WO2021009972A1 - 自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム - Google Patents

自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム Download PDF

Info

Publication number
WO2021009972A1
WO2021009972A1 PCT/JP2020/012987 JP2020012987W WO2021009972A1 WO 2021009972 A1 WO2021009972 A1 WO 2021009972A1 JP 2020012987 W JP2020012987 W JP 2020012987W WO 2021009972 A1 WO2021009972 A1 WO 2021009972A1
Authority
WO
WIPO (PCT)
Prior art keywords
text
natural language
translation
language processing
web page
Prior art date
Application number
PCT/JP2020/012987
Other languages
English (en)
French (fr)
Inventor
泰弘 梅本
Original Assignee
株式会社モールサービス
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 株式会社モールサービス filed Critical 株式会社モールサービス
Priority to JP2020518837A priority Critical patent/JPWO2021009972A1/ja
Publication of WO2021009972A1 publication Critical patent/WO2021009972A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/90—Details of database functions independent of the retrieved data types
    • G06F16/95—Retrieval from the web
    • G06F16/953—Querying, e.g. by the use of web search engines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G06F40/268—Morphological analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/40—Processing or translation of natural language
    • G06F40/58—Use of machine translation, e.g. for multi-lingual retrieval, for server-side translation for client devices or for real-time translation

Definitions

  • the present invention relates to a natural language processing method, a natural language processing system, and a natural language processing program.
  • Machine translation which converts text written in any natural language (original language) into text written in any different natural language (target language), is a "machine translation” that does not include humans as the main body in the translation process. Is.
  • machine translation generalizes translation processes that are close to specialized skills and reduces translation costs, it also floods the Internet Web with unreadable translations, which is a factor that makes search engine optimization difficult, for example. It is one.
  • machine translation is required not only to improve translation accuracy, but also to realize "translation by humans” that can generate easy-to-read translations that include humans as the main body in the translation process.
  • a translation candidate generation unit including a plurality of machine translation devices for generating a translation of a second language for each input sentence of the first language, and a plurality of obtained second translation units.
  • a machine that includes a translation improvement unit that transforms and improves the translation, starting from the translation of the language, and an end judgment unit that selects the improved translation that satisfies certain conditions as the output sentence for the input sentence. Inventions relating to translation systems have been reported.
  • the translation improvement unit in the invention described in Patent Document 1 includes a translation selection unit for selecting either an initial candidate translation or a translation read from the translation storage unit, and has a low degree of literal translation and is close to a free translation. It can be understood that the statement can be generated.
  • Patent Document 1 In order to reproduce "human translation", it is necessary to refer not only to the recorded or improved information but also to the latest text / context as a human creation. In this respect, it can be said that the invention described in Patent Document 1 has room for improvement.
  • the present invention is a problem to be solved to realize a new natural language processing.
  • the present invention is a natural language processing method, which is a reception step for accepting a designation of a web page including the first text of the original language, and a first language of the target language based on the first text.
  • the processor executes an analysis step of acquiring a morpheme sequence of text, an evaluation step of acquiring a dispersion vector of the morpheme sequence, and a determination step of determining the similarity between the distribution vectors.
  • the translation step obtains the fourth text of the original language based on the third text, and the analysis step is the morpheme sequence of the first text and the fourth text of the fourth text.
  • the morpheme sequence is acquired, the evaluation step acquires the dispersion vector of the first text, and the dispersion vector of the fourth text, and the determination step is the first determination determined by the determination step.
  • the third text is determined as the translation.
  • the collection step is based on the web page if the similarity of the variance vector of the first text and the variance vector of the fourth text does not exceed the threshold. It is characterized in that the query is extended, the scraping is performed, and the third text is acquired.
  • the evaluation step acquires the variance vector based on the trained model
  • the trained model is a neural network model in which a part of the hidden layer or the output layer shows the variance vector. It is characterized by.
  • the present invention is a natural language processing system, which is a reception means for accepting designation of a web page including a first text of the original language, and a first language of a target language based on the first text.
  • a translation means for acquiring the second text, a collecting means for scraping at least a part of the second text as a query to obtain a third text in the target language, and the first text. It is characterized by having a determination means for determining as a translation of the text of.
  • the present invention is a natural language processing program, which is a receiving means for receiving a designation of a web page including a first text of the original language, and an object based on the first text.
  • a translation means for acquiring the second text of the language, a collecting means for scraping at least a part of the second text as a query, and obtaining the third text of the target language, and the third text. It is characterized in that it functions as a determination means for determining as a translation of the first text.
  • a hardware configuration according to an embodiment of the present invention is shown.
  • the block diagram which concerns on one Embodiment of this invention is shown.
  • the block diagram of the database which concerns on one Embodiment of this invention is shown.
  • the flowchart which concerns on one Embodiment of this invention is shown.
  • each means / step according to the present invention may appropriately perform messaging via e-mail, SMS, or the like, data input / output via API, or the like in order to realize its action and effect.
  • the natural language processing system, the natural language processing method, and the natural language processing program can produce the same effects. Moreover, the action and effect of each means and the action and effect of each step bearing the same name are the same.
  • the natural language processing program may be stored in a non-transient recording medium.
  • a non-transient recording medium in which the natural language processing program is stored is used to install the natural language processing program on a computer device.
  • the natural language processing system includes one or more servers 10, one or more cache servers 20, and one or more terminals 30.
  • the server 10 is a computer, and includes at least a calculation unit 11, a main storage unit 12, an auxiliary storage unit 13, an input unit 14, a display unit 15, and a communication unit 16. Each part is used to realize the action and effect of each means related to the server 10.
  • the cache server 20 is a computer, and includes at least a calculation unit 21, a main storage unit 22, an auxiliary storage unit 23, an input unit 24, a display unit 25, and a communication unit 26. Each part is used to realize the action and effect of each means related to the cache server 20.
  • the terminal 30 is a computer, and includes at least a calculation unit 31, a main storage unit 32, an auxiliary storage unit 33, an input unit 34, a display unit 35, and a communication unit 36. Each part is used to realize the action and effect of each means according to the terminal 30.
  • the server 10, the cache server 20, and the terminal 30 are connected to each other via a network with each communication unit.
  • the network is composed of a public network and / or a private network, and there are no restrictions on communication protocols and the like.
  • the arithmetic units 11, 21 and 31 include a known processor such as a CPU.
  • the main storage units 12, 22, and 32 include known volatile devices such as RAM.
  • Auxiliary storage units 13, 23, and 33 include known non-volatile devices such as flash memory, and store an OS and a program.
  • the auxiliary storage unit 13 may function as at least a part of the databases DB1, DB2, DB3, DB4, DB5, and DB6 described later.
  • Input units 14, 24, and 34 are used for data input and the like of a natural language processing system.
  • the input unit 34 includes an input device such as a keyboard and a touch panel.
  • the display units 15, 25, and 35 are used for data display processing of a natural language processing system, and include a display device, a graphic controller, and the like.
  • Communication units 16, 26, and 36 are used for communication processing. Note that at least a part of the databases DB1, DB2, DB3, DB4, DB5, and DB6 may be an external database capable of communicating with the server
  • the server 10 and the cache server 20 may have a known device configuration such as a workstation and may not include the display unit 15 or 25.
  • the terminal 30 can adopt a known device configuration such as a smartphone or a laptop.
  • the database DB1 stores text information 1001 indicating each of the first text T1, the second text T2, the third text T3, and the fourth text T4. Further, the database DB1 further stores text meta information 1002 indicating each category or natural language of the first text T1, the second text T2, the third text T3, and the fourth text T4. Further, the database DB1 further stores morpheme string information 1003 indicating each of the morpheme strings P1, P2, P3, and P4. The database DB1 further stores the variance vector information 1004 indicating each of the variance vectors V1, V2, V3, and V4.
  • the database DB2 stores information related to the web page 0 received by the reception means 101. Further, the database DB2 has link information 2001 corresponding to web page 0, category information 2002 indicating the category of web page 0, domain information 2003 which is a country code top-level domain indicated by link information 2001, and web page 0. Language information 2004 for identifying the natural language indicated by the text contained in is further stored.
  • the database DB 3 has the information of the web page 0 received by the reception means 101. Further, the database DB 3 has the style sheet information 3001 of the web page 0 and the script information 3002 indicating the script code of the web page 0.
  • the database DB4 takes the form of a user-defined dictionary and has word information 4001.
  • the database DB5 has vocabulary information 5001 for representing at least a part of the variance vector of the morpheme sequence based on the trained model 1031 described later.
  • the vocabulary information 5001 includes one or more words.
  • the database DB 6 has query information 6001 indicating a query related to scraping and link information 6002 indicating one or more web pages 2 which are scraping destinations.
  • the server 10 has at least a reception unit 101, an analysis unit 102, an evaluation unit 103, a translation unit 104, a collection unit 105, a determination unit 106, and a determination unit 107.
  • Each means included in the server 10 may be realized by distributed processing by one or more servers 10.
  • Each means included in the server 10 may be configured to be shared by each of one or more servers 10.
  • the reception means 101 accepts the designation of the web page 0 by the terminal 30.
  • the reception means 101 stores the link information 2001, the category information 2002, the domain information 2003, and the language information 2004 on the database DB2.
  • the "web page” in the description herein refers to at least one of web pages 0, 1, and 2.
  • the “category” in the category information 2002 refers to IT, software, ASP, and the like.
  • the analysis means 102 morphologically analyzes the text, determines the morpheme string of the text, and stores the morpheme string in the database DB1. Further, the analysis means 102 uses the morphological analysis engine 1021 stored in the server 10 and / or the external server. Morphological analysis engine 1021 refers to a known morphological analysis engine.
  • the "text” in the description herein refers to at least one of the first text T1, the second text T2, the third text T3, and the fourth text T4. Further, the "morpheme sequence" in the description in the present specification refers to at least one of the morpheme sequences P1, P2, P3, and P4.
  • the evaluation means 103 determines the variance vector based on at least a part of the morpheme sequence, and stores the variance vector in the database DB1. Further, the evaluation means 103 uses the trained model 1031 stored in the server 10 and / or the external server.
  • the trained model 1031 refers to a known neural network model such as a CBoW model, a Skip-Gram model, a DoBW model, and a PV-DM model.
  • the input value of the trained model 1031 is a numerical vector based on at least a part of the morpheme string, and is one or more one-hot vectors based on at least a part of the morpheme string acquired by the analysis means 102 and the vocabulary.
  • a part of the hidden layer or the output layer of the trained model 1031 shows a variance vector.
  • the "dispersion vector" refers to at least one of the variance vectors V1, V2, V3, and V4.
  • the variance vector of the morpheme sequence may be based on the variance vector of each phrase constituting the morpheme sequence.
  • the training according to the trained model 1031 may be accelerated by applying a hierarchical softmax, negative sampling, an embedded layer, or the like.
  • the trained model 1031 uses words, peripheral words, and the like as teacher values as appropriate according to the type of neural network model.
  • the translation means 104 converts the text of the original language as the input value into the text of the target language as the output value, and stores the text of the target language in the database DB1. Further, the translation means 104 uses a translation engine 1041 stored in the server 10 and / or an external server.
  • Translation engine 1041 refers to a known translation engine.
  • the translation engine 1041 may be rule-based or corpus-based.
  • the translation engine 1041 may be based on statistical machine translation or neural machine translation.
  • the "original language” and “target language” in the description herein refer to known natural languages such as Japanese and English, respectively. It goes without saying that the "original language” is the translation source language of the natural language processing according to the present invention, whereas the “objective language” is the translation destination language of the natural language processing according to the present invention.
  • the collecting means 105 performs scraping based on the query information 6001, acquires the text, and stores the text in the database DB1. Further, the collecting means 105 uses a scraper 1051 stored in the server 10 or an external server. Scraper 1051 refers to a known scraper. Further, the collecting means 105 may determine a query as an output value based on the text as an input value. The collecting means 105 may determine a phrase of a part of the text as an input value as a query. In addition, the collecting means 105 may extend the query based on various information on the web page and / or the text held by the collecting means 105.
  • the collecting means 105 may extend the query based on the text on a predetermined web page corresponding to the category indicated by at least a part of the text as an input value.
  • a category corresponding to at least a part of the text as an input value and a link indicating a predetermined web page are input by a user operation or the like and stored in any of various databases in the natural language processing system, as appropriate.
  • the collection target of "scraping" in the description in the present specification is general information on a known web page, and includes not only text but also images and the like.
  • the collecting means 105 acquires the text having a high search score from the texts on the known web page scored by the known search engine based on the query, and stores the text in the database DB1.
  • the search score indicates the degree of matching between a text or a web page and a query, and an example thereof is a general conventional score used by a known search engine.
  • the collection means 105 may determine the collection target based on the query.
  • the collecting means 105 may work with a known image analysis engine to estimate text from images on a web page. Based on the word information 4001, the collecting means 105 may perform post-processing such as replacing a predetermined word / phrase included in the text data such as the first text T1 with a proper noun as a word alignment.
  • the determination means 106 determines two different variance vectors as input values and a similarity 300 between the variance vectors as an output value.
  • the determination means 106 is based on a method of calculating a known similarity index / distance index such as cosine similarity, Pearson's correlation coefficient, deviation pattern similarity, Euclidean distance, standard Euclidean distance, Mahalanobis distance, Manhattan distance, and Minkowski distance. , The similarity 300 is determined.
  • the determination means 107 stores the web page 1 including the text of the target language in the cache server 20. At this time, the determination means 107 determines the text as a translation of the first text T1. At this time, the collecting means 105 may hold the text. The determination means 107 converts the text in the original language on the web page 0 into the text based on at least a part of various information on the databases DB2 and DB3.
  • FIG. 4 a series of processes according to the present invention includes the following steps.
  • the permutation of each step shown in FIG. 3 is an example, and the permutation can be changed as appropriate unless otherwise specified.
  • the terminal 30 specifies at least a part of the URL of the web page 0 including the first text T1 (designation step S100). At this time, the terminal 30 may be able to specify at least a part of the text on the web page 0 as the text to be processed in natural language.
  • the reception means 101 accepts the designation related to the web page 0 including the first text T1 in the designation step S100 (reception step S101).
  • the analysis means 102 performs morphological analysis of the first text T1 and acquires the morpheme string P1 of the first text T1 (analysis step S102). At this time, the analysis means 102 may perform preprocessing as a word alignment that replaces a predetermined word / phrase included in the text data such as the first text T1 with a proper noun based on the word information 4001. As a result, in the natural language processing according to the present invention, improvement in accuracy in determining the morpheme sequence can be expected.
  • the evaluation means 103 acquires the morpheme sequence P1 as an input value and the variance vector V1 as an output value corresponding to the trained model 1031 (evaluation step S103). At this time, the evaluation means 103 may determine the variance vector V1 based only on the nouns, verbs, and adjectives included in the morpheme sequence P1 and the like. As a result, in the natural language processing according to the present invention, noise removal in the dispersion vector becomes easy.
  • the translation means 104 takes the first text T1 of the original language as an input value and acquires the second text T2 of the target language as an output value via the translation engine 1041 (translation step S104).
  • the collecting means 105 determines the query information 6001 based on at least a part of the second text T2, scrapes the scraped target including the web page 2 based on the query information 6001, and performs scraping on the scraping target of the target language.
  • the text T3 is acquired (collection step S105).
  • the translation means 104 acquires the third text T3 of the target language as an input value and the fourth text T4 of the original language as an output value via the translation engine 1041 (translation step S106).
  • the analysis means 102 performs morphological analysis of the fourth text T4 of the original language determined in the translation step S106, and acquires the morpheme string P4 of the fourth text T4 (analysis step S107).
  • the evaluation means 103 acquires the variance vector V4 of the morpheme sequence P4 based on the trained model 1031 (evaluation step S108).
  • the determination means 106 acquires the similarity 300 of the variance vector V1 and the variance vector V4 (determination step S109).
  • the determination means 107 stores the web page 1 including the third text T3 in the cache server 20 (determination step S110).
  • the threshold value 301 may be an arbitrarily set value.
  • the collecting means 105 expands the query information 6001 based on the web page 0 and then scrapes to reacquire the third text T3 of the target language (collection step S105X). ..
  • the natural language processing system may take the form of a Web API (hereinafter, referred to as "mail translation API") capable of inputting the first text T1 and an email address.
  • email translation API a Web API
  • the terminal 30 POSTs the first text T1 and the email address.
  • the receiving means 101 receives the first text T1 and the e-mail address input by the terminal 30.
  • the mail translation API the first text T1 and the mail address are posted as a request by the determination means 107 of the terminal 30, and the server 10 returns the third text T3 as a response.
  • the response is realized in a mode of transmission to the e-mail address of the e-mail having the third text T3 as the e-mail body.
  • at least a part of the configuration of the other embodiment can be appropriately adopted.
  • the natural language processing system takes the form of Web API such that the first text T1 and the third text T3 serve as a request and a response, respectively.

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)

Abstract

新規な自然言語処理を実現することを解決すべき課題とする。　原言語の第１のテキストを含むウェブページの指定を受け付ける受付ステップと、前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳ステップと、前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集ステップと、前記第３のテキストを前記第１のテキストの訳文として決定する決定ステップと、をコンピュータのプロセッサに実行させる自然言語処理方法とそのシステム及びプログラムを実現する。

Description

自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム
　本発明は、自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラムに関する。
　任意の自然言語（原言語）で記述されたテキストを任意の異なる自然言語（目的言語）で記述されたテキストに変換する機械翻訳は、その翻訳プロセスにおいて主体として人間を含まない「機械による翻訳」である。
　「機械による翻訳」は、専門技能に近い翻訳プロセスを一般化し翻訳コストを圧縮した一方、判読容易ではない翻訳文をインターネットウェブ上に氾濫させており、例えば検索エンジン最適化を困難とする要因の１つとなっている。
　そのため、近年の機械翻訳は、翻訳精度の向上のみならず、翻訳プロセスに主体として人間を含み判読容易な意訳文を生成可能な「人間による翻訳」の実現が求められている。
　特許文献１によると、第１の言語の入力文に対しそれぞれ第２の言語の訳文を生成するための、複数個の機械翻訳装置を含む訳文候補生成部と、得られた複数の第２の言語の訳文をそれぞれ起点として、訳文を変形し改良する訳文改良部と、改良された訳文のうちで所定の条件を充足するものを入力文に対する出力文として選択する終了判定部と、を含む機械翻訳システムに関する発明が報告されている。
特許第３９１９７７１号公報
　特許文献１に記載の発明における訳文改良部は、初期候補訳文及び訳文記憶部から読出された訳文との何れか一方を選択するための訳文選択部を含み、直訳度が低く意訳文に近い翻訳文が生成可能であると把握することができる。
　しかしながら「人間による翻訳」を再現するためには、記録された又は改良が加えられた情報だけでなく、人間による創作物としての最新のテキスト／コンテキストを参考とする必要がある。この点において、特許文献１に記載の発明は改善の余地があるといえる。
　本発明は、新規な自然言語処理を実現することを解決すべき課題とする。
　上記課題を解決するために、本発明は、自然言語処理方法であって、原言語の第１のテキストを含むウェブページの指定を受け付ける受付ステップと、前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳ステップと、前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集ステップと、前記第３のテキストを前記第１のテキストの訳文として決定する決定ステップと、をコンピュータのプロセッサに実行させることを特徴とする。
　本発明の好ましい形態では、テキストの形態素列を取得する解析ステップと、前記形態素列の分散ベクトルを取得する評価ステップと、前記分散ベクトル間の類似度を決定する判定ステップと、を前記プロセッサに実行させ、前記翻訳ステップは、前記第３のテキストに基づく前記原言語の第４のテキストを取得し、前記解析ステップは、前記第１のテキストの前記形態素列、及び、前記第４のテキストの前記形態素列を取得し、前記評価ステップは、前記第１のテキストの前記分散ベクトル、及び、前記第４のテキストの前記分散ベクトルを取得し、前記決定ステップは、前記判定ステップが決定した前記第１のテキスト及び第４のテキストの前記分散ベクトル間の前記類似度が閾値を超過する場合、前記第３のテキストを前記訳文として決定することを特徴とする。
　本発明の好ましい形態では、前記収集ステップは、前記第１のテキストの前記分散ベクトル、及び、前記第４のテキストの前記分散ベクトルの前記類似度が前記閾値を超過しない場合、前記ウェブページに基づき前記クエリを拡張し、前記スクレイピングを行い、前記第３のテキストを取得することを特徴とする。
　本発明の好ましい形態では、前記評価ステップは、学習済モデルに基づき前記分散ベクトルを取得し、前記学習済モデルは、隠れ層の一部又は出力層が前記分散ベクトルを示すニューラルネットワークモデルであることを特徴とする。
　上記課題を解決するために、本発明は、自然言語処理システムであって、原言語の第１のテキストを含むウェブページの指定を受け付ける受付手段と、前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳手段と、前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集手段と、前記第３のテキストを前記第１のテキストの訳文として決定する決定手段と、を有することを特徴とする。
　上記課題を解決するために、本発明は、自然言語処理プログラムであって、コンピュータを、原言語の第１のテキストを含むウェブページの指定を受け付ける受付手段と、前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳手段と、前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集手段と、前記第３のテキストを前記第１のテキストの訳文として決定する決定手段と、として機能させることを特徴とする。
　本発明によれば、新規な自然言語処理を実現することができる。
本発明の一実施形態に係るハードウェア構成を示す。 本発明の一実施形態に係るブロックダイアグラムを示す。 本発明の一実施形態に係るデータベースのブロックダイアグラムを示す。 本発明の一実施形態に係るフローチャートを示す。
　本発明の一実施形態に係る自然言語処理システム、自然言語処理方法、及び、自然言語処理プログラムは、図面を交えて、以下で説明される。本発明は以下の一実施形態に限定するものではなく、様々な構成を採用し得る。例として、本発明に係る各手段・各ステップは、その作用効果を実現する上で、電子メールやＳＭＳ等を介したメッセージングや、ＡＰＩを介したデータ入出力等を適宜、行い得る。
　自然言語処理システム、自然言語処理方法、及び、自然言語処理プログラムは、同様の作用効果を奏することができる。また、各手段の作用効果と、同一の名称を冠する各ステップの作用効果と、は同一である。
　自然言語処理プログラムは、非一過性の記録媒体に記憶させてよい。自然言語処理プログラムが記憶された非一過性の記録媒体は、コンピュータ装置に自然言語処理プログラムをインストールするために用いられる。
　《ハードウェア構成》
　図１に示すように、自然言語処理システムは、１以上のサーバ１０と、１以上のキャッシュサーバ２０と、１以上のターミナル３０と、を含む。
　サーバ１０は、コンピュータであり、少なくとも、演算部１１と、主記憶部１２と、補助記憶部１３と、入力部１４と、表示部１５と、通信部１６と、を含む。各部は、サーバ１０に係る各手段の作用効果を実現するために用いられる。
　キャッシュサーバ２０は、コンピュータであり、少なくとも、演算部２１と、主記憶部２２と、補助記憶部２３と、入力部２４と、表示部２５と、通信部２６と、を含む。各部は、キャッシュサーバ２０に係る各手段の作用効果を実現するために用いられる。
　ターミナル３０は、コンピュータであり、少なくとも、演算部３１と、主記憶部３２と、補助記憶部３３と、入力部３４と、表示部３５と、通信部３６と、を含む。各部は、ターミナル３０に係る各手段の作用効果を実現するために用いられる。
　サーバ１０、キャッシュサーバ２０、及び、ターミナル３０は、各通信部とネットワークを介して、相互に接続される。当該ネットワークは、パブリックネットワーク及び／又はプライベートネットワークにより構成され、通信プロトコル等に制限はない。
　サーバ１０、キャッシュサーバ２０、及び、ターミナル３０の各部は、以下で説明される。
　演算部１１、２１及び３１は、ＣＰＵ等の既知のプロセッサを備える。主記憶部１２、２２、及び、３２は、ＲＡＭ等の既知の揮発性デバイスを備える。補助記憶部１３、２３、及び、３３は、フラッシュメモリ等の既知の不揮発性デバイスを備え、ＯＳやプログラムが格納される。補助記憶部１３は、後述のデータベースＤＢ１、ＤＢ２、ＤＢ３、ＤＢ４、ＤＢ５、及び、ＤＢ６の少なくとも一部として機能してよい。入力部１４、２４、及び、３４は、自然言語処理システムのデータ入力等のために用いられる。入力部３４は、キーボードやタッチパネル等の入力デバイスを備える。表示部１５、２５、及び、３５は、自然言語処理システムのデータ表示処理のために用いられ、ディスプレイデバイスやグラフィックコントローラ等を備える。通信部１６、２６、及び、３６は、通信処理のために用いられる。なお、データベースＤＢ１、ＤＢ２、ＤＢ３、ＤＢ４、ＤＢ５、及び、ＤＢ６の少なくとも一部は、サーバ１０と通信可能な外部データベースであってよい。
　サーバ１０、及び、キャッシュサーバ２０は、ワークステーション等の既知の装置構成をとり、表示部１５又は２５を含まない構成としてよい。また、ターミナル３０は、スマートフォンやラップトップ等の既知の装置構成を採用することができる。
　《ブロックダイアグラム》
　図２、及び、図３に示すように、本発明は、データベースＤＢ１、ＤＢ２、ＤＢ３、ＤＢ４、ＤＢ５、及び、ＤＢ６と、サーバ１０と、キャッシュサーバ２０と、ターミナル３０と、が有機的に組み合わされることで実現される。
　データベースＤＢ１は、第１のテキストＴ１、第２のテキストＴ２、第３のテキストＴ３、及び、第４のテキストＴ４のそれぞれを示すテキスト情報１００１が格納される。また、データベースＤＢ１は、第１のテキストＴ１、第２のテキストＴ２、第３のテキストＴ３、及び、第４のテキストＴ４のそれぞれのカテゴリ又は自然言語を示すテキストメタ情報１００２がさらに格納される。また、データベースＤＢ１は、形態素列Ｐ１、Ｐ２、Ｐ３、及び、Ｐ４のそれぞれを示す形態素列情報１００３がさらに格納される。データベースＤＢ１は、分散ベクトルＶ１、Ｖ２、Ｖ３、及び、Ｖ４のそれぞれを示す分散ベクトル情報１００４がさらに格納される。
　データベースＤＢ２は、受付手段１０１により受け付けられたウェブページ０に係る情報が格納される。また、データベースＤＢ２は、ウェブページ０と対応するリンク情報２００１と、ウェブページ０のカテゴリを示すカテゴリ情報２００２と、リンク情報２００１が示す国別コードトップレベルドメインであるドメイン情報２００３と、ウェブページ０に含まれるテキストが示す自然言語を特定するためのランゲージ情報２００４と、がさらに格納される。
　データベースＤＢ３は、受付手段１０１により受け付けられたウェブページ０の情報を有する。また、データベースＤＢ３は、ウェブページ０のスタイルシート情報３００１と、ウェブページ０のスクリプトコードを示すスクリプト情報３００２と、を有する。
　データベースＤＢ４は、ユーザ定義辞書の態様をとり、ワード情報４００１を有する。
　データベースＤＢ５は、後述する学習済モデル１０３１に基づき形態素列の少なくとも一部の分散ベクトルを表すためのボキャブラリ情報５００１を有する。ボキャブラリ情報５００１は、１以上のワードを含む。
　データベースＤＢ６は、スクレイピングに係るクエリを示すクエリ情報６００１と、スクレイピング先である１以上のウェブページ２を示すリンク情報６００２と、を有する。
　サーバ１０は、受付手段１０１、解析手段１０２、評価手段１０３、翻訳手段１０４、収集手段１０５、判定手段１０６、及び、決定手段１０７を少なくとも有する。サーバ１０が有する各手段は、１以上のサーバ１０による分散処理により実現されてよい。サーバ１０が有する各手段は、１以上のサーバ１０のそれぞれが分担するような構成としてもよい。
　受付手段１０１は、ターミナル３０によるウェブページ０の指定を受け付ける。受付手段１０１は、リンク情報２００１、カテゴリ情報２００２、ドメイン情報２００３及びランゲージ情報２００４をデータベースＤＢ２上に格納する。本明細書中の説明における「ウェブページ」は、少なくともウェブページ０、１、及び、２の何れかを指す。また、カテゴリ情報２００２における「カテゴリ」は、ＩＴ、ソフトウェア、及び、ＡＳＰ等を指す。
　解析手段１０２は、テキストを形態素解析し、当該テキストの形態素列を決定し、形態素列をデータベースＤＢ１に格納する。また、解析手段１０２は、サーバ１０及び／又は外部サーバに格納された形態素解析エンジン１０２１を用いる。形態素解析エンジン１０２１は、既知の形態素解析エンジンを指す。本明細書中の説明における「テキスト」は、少なくとも第１のテキストＴ１、第２のテキストＴ２、第３のテキストＴ３、及び、第４のテキストＴ４の何れかを指す。また、本明細書中の説明における「形態素列」は、少なくとも形態素列Ｐ１、Ｐ２、Ｐ３、及び、Ｐ４の何れかを指す。
　評価手段１０３は、形態素列の少なくとも一部に基づき分散ベクトルを決定し、分散ベクトルをデータベースＤＢ１に格納する。また、評価手段１０３は、サーバ１０及び／又は外部サーバに格納された学習済モデル１０３１を用いる。学習済モデル１０３１は、ＣＢｏＷモデル、Ｓｋｉｐ－Ｇｒａｍモデル、ＤｏＢＷモデル、ＰＶ－ＤＭモデル等の既知のニューラルネットワークモデルを指す。学習済モデル１０３１の入力値は、形態素列の少なくとも一部に基づく数値ベクトルであり、解析手段１０２が取得した形態素列の少なくとも一部とボキャブラリとに基づく1以上のｏｎｅ－ｈｏｔベクトルである。学習済モデル１０３１の隠れ層の一部又は出力層は、分散ベクトルを示す。本明細書中の説明における「分散ベクトル」は、少なくとも分散ベクトルＶ１、Ｖ２、Ｖ３、及び、Ｖ４の何れかを指す。なお、形態素列の分散ベクトルは、形態素列を構成する各語句のそれぞれの分散ベクトルに基づいてよい。学習済モデル１０３１に係る学習は、階層的ソフトマックス、ネガティブサンプリング、埋め込みレイヤ等を適用することにより高速化されてよい。
なお、学習済モデル１０３１は、ニューラルネットワークモデルの種別に応じて適宜、単語やその周辺語等を教師値とすることは勿論である。
　翻訳手段１０４は、入力値としての原言語のテキストを出力値としての目的言語のテキストに変換し、目的言語のテキストをデータベースＤＢ１に格納する。また、翻訳手段１０４は、サーバ１０及び／又は外部サーバに格納された翻訳エンジン１０４１を用いる。
翻訳エンジン１０４１は、既知の翻訳エンジンを指す。翻訳エンジン１０４１は、ルールベース又はコーパスベースであってよい。翻訳エンジン１０４１は、統計的機械翻訳又はニューラル機械翻訳に基づいてよい。本明細書中の説明における「原言語」及び「目的言語」は、それぞれ、日本語や英語等の既知の自然言語を指す。なお、「原言語」が本発明に係る自然言語処理の翻訳元言語であるのに対し、「目的言語」が本発明に係る自然言語処理の翻訳先言語であることは勿論である。
　収集手段１０５は、クエリ情報６００１に基づきスクレイピングを行い、テキストを取得し、当該テキストをデータベースＤＢ１に格納する。また、収集手段１０５は、サーバ１０又は外部サーバに格納されたスクレイパ１０５１を用いる。スクレイパ１０５１は、既知のスクレイパを指す。また、収集手段１０５は、入力値としてのテキストに基づき出力値としてのクエリを決定してよい。収集手段１０５は、入力値としてのテキストの一部のフレーズをクエリとして決定してよい。また、収集手段１０５は、ウェブページ上の各種情報及び／又は収集手段１０５が保持するテキストに基づき、クエリを拡張し得る。このとき、収集手段１０５は、入力値としてのテキストの少なくとも一部が示すカテゴリと対応する所定のウェブページ上のテキストに基づき、クエリを拡張し得る。入力値としてのテキストの少なくとも一部と対応するカテゴリと、所定のウェブページを示すリンクは、ユーザ操作等により入力されることで、自然言語処理システムにおける各種データベースの何れかに格納され、適宜、収集手段１０５により参照される。本明細書中の説明における「スクレイピング」の収集対象は、既知のウェブページ上の情報全般であり、テキストだけでなく画像等も含まれる。このとき、収集手段１０５は、当該クエリに基づき、既知の検索エンジンによりスコアリングされた既知のウェブページ上のテキストの内、検索スコアの高いテキストを取得し、当該テキストをデータベースＤＢ１に格納する。当該検索スコアは、テキストやウェブページとクエリとの一致度合いを示し、既知の検索エンジンにより用いられる慣用のスコア全般がその一態様として例示される。収集手段１０５は、クエリに基づき収集対象を決定してもよい。収集手段１０５は、既知の画像解析エンジンと協調しウェブページ上の画像からテキストを推定してよい。収集手段１０５は、ワード情報４００１に基づき、第１のテキストＴ１等のテキストデータに含まれる所定の語句を固有名詞として置き換えするような後処理を単語アラインメントとして行ってよい。
　判定手段１０６は、異なる２つの分散ベクトルを入力値として、分散ベクトル間の類似度３００を出力値として決定する。判定手段１０６は、コサイン類似度、ピアソンの相関係数、偏差パターン類似度、ユークリッド距離、標準ユークリッド距離、マハラノビス距離、マンハッタン距離、ミンコフスキー距離等の既知の類似度指標／距離指標の算出方法に基づき、類似度３００を決定する。
　決定手段１０７は、目的言語のテキストを含むウェブページ１をキャッシュサーバ２０に格納する。このとき、決定手段１０７は、当該テキストを第１のテキストＴ１の訳文として決定する。また、このとき、収集手段１０５は当該テキストを保持してよい。決定手段１０７は、データベースＤＢ２及びＤＢ３上の各種情報の少なくとも一部に基づきウェブページ０上の原言語のテキストを当該テキストに変換する。
　《フローチャート》
　図４が示すように、本発明に係る一連の処理は以下のステップを含む。なお、図３に示される各ステップの順列は一例であり、指定がない限り適宜、当該順列は変更され得る。
　ターミナル３０は、第１のテキストＴ１を含むウェブページ０のＵＲＬの少なくとも一部を指定する（指定ステップＳ１００）。このとき、ターミナル３０は、自然言語処理対象のテキストとして、ウェブページ０上のテキストの少なくとも一部を指定可能であってよい。次に、受付手段１０１は、指定ステップＳ１００による第１のテキストＴ１を含むウェブページ０に係る指定を受け付ける（受付ステップＳ１０１）。
　解析手段１０２は、第１のテキストＴ１の形態素解析を行い第１のテキストＴ１の形態素列Ｐ１を取得する（解析ステップＳ１０２）。このとき、解析手段１０２は、ワード情報４００１に基づき、第１のテキストＴ１等のテキストデータに含まれる所定の語句を固有名詞として置き換えするような前処理を単語アラインメントとして行ってよい。これにより、本発明に係る自然言語処理において、形態素列の決定における精度向上を期待することができる。
　評価手段１０３は、学習済モデル１０３１に基づき入力値としての形態素列Ｐ１と対応する出力値としての分散ベクトルＶ１を取得する（評価ステップＳ１０３）。このとき、評価手段１０３は、形態素列Ｐ１等の形態素列に含まれる名詞、動詞、及び、形容詞のみに基づき分散ベクトルＶ１を決定してよい。これにより、本発明に係る自然言語処理において、分散ベクトルにおけるノイズ除去が容易となる。
　翻訳手段１０４は、原言語の第１のテキストＴ１を入力値として、翻訳エンジン１０４１を介して、出力値としての目的言語の第２のテキストＴ２を取得する（翻訳ステップＳ１０４）。次に、収集手段１０５は、少なくとも第２のテキストＴ２の一部に基づきクエリ情報６００１を決定し、当該クエリ情報６００１に基づくウェブページ２を含むスクレイピング対象に対するスクレイピングを行い、目的言語の第３のテキストＴ３を取得する（収集ステップＳ１０５）。次に、翻訳手段１０４は、翻訳エンジン１０４１を介して、当該目的言語の第３のテキストＴ３を入力値として、原言語の第４のテキストＴ４を出力値として取得する（翻訳ステップＳ１０６）。
　解析手段１０２は、翻訳ステップＳ１０６により決定された原言語の第４のテキストＴ４の形態素解析を行い、第４のテキストＴ４の形態素列Ｐ４を取得する（解析ステップＳ１０７）。次に、評価手段１０３は、学習済モデル１０３１に基づき形態素列Ｐ４の分散ベクトルＶ４を取得する（評価ステップＳ１０８）。
　判定手段１０６は、分散ベクトルＶ１及び分散ベクトルＶ４の類似度３００を取得する（判定ステップＳ１０９）。類似度３００が閾値３０１を超過する場合、決定手段１０７は、第３のテキストＴ３を含むウェブページ１をキャッシュサーバ２０に格納する（決定ステップＳ１１０）。このとき、閾値３０１は任意に設定される値であってよい。類似度３００が閾値３０１を超過しない場合、収集手段１０５は、ウェブページ０に基づきクエリ情報６００１を拡張した上でスクレイピングを行い、目的言語の第３のテキストＴ３を再取得する（収集ステップＳ１０５Ｘ）。
　本発明の一実施形態における自然言語処理システムは、第１のテキストＴ１及びメールアドレスを入力可能なＷｅｂ　ＡＰＩ（以下、「メール翻訳ＡＰＩ」と記す。）の態様をとってよい。メール翻訳ＡＰＩでは、例として、ターミナル３０が第１のテキストＴ１及びメールアドレスをＰＯＳＴする。このとき、受付手段１０１は、ターミナル３０により入力された当該第１のテキストＴ１及びメールアドレスを受け付ける。メール翻訳ＡＰＩでは、ターミナル３０の決定手段１０７により第１のテキストＴ１及びメールアドレスがリクエストとしてＰＯＳＴされることで、サーバ１０により第３のテキストＴ３がレスポンスとして返却される。ここで、当該レスポンスは、当該第３のテキストＴ３をメール本文とするメールにかかる当該メールアドレスを宛先とする送信の態様で実現される。なお、メール翻訳ＡＰＩの態様をとる一実施形態は、他の一実施形態の構成の少なくとも一部を適宜、採用することができる。
　本発明の一実施形態における自然言語処理システムは、第１のテキストＴ１及び第３のテキストＴ３が、それぞれ、リクエスト及びレスポンスとなるような、Ｗｅｂ　ＡＰＩの態様をとる、と把握することができる。
　本発明によると、新規な自然言語処理を実現することができる。
０　　　　　ウェブページ
１　　　　　ウェブページ
２　　　　　ウェブページ
１０　　　　サーバ
１１　　　　演算部
１２　　　　主記憶部
１３　　　　補助記憶部
１４　　　　入力部
１５　　　　表示部
１６　　　　通信部
２０　　　　キャッシュサーバ
２１　　　　演算部
２２　　　　主記憶部
２３　　　　補助記憶部
２４　　　　入力部
２５　　　　表示部
２６　　　　通信部
３０　　　　ターミナル
３１　　　　演算部
３２　　　　主記憶部
３３　　　　補助記憶部
３４　　　　入力部
３５　　　　表示部
３６　　　　通信部
１０１　　　受付手段
１０２　　　解析手段
１０３　　　評価手段
１０４　　　翻訳手段
１０５　　　収集手段
１０６　　　判定手段
１０７　　　決定手段
３００　　　類似度
３０１　　　閾値
１００１　　テキスト情報
１００２　　テキストメタ情報
１００３　　形態素列情報
１００４　　分散ベクトル情報
１０２１　　形態素解析エンジン
１０３１　　学習済モデル
１０４１　　翻訳エンジン
１０５１　　スクレイパ
２００１　　リンク情報
２００２　　カテゴリ情報
２００３　　ドメイン情報
２００４　　ランゲージ情報
３００１　　スタイルシート情報
３００２　　スクリプト情報
４００１　　ワード情報
５００１　　ボキャブラリ情報
６００１　　クエリ情報
６００２　　リンク情報
ＤＢ１　　　データベース
ＤＢ２　　　データベース
ＤＢ３　　　データベース
ＤＢ４　　　データベース
ＤＢ５　　　データベース
ＤＢ６　　　データベース
Ｐ１　　　　形態素列
Ｐ２　　　　形態素列
Ｐ３　　　　形態素列
Ｐ４　　　　形態素列
Ｓ１００　　指定ステップ
Ｓ１０１　　受付ステップ
Ｓ１０２　　解析ステップ
Ｓ１０３　　評価ステップ
Ｓ１０４　　翻訳ステップ
Ｓ１０５　　収集ステップ
Ｓ１０５Ｘ　収集ステップ
Ｓ１０６　　翻訳ステップ
Ｓ１０７　　解析ステップ
Ｓ１０８　　評価ステップ
Ｓ１０９　　判定ステップ
Ｓ１１０　　決定ステップ
Ｔ１　　　　第１のテキスト
Ｔ２　　　　第２のテキスト
Ｔ３　　　　第３のテキスト
Ｔ４　　　　第４のテキスト
Ｖ１　　　　分散ベクトル
Ｖ２　　　　分散ベクトル
Ｖ３　　　　分散ベクトル
Ｖ４　　　　分散ベクトル

Claims (6)

  1. 　自然言語処理方法であって、
    　原言語の第１のテキストを含むウェブページの指定を受け付ける受付ステップと、
    　前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳ステップと、
    　前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集ステップと、
    　前記第３のテキストを前記第１のテキストの訳文として決定する決定ステップと、
    　をコンピュータのプロセッサに実行させる自然言語処理方法。
  2. 　自然言語処理方法であって、
    　テキストの形態素列を取得する解析ステップと、
    　前記形態素列の分散ベクトルを取得する評価ステップと、
    　前記分散ベクトル間の類似度を決定する判定ステップと、
    　を前記プロセッサに実行させ、
    　前記翻訳ステップは、前記第３のテキストに基づく前記原言語の第４のテキストを取得し、
    　前記解析ステップは、前記第１のテキストの前記形態素列、及び、前記第４のテキストの前記形態素列を取得し、
    　前記評価ステップは、前記第１のテキストの前記分散ベクトル、及び、前記第４のテキストの前記分散ベクトルを取得し、
    　前記決定ステップは、前記判定ステップが決定した前記第１のテキスト及び第４のテキストの前記分散ベクトル間の前記類似度が閾値を超過する場合、前記第３のテキストを前記訳文として決定する請求項１に記載の自然言語処理方法。
  3. 　前記収集ステップは、前記第１のテキストの前記分散ベクトル、及び、前記第４のテキストの前記分散ベクトルの前記類似度が前記閾値を超過しない場合、前記ウェブページに基づき前記クエリを拡張し、前記スクレイピングを行い、前記第３のテキストを取得する請求項２に記載の自然言語処理方法。
  4. 　前記評価ステップは、学習済モデルに基づき前記分散ベクトルを取得し、
    　前記学習済モデルは、隠れ層の一部又は出力層が前記分散ベクトルを示すニューラルネットワークモデルである請求項２又は３に記載の自然言語処理方法。
  5. 　自然言語処理システムであって、
    　原言語の第１のテキストを含むウェブページの指定を受け付ける受付手段と、
    　前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳手段と、
    　前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集手段と、
    　前記第３のテキストを前記第１のテキストの訳文として決定する決定手段と、を有する自然言語処理システム。
  6. 　自然言語処理プログラムであって、コンピュータを、
    　原言語の第１のテキストを含むウェブページの指定を受け付ける受付手段と、
    　前記第１のテキストに基づく目的言語の第２のテキストを取得する翻訳手段と、
    　前記第２のテキストの少なくとも一部をクエリとしてスクレイピングを行い、前記目的言語の第３のテキストを取得する収集手段と、
    　前記第３のテキストを前記第１のテキストの訳文として決定する決定手段と、として機能させる自然言語処理プログラム。
PCT/JP2020/012987 2019-07-18 2020-03-24 自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム WO2021009972A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2020518837A JPWO2021009972A1 (ja) 2019-07-18 2020-03-24 自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2019-133017 2019-07-18
JP2019133017 2019-07-18

Publications (1)

Publication Number Publication Date
WO2021009972A1 true WO2021009972A1 (ja) 2021-01-21

Family

ID=74210324

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2020/012987 WO2021009972A1 (ja) 2019-07-18 2020-03-24 自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム

Country Status (2)

Country Link
JP (1) JPWO2021009972A1 (ja)
WO (1) WO2021009972A1 (ja)

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004318510A (ja) * 2003-04-16 2004-11-11 Toshiba Corp 対訳情報作成装置、対訳情報作成用プログラム、対訳情報作成方法、対訳情報検索装置、対訳情報検索用プログラム及び対訳情報検索方法
JP2009217689A (ja) * 2008-03-12 2009-09-24 National Institute Of Information & Communication Technology 情報処理装置、情報処理方法、及びプログラム
JP2013206397A (ja) * 2012-03-29 2013-10-07 Fujitsu Ltd 機械翻訳装置、機械翻訳方法及び機械翻訳プログラム
JP2018055620A (ja) * 2016-09-30 2018-04-05 大日本印刷株式会社 情報処理装置及びプログラム

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6227179B1 (ja) * 2017-03-29 2017-11-08 株式会社Ｃｙｇａｍｅｓ 翻訳支援システム等

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004318510A (ja) * 2003-04-16 2004-11-11 Toshiba Corp 対訳情報作成装置、対訳情報作成用プログラム、対訳情報作成方法、対訳情報検索装置、対訳情報検索用プログラム及び対訳情報検索方法
JP2009217689A (ja) * 2008-03-12 2009-09-24 National Institute Of Information & Communication Technology 情報処理装置、情報処理方法、及びプログラム
JP2013206397A (ja) * 2012-03-29 2013-10-07 Fujitsu Ltd 機械翻訳装置、機械翻訳方法及び機械翻訳プログラム
JP2018055620A (ja) * 2016-09-30 2018-04-05 大日本印刷株式会社 情報処理装置及びプログラム

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
AKIRA MAEDA; MASATOSHI YOSHIKAWA; SHUNSUKE UEMURA: "A query disambiguation method for cross-language information retrieval using web documents", TRANSACTIONS OF THE INFORMATION PROCESSING SOCIETY OF JAPAN (IPSJ)​, vol. 41, no. SIG06 (TOD7), 15 October 2000 (2000-10-15), pages 12 - 21, XP009526253, ISSN: 1882-7799 *
ATSUSHI OTSUKA, KATSUTO BESSHO, TORU HIRANO, RYUICHIRO HIGASHINAKA, HISAKO ASANO, YOSHIHIRO MATSUO: "4B4-2: Natural language information retrieval using query understanding with sentence structure", PROCEEDINGS OF THE ANNUAL CONFERENCE OF JSAI, vol. 30, 6 June 2016 (2016-06-06), pages 1 - 4, XP009526251, ISSN: 1347-9881, DOI: 10.11517/pjsai.JSAI2016.0_4B42 *

Also Published As

Publication number Publication date
JPWO2021009972A1 (ja) 2021-09-13

Similar Documents

Publication Publication Date Title
US20050216253A1 (en) System and method for reverse transliteration using statistical alignment
JP5497048B2 (ja) コンパラブルコーパスを使用する固有表現の翻字
JP5710581B2 (ja) 質問応答装置、方法、及びプログラム
JP2007122509A (ja) 語句配列の自然度判定装置、方法及びプログラム
Scannell Statistical unicodification of African languages
JP2004355483A (ja) 形態素解析装置、形態素解析方法及び形態素解析プログラム
JP6705318B2 (ja) 対訳辞書作成装置、対訳辞書作成方法、及び対訳辞書作成プログラム
CN109325242B (zh) 基于词对和翻译判断句子是否对齐的方法、装置及设备
JP2014139809A (ja) 共有された言語モデル
JP7335300B2 (ja) 知識事前訓練モデルの訓練方法、装置及び電子機器
JP7230576B2 (ja) 生成装置、学習装置、生成方法及びプログラム
Habib et al. An exploratory approach to find a novel metric based optimum language model for automatic bangla word prediction
CN110750642A (zh) 一种基于cnn的中文关系分类方法及系统
JP5107556B2 (ja) 改善された中国語−英語翻訳ツール
Hourrane et al. Using deep learning word embeddings for citations similarity in academic papers
JP7272060B2 (ja) 生成方法、学習方法、生成プログラム、及び生成装置
JP7103264B2 (ja) 生成装置、学習装置、生成方法及びプログラム
JP2009217689A (ja) 情報処理装置、情報処理方法、及びプログラム
JP2016224483A (ja) モデル学習装置、方法、及びプログラム
CN114141384A (zh) 用于检索医学数据的方法、设备和介质
WO2021009972A1 (ja) 自然言語処理方法、自然言語処理システム、及び、自然言語処理プログラム
US20090063127A1 (en) Apparatus, method, and computer program product for creating data for learning word translation
WO2022029839A1 (ja) テキスト生成プログラム、テキスト生成装置および機械学習方法
JP7135730B2 (ja) 要約生成方法及び要約生成プログラム
Mammadov et al. Part-of-speech tagging for azerbaijani language

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2020518837

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 20841250

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

32PN Ep: public notification in the ep bulletin as address of the adressee cannot be established

Free format text: NOTING OF LOSS OF RIGHTS PURSUANT TO RULE 112(1) EPC (EPO FORM 1205A DATED 030522)

122 Ep: pct application non-entry in european phase

Ref document number: 20841250

Country of ref document: EP

Kind code of ref document: A1