度計算手段 1の構成例を 示すブロック図である。 図 9に示すように、 類似文検索システムの類似度計算手段 1 は、 入力文字列記憶手段 9 1 1と、 局所距離計算手段 9 1 2と、 局所距離記憶手段 9 1 3と、 累積距離計算手段 9 1 5と、 累積距離記憶手段 9 1 6とを含む。
入力文字列記憶手段 9 1 1は、類似度計算の対象となる入力文及び例文を記憶する。 局所距離計算手段 9 1 2は、入力文字列記憶手段 9 1 1が記憶する文字列に基づいて、 局所距離 d ( i , j ) を計算する機能を備える。 局所距離記憶手段 9 1 3は、 局所距 離計算手段 912が計算した局所距離 d ( i , j ) を記憶する。 累積距離計算手段 9 15は、 局所距離記憶手段 913が記憶する d (i， j ) と、 累積距離記憶手段 91 6が記憶する g (i, j ) とに基づいて、 新たな g (i, j ) を計算する機能を備え る。 累積距離記憶手段 916は、 累積距離計算手段 915が計算した g ( i， j ) を 記憶する。
図 9に示す例において、 入力文字記憶手段 911.は、 類似度計算の対象となる入力 文及び例文を記憶し、 局所距離計算手段 9.12は、 入力文字記憶手段 91 1が記憶す る入力文及び例文の各要素間の局所距離 d ( i, j ) を、.全ての （i, j ) に関して 計算する。 また、 局所距離記憶手段 913は、 局所距離計算手段 912が計算した全 ての d (i, j ) を記憶する。 また、 累積距離計算手段 91 '5は、 鳥所距離記憶手段 913が記憶する' d ( i， j ); と、 累積距離記憶手段 916が記憶する g ( i , j ) とに基づいて、 新たな g (i， j ) を順に計算する。 そして、 累積距離記憶手段 91 6は、 累積距離計算手段 915が計算した g (i， j) を記憶するどともに、 全ての g (i, j) の計算が終了すると、 g (1， J) を入力文と例文との類似度として出 力する。
次に、 類似文検索システムの類似度計算手段 1の動作について説明する。 図 10は、 類似度計算手段 1が入力文と例文との類似度 計算する類似度計算処理の例を示す流 れ図である。本例では、類似文検索システムが、入力文 Yとして文字列「きゅ う か く だ さ い」 （休暇ください） を入力し、 例文 Xとして文字列 「し きゆ う. か し て く だ さ い」 （至急貸してくださレ を入力したとする。 入力文 X, Yが 渡される （入力される） と、 類似度計算手段 1は、 入力文 X, Yを、 入力文字記憶手 段 911に一旦記憶する。
次に、 局所距離計算手段 912は、 Xの各要素 X [ i] と、 Yの各要素 y [ i] と の間の局所距離 d (i, j ) を計算する （図 10に示すステップ S 91)。 図 5は、 局 所距離計算手段 912が計算した局所距離の計算結果の例を示す説明図である。 類似 文検索システムは、 図 5に示すような計算結果を、 全て局所距離記憶手段 913に記 憶する。 また、 局所距離計算手段 912は、 局所距離の計算を、 l≤ i≤ I， 1≤ j ≤Jを満たす全ての （i， j ) の組に対して行う。 すなわち、 局所距離計算手段 91 2は、 全ての点について計算を終了するまで、 ステップ S 91の処理を繰り返し実行 する (図 10に示すステップ S 92)。
次に、.累積距離計算手段 915は、 式 （1) に基づいてお (i, j ) を計算する （図 10に示すステップ S 94)。 また、 類似文検索システムは、 g ( i， j) の計算結果 を、 累積距離記憶手段 916に記憶する。
なお、 上記式 （1) における最小値選択を g (1， J) から 方向に迪つたパスを PPパスという。 DPパスは、 類似度を計算する際の系列 X， Y間の部分対応を示す パスである。 図 11は、 D Pパスの例を示す説明図である。 図 1 1に示す例では、 図 中に矢印で示されたパスが DPパスである。 図 11に示す例では、 例えば、 Xの 「き ゆ う」 （至急 「急」） に対して Yの 「きゆ う」.（休暇の 「休」） が対応し、 Xの 「か し て」 （貸して） に対して Yの 「か」.（休暇の 「暇」） が対応している。
上記のステップ S 94の計算において； 累積距離計算手段 915は、 g (1, 1) から順に iを 1ずつ増やしながら、 新たな g ( i, 1) を計算する。 g (1， 1) ま で計算すると、 累積距離計算手段 915は、 i =lに戻して jを 1増やし、 g (1， 2) から順に iを 1ずつ増やしながら、 新たな g ( i, 2) を計算する。 以下、 累積 距離'計算手段 915は、 全ての g ( i, j ) を算出するまで、 同様にステップ S 94 の計算を繰り返し実行する （図 13に示すステップ S 95)。
図 12は、 累積距離計算手段 915が求めた g ( i , j ) の計算結果の例を示す説 明図である。 全ての g ( j) の計算の終了後、 累積距離記憶手段 916は、 g (I, J )の値「 3」 （図 12に示す最右列の最下行の欄の値)を「きゆ う か く だ さ レ と、 「し きゆ う か し て く だ さ レ との間の類似度として出 す る。
同様に、類似文検索システムが、入力文 Yとして文字列「きゆ う カゝ く だ さ い」 （休暇ください） を入力し、 例文 Xとして文字列 「あ す わ きゆ う カゝ て く だ さ い」 （明日休暇ください）を入力したとする。入力文 X, Yが渡される（入 力される） と、 局所距離計算手段 912は、 図 7に示すように、 局所距離 d (i， j) を計算する。 また、 累積距離計算手段 915は、 図 7に示す d (i， j) に基づいて、 図 13に示すように類似度 g (i, j) を計算する。 そして、 累積距離記憶手段 91 6は、 上記の入力文 X， Yの 2文間の類似度として、 g (1， J) の値 「3」 を出力 する。 しかし、 D Pマッチング法を用いて類似文検索を行ったとしても、 2つの入力文間 の類似度を適切に求められるとは限らない。 例えば、 上記に示した例では、 因 1 3に 示すように、 「きゅうかください」 と 「しぎゆうかしてください」 とをマッチングする 場合に、 休暇の 「か」 と 「かして」 とを対応付けてしまう等、 意味的又は文法的な区 切りを考えると不自然な対応付けを行ってしまっている。 そのため、 「きゅうかくださ. レ^ と 「あすわきゆうかください」 とのように、 比 的類似した 2文間の類似度 「3」 と、 「きゅうかください」 と 「しきゅうかレてください」 とのように、 類似していない 2文間の類似度 「3」 とが同じ値となってしまう。 このような場合、 類似文検索シス テムを用いて類似文検索を行ったとしても、十分な検索の精度を得ることはできない。 そこで、 本発明は、 類似文を精度よく検索できる類似文検索方法、 類似文検索シス テム及び類似文検索用プログラムを提 することを目的とする。 また、 本発明は、 よ り正確な類似度を求めることができる類似度計算方法、 7類似度計算システム及び類似 度計算プログラムを提供することを目的とする。 発明の開示
本発明による類似度計算方法は、 2つの文字列について.、 文字列を構成する文字間 の距離を示す局所距離を計算するステップと、 文字列に予め付与された区切り位置を 示す情報である区切り位置情報 （例えば、 文字列中の文節区切りの位置を示す情報） に基づいて、 局所距離を再帰的に累積する累積方法 （例えば、 累積距離の計算方法） を切り替えるステップと、 切り替えた累積方法に従って局 距離を再帰的に累積する 処理 （例えば、 累積距離を求める処理） を行い、 文字列間の類似度 （例えば、 累積距 離 g ( 1， J ) ) を計算するステップとを含むことを特徴とする。
本発明による類似文検索方法は、 入力文字列を構成する文字と、 予め蓄積する例文 文字列を構成する文字との間の距離を示す局所距離を計算するステップと、 例文文字 列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 局所距 離を再帰的に累積する累積方法を切り替えるステップと、 切り替えた累積方法に従つ て局所距離を再帰的に累積する処理を行い、 入力文字列と例文文字列との類似度を計 算するステップと、 求めた類似度が高い （例えば、 類似度 g ( 1， J ) の値が最も小 さい） 例文文字列を検索結果として求めるステップとを含むことを特徴とする。 本発明による類似度計算システムは、 2つの文字列について、 字列を構成する文 字間の距離を示す局所距離を計算する局所距離計算手段 （例えば、 局所距離計算手段 1 2によって実現される） と、 文字列に予め付与された区切り位置を示す情報である 区切り位置情報に基づいて、 .局所距離計算手段が計算した局所距離を再帰的に累積す る累積方法を切り替える累積方法切替手段 （例えば、 パス決定手段 1 4によって実現 される） と、 累積方法切替手段が切り替えた累積方法に従って局所距離を再帰的に累 積する処理を行い、 文字列間の類似度を計算する累積計算手段 （例えば、 累積距離計 算手段 1 5によって実現される） とを備えたことを特徴とする。
本発明によ 類似文検索システムは、 入力文字列を構成する文字と、 予め蓄積する 例文文字列を構成する文字との間の距離を示す局所距離を計算する局所距離計算手段 と、.文字列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 局所距離計算手段が計算した局所距離を再帰的に累積す.; δ累積方法を切り替える累積 方法切替手段と、 累積方法切替手段が切り替えた累積方法に従って局所距離を再帰的 に累積する処理を行い、'文字列間の類似度を計算する累積計算手段と、'累積計算手段 が求めた類似度が高い例文文字列を検索結果として求める検索結果算出手段（例えば、 類似度記憶手段 3によって実現される) とを備えたことを特徴とする。 '
また、 類似文検索システムにおいて、 累積計算手段は、 局所距離計算手段が計算し た局所距離を、 所定の累積方法に従って累積し tこ距離である累積距離を求めるもので あってもよい。
また、 類似文検索システム おいて、 累積方法切替手段は、 区切り位置情報に基づ いて、 累積距離を求める計算方法を決定することによって、 局所距離を再帰的に累積 する累積方法を切り替え、 累積計算手段は、 累積方法切替手段が決定した計算方法に 従って累積距離を求めるものであってもよい。
また、 類似文検索システムにおいて、 累積方法切替手段は、 区切り位置情報に基づ いて、 累積距離を求める計算方法として、 累積距離を求めるための計算式 （例えば、 式 （3 )) を決定し、 累積計算手段は、 累積方法切替手段が決定した計算式に従って累 積距離を求めるものであってもよい。
また、 類似文検索システムは、 区切り位置情報が付与された複数の例文文字列を予 め記憶する例文記憶手段 （例えば、 例文記憶手段 2によって実現される） を備え、 累 積方法切替手段は、 例文記憶手段が記憶する例文文字列に付与された区切り位置情報 に基づいて、 局所距離を再帰的に累積する累積方法を切り替えるものであってもよい。 また、 類似文検索システムにおいて、 検索結果算出手段は、 例文記憶手段が記憶す る例文文字列のうち、 累積計算手段が求めた高い類似^に対応する例文文字列を、 入 力文字列に類似する類似文の検索結果として求めるものであってもよい。
また、 類似文検索システムは、 音声を入力する音声入力手段 （例えば、 マイクロフ オン等の音声入力装置） と、 音声入力手段が入力した音声を、 音声認識を行うことに よって入力文字列に変換する音声認識手段 （例えば、 音声認識処理を実行可能な入力 文字列記憶手 1 1によって実現される） とを備え、 局所距離計算手段は、 音声認識 手段が変換した久力文字列に基づいて局所距離を計算するものであってもよい。
丰発明による類似度計算プログラムは、 コンピュータに、 2つの文字列について、 文字列を構成する文字間の距離を示す局所距離を計算する局所距離計算処理と、 文字 列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 局所距 離を再帰的に累積する累積方法を切り替える累積方法切替処理と、 累積方法切替処理 で り替えた累 ¾方法に従って局所距離を再帰的に累積する処理を行い、 文字列間の . 類似度を計算する累積計算処理とを実行させるためのものである。 . ' .
本発明による類似文検索用プログラムは、 コンピュータに、 入力文字列を構成する 文字と、 予め蓄積する例文文字列を構成する文字間との距離を示す局所距離を計算す る局所距離計算処理と、 文字列に予め付与された区切り位置を示す情報である区切り 位置情報に基づいて、 局所距離を再帰的に累積する累積方法を切り替える累積方法切 替処理と、 累積方法切替処理で切り替えた累積方法に従って局所距離を再帰的に累積 する処理を行い、 類似度を計算する累積計算処理と、 求めた類似度が高い例文文字列 を検索結果として求める検索結果算出処理とを実行させるためのものである。
上記のような構成を採用し、例文文字列に文節等の区切りを示す情報を予め付与し、 区切り情報を用いて累積距離の計算方法を切り替えて、 累積距離の計算を行うことに より正確な類似度が求めることができる。 従って、 類似文を精度よく検索できるよう にするという本発明の目的を達成することができる。 本発明によれば、 文字列に予め付与された区切り位置情報に基づいて、 局所距離を 再帰的に累積する累積方法を切替、 切り替えた累積方法に従って局所距離を再帰的に 累積する処理を行い、 文字列間の類似度を計算する。 そのため、 類似度計算の際に例 文の 切り情報を参照することによって、 より正確な類似度を求めることができる。 また、 本発明によれば、 切り替えた累積方法に従って求めた類似度に基づいて、 類 似文の検索結果を求める。 従って、 類似文を精度よく検索することができる。 すなわ ち、 文字列内の区切り位置を考慮せずに類似度を求める場合と比較して、 より正確な 類似度に基づいて検索結果を算出できるので、 より精度よく類似文検索を行うことが できる。 図面の簡単な説^
図 1は、 類似文検索システムの構成例を示すブロック図である。
図 2は、 類似度計算手段 1の構成の一例を示すブロック図である。
図 3は、 類似度計算手段 1が入力文と例文との類似度を計算する類似度計算処理の 一例を示す流れ図である。
図' 4は、 例文記憶手段 2が予め記憶する例文の例を示す説明図である ό
図 5は、 局所距離計算手段 1 2が烏所距離を求めた計算結果の例を示す説明図であ る。
図 6は、 累積距離計算手段 1 5が計算した累積距離 g ( i， j ) の計算結果の例を 示す説明図である。
図 7は、 局所距離計算手段 1 2が局所距離を求めた計算結果の他の例を示す説明図 である。
図 8は、 累積距離計算手段 1 5が計算した累積距離 g ( i , j ) の計算結果の他の 例を示す説明図である。
図 9は、 類似度計算手段 1の構成例を示すブロック図である。
図 1 0は、 類似度計算手段 1が入力文と例文との類似度を計算する類似度計算処理 の例を示す流れ図である。
図 1 1は、 D Pパスの例を示す説明図である。
図 1 2は、 累積距離計算手段 9 1 5が求めた g ( i , j ) の計算結果の例を示す説 明図である。 図 1 3は、 累積距離計算手段 9 1 5が求めた g ( i， j ) の計算結果の他の例を示 す説明図である。
図中、 1 ：類似度計算手段、 2 ：例文記憶手段、 3 ：類似度記憶手段、 1 1 ：入力 文字列記憶手段、 1 2 ： '局所距離計算手段、 1 3 ：局所距離記憶手段、 1 4 ：パス決 定手段、 1 5 ：累積距離計算手段、 1 6 ：累積距離記憶手段 発明を実施するための最良の形態
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。 本実施の形態におい て、 本発明に る類似文検索システムの基本的な構成は、 図 1.に示した類似文検索シ ステムの構成と同様である。 類似文検索システムは、 具体的には、 ヮ クステーショ ンゃパーソナルコンピュータ等の情報処理装置によって実現される。 なお、 類似文検 索システムは、 携帯電話機や P D A等の情報処理端末によって実現されてもよ 。 ま た、 類似文検索システ厶は、 1つの情報処理装置 （端末） を用いて実現されてもよく、 複数の情報処理装置 （端末） を用いて実現されてもよい。
本 施の形態において、 類似文検索システムは、 例えば、 ユーザが新たに文を作成 したい場合に、作成したい文の類似文をデータベースから検索する用途に適用できる。 そのようにすることによって、 ユーザは、 検索された類似文や外国語による翻訳文を 参考にして文を作成することができる。 また、 例えば、 電子メール等の手段を用いて 質問を受けた場合に、 類似文検索システムは、 質問文の類似文をデータベースから検 索する用途に適用できる。 そのようにすることによって、.検索結果 （類似文） に対応 した回答を作成し送付することができる。 また、 例えば、 類似文検索システムは、 音 声認識により音声を音節等に変換し、 変換結果の類似文をデータベースから抽出する 用途に適用できる。 この場合、 例えば、 類似文検索システムは、 音声による文章入力 装置の用途に適用できる。
図 1に示すように、 類似文検索システムは、 入力された文と例文との類似度を計算 する類似度計算手段 1と、 検索対象となる例文を記憶する例文記憶手段 2と、 類似度 計算手段 1が計算した類似度を記憶する類似度記憶手段 3とを含む。
類似度計算手段 1は、 入力文と、 例文記憶手段 2が記憶する各例文との類似度を計 算する機能を備える。 また、 類似度計算手段 1は、 求めた類似度を、 類似度記憶手段 3 'に渡す （出力する） 機能を備える。 なお、 本実施の形態において、 類似度計算シス テムは、 類似度計算手段 1によって実現される。
例文記憶手段 2は、 具体的には、 磁気ディスク装置や光ディスク装置等の記憶装置、 及びプログラムに従って動作する情報処理装置 （端末） の C P Uによって実現される。 例文記憶手段 2は、 検索対象となる例文を予め複数蓄積する。 なお、.各例文は、 例え ば、 類似文検索システムの管理者等によって作成され、 予め例文記憶手段 2に蓄積さ れる。 また、 例文記憶 段 2は、 記憶している例文を、 . 1文毎に類似度計算手段 1に 渡す （出力する） 機能を備える。 例えば、 例文記憶手段 2は、 複数の例文を含むテキ ス卜データを手め記憶しており、 テキス卜デ一夕から 1文づっ例文を抽出して類似度 計算手段 1に出力する。
,本実施の形態で 、 例文記億手段 2は、 例文として、 所定の区切り位置が付与され た文字列を記憶する。 例えば、 例文記憶手段 2は、 例文として、 文節の区切り位置を 示す情報が付与された 字列を記憶する。 なお、 文字列の区切り位置は、 例えば、 類 似文検索システムの管理者等によって予め付与される。
似度記憶手 3は、 具体的には、 .磁気ディスク装置やメモリ等の記憶装置、 及び プログラムに従って動作する情報処理装置 （端末） の C P Uによって実現される。 類 似度記憶手段 3は、 類似度計算手段 1が計算した類似度を記憶する。 また、 類似度記 憶手段 3は、 記憶した類似度が高い例文を出力する機能を備える。 この場合、 類似度 記憶手段 3は、 記憶した類似度に基づいて、 例文記憶手段 2が蓄積する^ J文のうち、 入力文に類似する例文を特定する。 そして、 類似度記憶手段 3は、 特定した例文を、 入力文字列に類似する類似文の検索結果として求める。 すなわち、 類似度記憶手段 3 は、 最も高い類似度に対応する例文文字列を、 類似文の検索結果として求める。 また、 類似度記憶手段 3は、 類似度が高い順に所定個の例文文字列を、 類似文の検索結果と して求めてもよい。 また、 類似度記憶手段 3は、 求めた検索結果を出力する。 例えば、 類似度記憶手段 3は、 類似度が高い例文を、 ディスプレイ装置等の表示装置に表示さ せる。
次に、 類似度計算手段 1の構成を説明する。 図 2は、 類似度計算手段 1の構成の一 例を示すブロック図である。 図 2に示すように、 類似度計算手段 1は、 入力文字列記 憶手段 1 1と、 局所距離計算手段 1 2と、 局所距離記憶手段 1 3と、 パス決定手段 1 4と、 累積距離計算手段 1 5と、 累積距離記憶手段 1 6とを含む。
入力文字列記憶手段 1 1は、 具体的には、 磁気ディスク装置やメモリ等の記憶装置、 及びプログラムに従って動作する情報処理装置 （端末） の C P Uによって実現される。 入力文字列記憶手段 1 1は、 類似度計算の対象となる入力文及び例文を記憶する。 ま た、 入力文字列記憶手段 1 1は、 類似度計算対象の例文を、 例文記憶手段 2から入力 する機能を備える。
また、 入力文字列記憶手段 1 1は、 '類似度計算対象の入力文を入力する機能を備え る。 例えば、 類似文検索システムは、 キーボードやマウス、 キー操作部等の入力装置 を備える。 こめ場合、 入力文字列記憶手段 1 1は、 ユーザの入力操作に従って、 文字 列 （入力文） を入力装置から入力する。 また、 例えば、 類似文検索システムが電子メ ールを受信すると、 入力文字列記憶手段 1 1は、 電子メールから文字列 （入力文） を 抽出する。 また、 例えば、 類似文検索システムは、 マイクロフォン等の音声入力装置 を備える。 この場合、 入力文字列記憶手段 1 1は、 ユーザの音声入力操作に従って、 音声入力装置から音声を入力する。 また、 入力文字列記憶手段 1 1は、 音声認識処理 を実'行し、 入力じた音声を文字列 （入力文） に変換する。
局所距離計算手段 1 2は、 具体的には、 プログラムに従って動作する情報処理装置 (端末） の C P Uによって実現される。 局所距離計算手段 1 2は、 入力文字列記憶手 段 1 1が記憶する文字列 （入力文及び例文の文字列） に基づいて、 文字列を構成する 文字間の距離を示す局所距離 d ( i， j ) を計算する機能を備える。 本実施の形態で は、 局所距離計算手段 1 2は、 入力文字列を構成する文字と、 例文文字列を構成する 文字との間の距離を示す局所距離を求める。
局所距離記憶手段 1 3は、 具体的には、 磁気ディスク装置やメモリ等の記憶装置に よって実現される。 局所距離記憶手段 1 3は、 局所距離計算手段 1 2が計算した （求 めた） 局所距離 d ( i , j ) を記憶する。
パス決定手段 1 4は、 具体的には、 プログラムに従って動作する情報処理装置 （端 末） の C P Uによって実現される。 パス決定手段 1 4は、 入力文字列記憶手段 1 1が 記憶する文字列の情報に基づいて、 累積距離計算手段 1 5が実行する計算を制御する 機能を備える。 この場合、 パス決定手段 1 4は、 文字列に予め付与された区切り位置 を示す区切り位置情報に基づいて、 局所距離を再帰的に累積する累積方法を切り替え る。. 本実施の形態では、 パス決定手段 1 4は、 入力文字列記憶手 1 1が記憶する文 字列に ί寸与された区切り位置情報に基づいて、 累積距離計算手段 1 5が累積距離を求 める計算方法を決定する。 例えば、 パス決定手段 1 4は、 文字列に付与された区切り 位置情報に基づいて、 累積距離を求めるための計算式を決定する。
累積距離計算手段 1 5は、 具体的には、 プログラムに従って動作する情報処理装置 (端末） の C P Uによって実現される。 累積距離計算手段 1 5は、 パス決定手段 1 4 が切り替えた累積方法に従って局所距離を再帰的に累積する処理を行い、 文字列間の 類似度を計算する機能を備える。 ごの場合、 累積距離計算手段 1 5は、 局所距離計算 手段 1 2が求 た局所距離を、 所定の累積方法に従って累積した距離である累積距離 を求める。 本実施の形態では、 累積距離計算手段 1 5は、 局所距離記憶手段 1 3が記 憶する局所距離 d . ( i， j ) 、 累積距離記憶手段 1 6が記憶する累積距離 g ( i , j ) とに基づいて、 新たな累積距離 g ( i， j ) を計算； Τる。 すなわち、 本実施の形 態において、 累積距離計算手段 1 5は、 .再帰的に累積距離 g ( i , j ) の算出処理を 繰り返し実行する。
累'積距離記憶羊段 1 6は、 具体的には、 磁気ディスク装置やメモリ等の記憶装置、 及びプログラムに従って動作する情報処理装置 （端末） の C P Uによって実現される。 累積距離記憶手段 1 6は、 累積距離計算手段 1 5が計算した累積距離 g ( i，' j ) を 記憶する。 また、..累積距離言己憶手段 1 6は、 全 1：の （i， j ) について累積距離を算 出すると、 g ( 1， J ) を、 入力文と例文との類似度として類似度記憶手段 3に出力 する機能を備える。
なお、 本実施の形態において、 類似文検索システムを実現する情報処理装置 （端末） の記憶装置は、 文字列間の類似度を算出する処理や、 入力文に類似する例文 （類似文） を検索する処理を実行させるための各種プログラムを記憶している。 例えば、 情報処 理装置 （端末） の記憶装置は、 コンピュータに、 入力文字列を構成する文字と、 予め 蓄積する例文文字列を構成する文字間との距離を示す局所距離を計算する局所距離計 算処理と、 文字列に予め付与された区切り位置を示す情報である区切り位置情報に基 づいて、 局所距離を再帰的に累積する累積方法を切り替える累積方法切替処理と、 累 積方法切替処理で切り替えた累積方法に従って局所距離を再帰的に累積する処理を行 い、 類似度を計算する累積計算処理と、 求めた類似度が高い例文文字列を検索結果と して求める検索結果算出処理とを実行させるための類似文検索用プログラムを記憶し ている。
次に、 動作に.ついて説明する。 図 3は、 類似度計算手段 1が入力文と例女との類似 度を計算する類似度計算処理の一例を示す流れ図である。 以下、 図 2及び図 3を参照 して、 類似度計算手段 1の動作について説明する。
まず、 入力文字列記憶手段 1 1は、 類似度計算対象の入力文を入力する。 例えば、 入力文字列記憶手段 1 1は、 ユーザの入力操作に従って、 入力装置から入力文を入力 する。 また、 例えば、 入力文字列記憶手段 1 1は、 電子メールを受信すると、 電子メ ールから文字^ (入力文） を抽出する。 また、 例えば、 入力文字列記憶手段.1 1は、 ユーザの音声入力操作に従って、 音声入力装置から音声を入力する。 そして、 入力文 字列記憶手段 1 1 、 音声認譁処理を実行し、 入力した音声を文字列 （入力文） に変 換する。
また、 入力文字列記填手段 1 1は、 類似度計算対象となる例文を例文記憶手段 2か ら入力する。 そして、 入力文字列記憶手段 1 1は、 類似度計算の対象となる入力文及 び例 を一時記憶する。 .
次に、 局所距離計算手段 1 2は、 入力文字記憶手段 1 1が記憶する入力文及び例文 の各要素間の局所距離 d ( i， j ) を計算し、 求めた局所距離を局所距離記憶手段 1 3に記憶させる （図 3に示すステップ S 1 )。 また、 局所距離計算手段 1 2は、 全ての 点 （i， j ) に対して、 局所距離 d ( i， j ) を求めたか否かを判断する （図 3に示 すステップ S 2 )。 すなわち、 局所距離計算手段 1 2は、 局所距離算出の計算を、 全て の （ i , j ) に対して d ( i， j ) を求めるまで繰り返し実行する。
次に、 パス決定手段 1 4は、 累積距離計算手段 1 5が計算対象とする点 （ i， j ) に関する情報を、 入力文字列記憶手段 1 1から読み込む。 例えば、 パス決定手段 1 4 は、 入力文字列記憶手段 1 1が記憶する文字列に予め付与された区切り位置の情報を 読み込む。 そして、 パス決定手段 1 4は、 読み込んだ情報に基づいて、 累積距離計算 手段 1 5が累積距離を求める計算の方法を決める （図 3に示すステップ S 3 )。
次に、 累積距離計算手段 1 5は、 先にパス決定手段 1 4が決めた計算方法に従って、 累積距離 g ( i , j ) を計算し、 計算結果 （求めた累積距離） を累積距離計算手段 1 6に記憶させる （図 3に示すステップ S 4 )。 また、 累積距離計算手段 1 5は、 全ての 点 （i， j) に対して、 累積距離 g (i, j ) を求めたか否かを判断する （図 3に示 すステップ S 5)。 すなわち、 類似文検索システムは、 累積距離算出の計算を、 全ての (i， j ) に対して g (i, j) を求めるまで再帰的に繰り返し実行する。 この場合、 類似文検索システムは、 ステップ S 3， S 4の処理を、'式 （2) に示す順序に従って、 全ての （i, j) に対して繰り返し実行する。
(i, j ) = (1, 1)， （2, 1),.·..， (I, 1)， （1, 2), (2, 2)
，...， (I, J-l), (I,, J)
. 、 . ■ 式■ (2)
•最後に、 ステップ S 5で全ての点 （i; j ) に対して累積距離の計算を終了したと 判定すると、 累積距離記憶手段 16は、 記憶した g (I, J) の値を、 入力文 例文 との類似度として類似^記憶手段 3に出力して処理を終了する。
なお、 類似度記憶手段 3は、 累積距離記憶手段 16から入力した類似度 （g (1， J))' を記憶する。 また、.類似度記憶手段 3は、 記憶した類似度に基づいて、 例文記憶 手段 2が蓄積する例文のうち、 入力文に類似する例文を特定する。 そして、 類似度記 憶手段 3は、 特定した例文を、 入力文との類似度が高い例文として出力する。 例えば、 類似度記憶手段 3は、 特定した例文を、 ディスプレイ装置等の表示装置に表示させる。 以上のように、 本実施の形態によれば、 類似文検索システムは、 類似度計算の際に 例文の区切り情報を参照することによって、 より正確な類似度を求める。 具体的には、 パス決定手段 14は、 例文文字列に予め付与された区切り位置情報に基づいて、 累積 距離を求める計算方法を決定する。 また、 累積距離計算手段 15は、 パス決定手段 1 4が決定した計算方法に従って累積距離を求め、 入力文字列と例文文字列との類似度 を求める。 そして、 類似度記憶手段 3は、 求めた類似度に基づいて、 入力文に類似す る類似文の検索結果を求める。 従って、 類似文を精度よく検索することができる。 す なわち、 例文文字列内の区切り位置を考慮せずに類似度を求める場合と比較して、 よ り正確な類似度に基づいて検索結果を算出できるので、 より精度よく類似文検索を行 うことができる。 実施例
次に、 具体的な実施例を用いて類似文検索システムの動作を説明する。 まず、 類似 文検索システムは、 例えば、 入力文として、 文字列 「きゆ う 'カゝ く だ さ レ」 を入力する。 すると、 類似文検索システムは、 例文記愴手段 2に記憶されている例文 を 1文読み出し、 入力文とともに類似度計算手段 1に渡す。
図 4は、 例文記憶手段 2が予め記憶する例文の例を示す説明図である。 例文記憶手 段 2は、 所定の区切り位置を示す情報が付加された例文を予め記憶する。 図 4に示す 例では、 例文記憶手段 2は、 区切り位置,を示す情報として、 記号 「 を付加された 例文を記憶し tいる。 ここで、 例文中の 「I」 は文節の区切りを示す。 以下.、 図 4に 示す例文のうち、 先頭 （1番目） の文字列 「 I しきゅう Iかして Iください」 に対し て、 類似度計算を行う場合の動作例を説明する。
入力文及び例文が与えられると、 入力された入力文及び例文は、 入力文字記憶手段 1 1に一旦記憶される。 この場合、 入力文字記憶手段 1 1は、 例文中の文節の区切り を示す記号 「 I」 を、 他の文の文字列と分離して記憶する。 例えば、 入力文字列記憶 手段' 1 1は、 文字列 「Iしきゅう Ίかして Iください」 を記憶する場合、 「しきゅうか してください」 という文字列と、 （0、 3、 6) という文字列中の文節区切りの位置を 示す情報 （区切り位置情報） とに分離して記憶する。 なお、 前者の文字列は、 局所距 離計算手段 12が局所距離を求める際に用いられる。 また、 後者の区切り位置情報は、 パス決定手段 14が累積距離の計算方法を決定する際に用いられる。
次に、 局所距離計算手段 12は、 入力文 「きゅうかください」 と例文 「しきゅうか してください」 との間の局所距離 d ( i , j ) を計算する。 本実施例では、 局所距離 計算手段 12は、 X [ i ] と y [ j ] とが同じ文字である場合、 d ( i， j ) =0と 求める。 また、 局所距離計算手段 12は、 X [ i ] と y [ j ] とが同じ文字でない場 合、 d ( i , j ) =1と求める。 なお、 局所距離計算手段 12は、 異なる文字であつ ても X [ i ] と y [j ] とが同じ母音である場合 （例えば、 「か」 と 「さ」 である場合)、 d ( i， j ) =0. 5と求める等、 より値を細分化した計算を行って局所距離を求め てもよい。
図 5は、 局所距離計算手段 12が局所距離を求めた計算結果の例を示す説明図であ る。 局所距離計算手段 12は、 局所距離の計算結果を、 全て局所距離記憶手段 13に 記 させる。
次に、，パス決定手段 14は、 累積距離計算手段 1 5が累積距離を計算する計算方法 を決める。 ここで、 例文中の文節区切り位置を k [n] と表す。 本実施例では、 パス 決定手段 14は、 入力文字記憶手段 1 1が記憶する区切り位置情報に示される文節区 切り位置に基づいて、 k [0] =1， k [1] =3， k [2] =6と特定する。 そし て、 パス決定手段 14は、 特定した k [n] を用いて、 累積距離 g ( i， j ) の計算 方法を以下のように決定する。 本実施例では、 パス決定手段 14は、 特定した k [n] を用いて、 累積距離の計算式を式 （3) ように決定する。 g ( i , j ) =m i n {g ( i , j - 1) +d ( i , j ), .
g ( i - 1, j:- l) ■ + 2 d ( i , j ),
g (k [n- 1], j ) + (k [n] -k [n- 1]) +d ( i, j )} （i =k [n] の場合） g ( i, j ) =g (i - 1, j - 1) +2 d (i, j )
' ( i -k [n] 以外の場合)
. ' 式 （3) 次に、 累積距離計算手段 1 5は、 パス決定手 14が決定した計算式に従って、 累 積距離 g (i, j ) を計算する。 また、 累積距離計算手段 15は、 累積距離の計算を、 1≤ i≤ I, 1≤ j≤ Jを満たす全ての （ i， j ) の組に対して行う。 この場合、 累 積距離計算手段 15は、 以下に示す計算順序に従って、 累積距離を求める。
(a) まず、累積距離算出処理において、累積距離計算手段 15は、 （i， j ) = (1, 1) 力 計算を開始し、 累積距離 g (1， 1) を求める。 （b) また、 累積距離計算手 段 15は、 iを 1ずつ増やしながら、 累積距離 （i， j ) を順に求める。 （c) 1= 1 となると、 累積距離計算手段 15は、 jを 1増やし iを 1に戻して、 累積距離 （i , j ) を求める。 上記の （b), (c) の手順を繰り返し行うことによって、 累積距離計 算手段 1 5は、 全ての点 （i， j ) について累積距離 g ( i , j ) を求める。 また、 累積距離計算手段 15は、 累積距離の計算結果を、 累積距離記憶手段 16に記憶させ る。 なお、 累積距離記憶手段 1 6は、 g ( i， j ) の初期値として、 式 （4 ). に示す値 を予め記憶している。 従って、 累積距離計算手段 1 5は、 累積距離の計算処理を開始 するとき、 累積距離記憶手段 1 6が記憶する初期値に基づいて、 新たな累積距離を算 出する。 g ( i , j ) = i ( j = 0の場合）
g ( i， j ) = j (— i = 0の場合）
式 （4 )
' 図 6は、 累積距離計算手段 1 5が計算した累積距離 g ( i，. j ) の計算結果の例を 示す説明図である。 図 6に示す計算結果に基づいて、 累積距離記憶手段 1 6は、 入力 文 「きゆ う か く だ さ い」 と例文 「 I しきゅう Iかして I ください」 との 類似度を 「5」 と求め： C出力する （図 6に示す最右列の最下行の欄の値)。
類似度計算手段 1は、'同様の処理に従って、 図 4に示す次の例文 「 Iあすわ Iきゆ うか' I ください に対して類似度を計算する。 この場合、 局所距離計算手段 1 2は、 局所距離 d ( i， j ) を図 7に示すように求める。 また、 累積距離計算手段 1 5は、 累積距離 g ( i , j ) を図 8に示すように求める。 そして、 累積距離記憶手段 1 6は、 図 8に示す計算結果に基づいて、入力文「きゆ う カゝ く だ さ い」 と例文「 I あすわ〖きゅうか〗 ください」 との類似度を 「3」 と求めて出力する （図 8に示す最 右列の最下行の欄の値)。 また、 類似度計算手段 1は、 これら求めた類似度を、 類似度 記憶手段 3に記憶させる。
なお、 本実施例では、 累積距離記憶手段 1 6が出力する類似度の値が小さい程、 類 似度が高い （入力文と例文とが類似している） ことを示している。 上記に示す例では、 例文 「 Iあすわ Iきゅうか I ください」 に基づいて求めた類似度の値 「3」 が、 例文 「 I しきゅう Iかして I ください」 に基づいて求めた類似度の値 「5」 より小さいの で、 類似度が高いことになる。 従って、 上記に示す例では、 例文 「 Iあすわ Iきゅう か I ください」 力 例文「 I しきゅう Iかして I ください」 よりも、 入力文「きゆ う か く だ さ い」 に類似していることが'分かる。
類似度計算手段 1は、 同様の処理に従って、 例文記憶手段 2が蓄積する全ての例文 に対して類似度を計算し、 類似度記憶手段 3に記憶させる。 そして、 類似度記憶手段 3は、 最も値が小さい類似度に対応する例文 （すなわち、 入力文との類似度が最も高 い例文） を検索結果として出力する。 例えば、 類似度記憶手段 3は、 入力文との類似 度が最も高い例文を、 表示装置に表示させる。 産業上の利用可能性
本発明は ユーザが作成しだい文の類似文をデータベースから検索する用途に適用 できる。 そのようにすることによって、 ユーザは、 類似文や外国語による翻訳文を参 考にして文を作成することができる。 また、 電子メール等の手段を用いて質問を受け た場合に、 質問文の類似文をデータベースから検索する用途に適用できる。 そのよう にすることによって、 検索結果に対応した回答を作成し送付することができる。 また、 音声認識により音声を音節等に変換し、 変換結果の類似; 5：をデータベースから検索す る用途に適用できる。 また、 音声による文章入力装置の用途に適用できる。

Claims

請求の範囲
1 . 2つの文字列について、 文字列を構成する文字間の距離を示す局所距離を計算 するステヅプと、
文字列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 前記局所距離を再帰的に累積する累積方法を切り替えるステップと、
前記切り替えた累積方法に従って前記局所距離を再帰的に累積する処理を行い、 文 字列間の類似度を計算するステップとを含む
ことを特徴とする類似度計算方法。
2 . 入力文字列 ¾構成する文字と、 予め蓄積する例文文字列を構成する文字との間 の距離を示す局所距離を計算するステップと、
例文文字列に予め付 された区切り位置を示す情報である区切り位置情報に基づい て、 前記局所距離を再帰的に累積する累積方法を切り替えるステップと、
前'記切り替えた累積方法に従って前記局所距離を再帰的に累積する処理を行い、 入 力文字列と例文文字列との類似度を計算するステップと、 - 前記求めた類似度が高レ例文文字列を検索結果として求めるステップとを含む ことを特徴とする類似文検索方法。
3 . 2つの文字列について、 文字列を構成 "る文字間の距離を示す局所距離を計算 する局所距離計算手段と、
文字列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 前記局所距離計算手段が計算した局所距離を再帰的に累積する累積方法を切り替える 累積方法切替手段と、
前記累積方法切替手段が切り替えた累積方法に従って前記局所距離を再帰的に累積 する処理を行い、 文字列間の類似度を計算する累積計算手段とを備えた
ことを特徴とする類似度計算システム。
4 . 入力文字列を構成する文字と、 予め蓄積する例文文字列を構成する文字との間 の距離を示す局所距離を計算する局所距離計算手段と、
文字^に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 前記局所距離計算手段が計算した局所距離を再帰的に累積する累積方法を切り替える 累積方法切替手段と、
前記累積方法切替手段が切り替えた累積方法に従って前記局所距離を再帰的に累積 する処理を行い、 文字列間の類似度を計算する累積計算手段と、
前記累積計算手段が求めた類似度が高い例文文字列を検索結果として求める検索結 果算出手段とを備えた ' ，
ことを特徴 ^する類似文検索システム。 .
5 .. 累積計算手段は、 局所距離計算手段が計算した局所距離を、 所定の累積方法に 従って累積した距離である累積距離を求める請求項 4記 の類似文検索システム P
6 . 累積方法切替手段は、 区切り位置情報に基づいて、 累積距離を求める計算方法 を決定することによって、 局所距離を再帰的に累積する累積方法を切り替え、 累積計算手段は、 前記累積方法切替手段が決定した計算方法に従って累積距離を求 める
ことを特徴とする請求項 5記載の類似文検索システム。
7 . 累積方法切替手段は、 区切り位置情報に'基づいて、.累積距離を求める計算方法 として、 累積距離を求めるための計算式を決定し、
累積計算手段は、 前記累積方法切替手段が決定した計算式に従って累積距離を求め る
ことを特徴とする請求項 6記載の類似文検索システム。
8 . 区切り位置情報が付与された複数の例文文字列を予め記憶する例文記憶手段を 備え、
累積方法切替手段は、 前記例文記憶手段が記憶する例文文字列に付与された区切り 位置情報に基づいて、 局所距離を再帰的に累積する累積方法を切り替える ことを特徴とする請求項 4から請求項 7のうちのいずれか 1項 記載の類似文検索 システム。
9 . 検索結果算出手段は、.例文記憶手段が記憶する例文文字列のうち、 累積計算手 段が求めた高い類似度に対応する例文文字列を、 入力文字列に類似する類似文の検索 結果として求めることを特徴とする請求項 8項記載の類似文検索システム。
1 0 . 音声を入力する音声入力手段と、
前記音声入力手段が入力した音声を、 音声認識を行うことによって入力文字列に変 換する音声認識手段とを備え、 .
局所距離計算手段は、 前記音声認識手段が変換した入力文字列に基づいて局所距離 を計算する
ことを特徴とする請求項 4から請求項 9のうちのいずれ；^ 1項に記載の類似文検索 システム。
1 1 . . コンピュータに、 '
2つの文字列について、 文字列を構成する文字間の距離を示す局所距離を計算する 局所距離計算処理と、 ,
文字列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 前記局所距離を再帰的に累積する累積方法を切り替える累積方法切替処理と、 前記累積方法切替処理で切り替えた累積方法に従って前記局所距離を再帰的に累積 する処理を行い、 文字列間の類似度を計算する累積計算処理とを
実行させるための類似度計算プログラム。
1 2 . コンピュータに、
入力文字列を構成する文字と、 予め蓄積する例文文字列を構成する文字間との距離 を示す局所距離を計算する局所距離計算処理と、
文字列に予め付与された区切り位置を示す情報である区切り位置情報に基づいて、 前記局所距離を再帰的に累積する累積方法を切り替える累積方法切替処理と、 i記累積方法切替処理で切り替えた累積方法に従って前記局所 i 離を再帰的に累積 する処理を行い、 類似度を計算する累積計算処理と、
前記求めた類似度が高い例文文字列を検索結果として求める検索結果算出処理とを 実行させるための類似文検索用プログラム。
PCT/JP2006/325146 2005-12-12 2006-12-12 類似文検索方法、類似文検索システム及び類似文検索用プログラム WO2007069762A1 (ja)

Priority Applications (2)

Application Number Priority Date Filing Date Title
JP2007550259A JP4930379B2 (ja) 2005-12-12 2006-12-12 類似文検索方法、類似文検索システム及び類似文検索用プログラム
US12/086,353 US8356065B2 (en) 2005-12-12 2006-12-12 Similar text search method, similar text search system, and similar text search program

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2005358021 2005-12-12
JP2005-358021 2005-12-12

Publications (1)

Publication Number Publication Date
WO2007069762A1 true WO2007069762A1 (ja) 2007-06-21

Family

ID=38163063

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2006/325146 WO2007069762A1 (ja) 2005-12-12 2006-12-12 類似文検索方法、類似文検索システム及び類似文検索用プログラム

Country Status (3)

Country Link
US (1) US8356065B2 (ja)
JP (1) JP4930379B2 (ja)
WO (1) WO2007069762A1 (ja)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010123005A (ja) * 2008-11-20 2010-06-03 Kddi Corp 文書データ検索装置
CN111488497A (zh) * 2019-01-25 2020-08-04 北京沃东天骏信息技术有限公司 字符串集合的相似度确定方法、装置、终端及可读介质
JP2020190756A (ja) * 2020-08-24 2020-11-26 ヤマハ株式会社 管理装置およびプログラム

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9619513B2 (en) 2014-07-29 2017-04-11 International Business Machines Corporation Changed answer notification in a question and answer system
US10169326B2 (en) 2015-05-22 2019-01-01 International Business Machines Corporation Cognitive reminder notification mechanisms for answers to questions
US9912736B2 (en) 2015-05-22 2018-03-06 International Business Machines Corporation Cognitive reminder notification based on personal user profile and activity information
US10152534B2 (en) 2015-07-02 2018-12-11 International Business Machines Corporation Monitoring a corpus for changes to previously provided answers to questions
US10769185B2 (en) 2015-10-16 2020-09-08 International Business Machines Corporation Answer change notifications based on changes to user profile information
US10811003B2 (en) * 2018-10-31 2020-10-20 International Business Machines Corporation Language phonetic processing based on fine-grained mapping of phonetic components
US10831989B2 (en) 2018-12-04 2020-11-10 International Business Machines Corporation Distributing updated communications to viewers of prior versions of the communications
CN109992647B (zh) * 2019-04-04 2021-11-12 鼎富智能科技有限公司 一种内容搜索方法及装置

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08106474A (ja) * 1994-10-07 1996-04-23 Hitachi Ltd 類似例文検索結果表示方法及び装置
JP2003263430A (ja) * 2002-03-08 2003-09-19 Advanced Telecommunication Research Institute International 言語データ収集方法
JP2004038329A (ja) * 2002-06-28 2004-02-05 Japan Science & Technology Corp 類似部分文字列検出方法、類似部分文字列検出装置、類似部分文字列検出プログラム、および該プログラムを記録した記録媒体

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5051947A (en) * 1985-12-10 1991-09-24 Trw Inc. High-speed single-pass textual search processor for locating exact and inexact matches of a search pattern in a textual stream
US7584173B2 (en) * 2003-02-24 2009-09-01 Avaya Inc. Edit distance string search

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH08106474A (ja) * 1994-10-07 1996-04-23 Hitachi Ltd 類似例文検索結果表示方法及び装置
JP2003263430A (ja) * 2002-03-08 2003-09-19 Advanced Telecommunication Research Institute International 言語データ収集方法
JP2004038329A (ja) * 2002-06-28 2004-02-05 Japan Science & Technology Corp 類似部分文字列検出方法、類似部分文字列検出装置、類似部分文字列検出プログラム、および該プログラムを記録した記録媒体

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2010123005A (ja) * 2008-11-20 2010-06-03 Kddi Corp 文書データ検索装置
CN111488497A (zh) * 2019-01-25 2020-08-04 北京沃东天骏信息技术有限公司 字符串集合的相似度确定方法、装置、终端及可读介质
CN111488497B (zh) * 2019-01-25 2023-05-12 北京沃东天骏信息技术有限公司 字符串集合的相似度确定方法、装置、终端及可读介质
JP2020190756A (ja) * 2020-08-24 2020-11-26 ヤマハ株式会社 管理装置およびプログラム

Also Published As

Publication number Publication date
JP4930379B2 (ja) 2012-05-16
US20100281091A1 (en) 2010-11-04
JPWO2007069762A1 (ja) 2009-05-28
US8356065B2 (en) 2013-01-15

Similar Documents

Publication Publication Date Title
US11776531B2 (en) Encoder-decoder models for sequence to sequence mapping
WO2007069762A1 (ja) 類似文検索方法、類似文検索システム及び類似文検索用プログラム
US10037758B2 (en) Device and method for understanding user intent
US10210862B1 (en) Lattice decoding and result confirmation using recurrent neural networks
JP5480760B2 (ja) 端末装置、音声認識方法および音声認識プログラム
Mangu et al. Finding consensus among words: lattice-based word error minimization.
JP5440177B2 (ja) 単語カテゴリ推定装置、単語カテゴリ推定方法、音声認識装置、音声認識方法、プログラム、および記録媒体
KR101109265B1 (ko) 텍스트 입력 방법
JP3782943B2 (ja) 音声認識装置、コンピュータ・システム、音声認識方法、プログラムおよび記録媒体
KR101590724B1 (ko) 음성 인식 오류 수정 방법 및 이를 수행하는 장치
TWI582754B (zh) Language pattern generating means, language pattern generating method and program, voice recognizing apparatus, and voice recognition method and program thereof
CN107705787A (zh) 一种语音识别方法及装置
JPWO2009101837A1 (ja) 記号挿入装置および記号挿入方法
CN111611349A (zh) 语音查询方法、装置、计算机设备及存储介质
JP5688677B2 (ja) 音声入力支援装置
JP3415585B2 (ja) 統計的言語モデル生成装置、音声認識装置及び情報検索処理装置
KR101483947B1 (ko) 핵심어에서의 음소 오류 결과를 고려한 음향 모델 변별 학습을 위한 장치 및 이를 위한 방법이 기록된 컴퓨터 판독 가능한 기록매체
KR20120052591A (ko) 연속어 음성인식 시스템에서 오류수정 장치 및 방법
JP5590549B2 (ja) 音声検索装置および音声検索方法
JP2010048890A (ja) クライアント装置、認識結果フィードバック方法、認識結果フィードバックプログラム、サーバ装置、音声認識のモデル更新方法、音声認識のモデル更新プログラム、音声認識システム、音声認識方法、音声認識プログラム
JP2002221984A (ja) 異種環境音声データの音声検索方法及び装置
JP2010231149A (ja) 音声認識に仮名漢字変換システムを用いた端末、方法及びプログラム
JP5293607B2 (ja) 略語生成装置およびプログラム、並びに、略語生成方法
JP6078435B2 (ja) 記号列変換方法、音声認識方法、それらの装置及びプログラム
JP2004309928A (ja) 音声認識装置、電子辞書装置、音声認識方法、検索方法、及びプログラム

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application
WWE Wipo information: entry into national phase

Ref document number: 2007550259

Country of ref document: JP

WWE Wipo information: entry into national phase

Ref document number: 12086353

Country of ref document: US

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 06834873

Country of ref document: EP

Kind code of ref document: A1