JPH01211176A - 形態素解析装置 - 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】 〔産業上の利用分野〕 本発明は形Ｂ累解析方式に関し、特に日本語テキスト音
声合成システム、日英機械翻訳システム等の必須構成要
素である日本語の形態素解析の方式に関するものである
。

〔従来の技術〕

従来、「情報処理」第２７巻第８号９５１ページに記載
されているように、最長一致法、二文節最長一致法、分
節数最小法、拡張文節モデル上のコスト最小法等の日本
語形態素解析の技術が知られている。

〔発明が解決しようとする課題〕

従来の形態素解析方式では、自立語、付属語などの語紮
カテゴリーの他には、接頭辞・接尾辞などの造語要素し
か用いられていなかった。これら接頭辞・接尾辞という
語禦カテゴリーを設けることにより、他の単語に接頭辞
・接尾辞が結合することによる造語に対処することは可
能であった。

しかしながら、日本語のテキストにおいては、そのよう
なタイプの造語だけでなく、例えば、「訪中」、「訪ソ
」、「訪韓」のように、それだけでは単語とみなされな
いような「造語要素」どうしの結合による造語があられ
れるので、従来の形態素解析方式においては、このよう
な造語が一語として登録されていない場合は、未知語と
して扱わざるを得なかった。

本発明の目的はこの欠点を改良した高精度の形態素解析
方式を提供することにある。

〔課題を解決するための手段〕

本発明の形態素解析方式は、単語と結合して造語を行な
うことは必すしもできないが、他の接辞や「字母」と結
合して造語を行なう能力がある「字母」という語酋カテ
ゴリーを有し、前記「字母」と結合して合成語を形成す
ることが可能な語酋項目が持つべき属性情報をその「字
母」とともに保持し、入力中に前記［字母Ｊの表記が存
在する場合に、前記属性情報を用いて、前記入力中にお
いて前記「字母」が隣接する語酋項目と結合して合成語
を形成することが可能であるが否かを決定して構成され
る。

〔作用〕

日本語の文章においては、すでに単語と見なされている
もの以外に、「字母」すなわち、強い造語能力をもつ造
語成分によって形成される造語が頻繁に出現する。これ
は、たとえば「新明解国語辞典Ｊ　（三省堂・初版１９
７２年）においては、「造語成分」と呼ばれているもの
である。本発明においては、従来日本語の形態素解析に
おいて扱われている自立語、付属語のような「単語」と
呼ばれる開傘カテゴリー、接頭辞・接尾辞のような「辞
」と呼ばれる開傘カテゴリーのほかに、単語と結合して
造語を行なうことは必ずしもできないが、他の接辞や「
字母」と結合して造語を行なう能力がある「字母」とい
う語酋カテゴリーを用いて形態素解析を行う。

これにより、入力テキスト中に、単語としては登録され
ていないが、「字母」として登録されている文字からな
る部分文字列が存在する場合に、その区間を未知語とす
ることなく、単語候補を形成することが可能となる。

〔実施例〕

次に第１図から第３図を命照しつつ、実施例に従って本
発明の詳細な説明する。第１図はこのような本発明の原
理を実現するための一実施例を示すブロック図である。

第１図において、接続テーブル１０２は品詞の下位分類
カテゴリーの順序対（ｒ＋　、ＩＪ　）に対して１ある
いはＯという値を与える表である。これが１ならばｒ、
と１ノは文法的に隣接可能、そうでないならば隣接不可
能であることを表現している。単語辞書１０３は自立語
・付属語および接頭辞・接尾辞の情報を格納している。

字母辞書１０４は各字母の表記、カテゴリーおよび結合
して造語を行うことが可能な相手のカテゴリーの情報を
格納している。

解析制御部１０１は、入力文章に対して単語辞書１０３
を検索し、複数の候補単語が存在する場合は、表記が最
長の候補単語を優先してまず選び、接続テーブル１０２
を用いて左側の単語との隣接可能性の検定を行い、隣接
可能ならば、その候補単語をその区間の単語であると仮
定する。単語辞書１０３中に候補単語が存在しない場合
は、字母辞書１０４を検索し、同様に接続テーブル１０
２を用いて左側の単語あるいは字母との隣接可能性の検
定を行い、隣接可能ならば、その候補字母をその区間に
存在しうると仮定する。もし、現在位置の候補が字母で
あり、かつ左側が字母である場合は、字母辞書１０４か
ら得られる字母のカテゴリーおよび結合して造語を行う
ことが可能な相手のカテゴリーを用いて、造語可能性を
判定する。

もし、ある位置で辞書を引いても候補単語が存在しない
場合、あるいは接続テーブル１０２を用いた隣接可能性
の検定で隣接不可能と判定される場合、あるいは、字母
と字母の結合による造語可能性の判定において造語不可
能と判定される場合は、一つ前に仮定された単語の位置
までもどり、その位置における次候補を選択して、先に
進む。

辞書引き、接続検定あるいは字母の造語可能性の検定が
成功したら、候補単語あるいは字母の表記の次の文字位
置で再び単語辞書１０３の検索を行い、候補がない場合
は字母辞８１０４を検索するという様にして、上記の処
理を繰り返していく。文字種が漢字からその他の文字に
変わる位置まできたら、解析制御部１０１は、それまで
に仮定された単語を解析結果と決定する。

第２図は入力日本語テキストの一例を示す説明図である
。いま、「外相の」まで辞書引きが追わっているものと
する。解析制御部１０１は、まず２０１の文字位置で単
語辞書１０３を検索すると、該当単語が存在しないので
、次に字母辞書１０４を検索し、字母「訪」を得る。次
の文字位置においても単語辞書１０３には該当単語が存
在しないので、解析制御部１０１は、字母辞書１０４を
検索し、字母「ソ」を得る。ここで、字母「ソ」と字母
「訪］の結合による造語が可能であるかの判定が行われ
、「訪Ｊの辞書情報３０１および［ソ」の辞書情報３０
２は矛盾しないので結合可能であると判定される。

〔発明の効果〕

以上述べたように本発明の形態素解析方式によれば、単
語辞書には登録されていないが、「字母」の造語能力に
よって形成される合成語を含んだ日本語文を解析するこ
とが可能となる。日本語においては、「字母」による造
語がしばしば行われるので、本発明による形態素解析の
性能の向上の効果は極めて大きい。

【図面の簡単な説明】

第１図は本発明の一実施例を示すブロック図、第２図は
入力日本語テキストの一例を示す説明図、第３図は「字
母」の辞書内容の一例を示す説明図。 １０１・・・解析制御部、１０２・・・接続テーブル、
１０３・・・単語辞書、１０４・・・字母辞書。

Claims (1)

【特許請求の範囲】
1. 単語と結合して造語を行なうことは必ずしもできないが
   、他の接辞や「字母」と結合して造語を行なう能力があ
   る「字母」という語彙カテゴリーを有し、前記「字母」
   と結合して合成語を形成することが可能な語彙項目が持
   つべき属性情報をその「字母」とともに保持し、入力中
   に前記「字母」の表記が存在する場合に、前記属性情報
   を用いて、前記入力中において前記「字母」が隣接する
   語彙項目と結合して合成語を形成することが可能である
   か否かを決定することを特徴とする形態素解析方式。