JPH02136959A - 日本文訂正候補抽出装置 - 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、日本文の文書データベースを作成するため、
入力された漢字かな混じりの日本文文字列に含まれる誤
字を自動的に訂正する場合に、その候補文字を抽出する
ための日本文訂正候補抽出ｉ置に関するものである。

〔従来の技術〕 近年は、タイプライタに代ってワードプロセッサが普及
し、公用文、社用文は勿論のこと、手紙や論文も殆んど
がワードプロセッサにより作文されている。そして、新
聞記事、出版用原稿、科学技術論文、事務文書等の多く
の日本文の文書を電子ファイル化するために、日本語ワ
ードプロセッサを用いて文書を投入する場合が増加して
いる。

しかし、投入結果には、かな漢字変換の誤りに伴う誤字
が多数混入している場合が多い。これは、未熟練者は勿
論のこと、熟練者にもかなり見られるもので、キー操作
の間違いにより全く意味の通らない単語が選択されてし
まうことによっている。

これらの誤字は意味内容からも不良であって、これらの
誤字は全て訂正されなければならないものである。しか
し、人手による校正では、それらの一部が見逃されてし
まう場合が多い。特に、最近の文書には、複合語表現・
す変用言性名詞が多用される傾向があるため（例えば、
先端技術開始する、等）、漢字列の複合語の頻度が高く
、さらに漢字列では、かな漢字変換が頻繁に行われるた
め、これらの誤字が頻発するものと考えられる。

これらの変換誤りによる誤字に対しては、単語辞書およ
び文法辞書を用いた文法的な解析方法や。

修正者によるチエツク方法では、検出が非常に困難であ
る上、その修正や自動訂正を実施するために、正解候補
の含有率の高い候補を抽出することは非常に難かしい。

〔発明が解決しようとする課題〕

従来、これらの変換誤りによる誤字を検出する方法とし
ては、修正者が原文を読み合わせる他に、誤り易い単語
を予め登録しておき５ｇＡ文内の文字列との照合により
検出する方法等がある。しかし、人手による校正作業は
、負荷が大きい他に、修正者によって精度が一定でなく
、見逃しも多い。また、誤りのパターンを予め登録する
方法は、誤りのパターンが一定せず、かつ習慣性がない
ため、登録すべき単語の量が激増して、これに伴う検索
照合により性能が低下するという問題もあった。

さらに、従来の訂正候補抽出の方法としては、文字の連
接確率に応じて予め収集した日本文訂正候補辞書を用い
て、誤字として検出された位置の前後の文字により、こ
の辞書を索引して候補文字を抽出し、最も文字連接確率
が高い候補を選択する方法がある。この方式の例として
は、例えば、特願昭６１−２３８０５９号明細書および
図面に詳述されている。

また、別の方法として、前述したような誤り易い単語の
登録と同時に、正解の単語も登録しでおき、原文内の文
字列との照合時に正解の単語を訂正候補として抽出する
方法がある。

しかし、前者については、文字単位の確率的な処理であ
るため、複合語の漢字列の変換の誤りのように習慣性の
ないものは、正解の候補が上位の候補として出現せず、
また単語の分割が誤ってしまうような誤字の場合には対
応できないという問題があった。また、後者については
、前述したように、検出した誤りの単語に対して、正解
の単語が一意に絞九ないため、登録すべき訂正候補の単
語の量が激増して、これに伴う検索照合により性能が低
下するという問題があった。

本発明の目的は、これら従来の課題を解決し、日本語ワ
ードプロセッサ等におけるかな漢字変換の際に出現し１
人手では見逃し易い複合語内の漢字単語列の多様な誤り
に対しても、検定および訂正精度の高い候補抽出が可能
で、かつ人手により確認する場合にも負荷を軽減するこ
とが可能な日本文訂正候補抽出装置を提供することにあ
る。

〔課題を解決するための手段〕

上記目的を達成するため、本発明の日本文訂正候補抽出
装置は１日本語ワードプロセッサを含む文書入力装置か
ら入力された漢字かな混じり文に対して、入力誤りや文
字認識誤りにより生じた文字誤りを訂正する日本文訂正
候補抽出装置において、上記文書入力装置から入力され
た文字コードを処理可能な日本文文字列に変換する入力
処理手段（第１図の２）と、変換された日本文文字列に
対して日本語単語辞書（３）および文法辞書（４）を用
いて単語分割および品詞認定を行う形態素解析手段（５
）と、上記単語分割および品詞認定により認識された漢
字列からなる複合語を、複合語の構成単語とともに抽出
する漢字列複合語抽出手段（６）と、普通名詞の意味カ
テゴリの接続関係の有無をマトリックスの交点のフラグ
で表現した意味カテゴリ連接テーブル（８）と、上記複
合語内の構成単語の意味的な接続関係を、上記意味カテ
ゴリ連接テーブルを用いて検定し、意味的な接続関係が
不良の単語を抽出する単語選択誤り検定手段（７）と、
上記複合語内の隣り合う単語間の意味的な接続関係の有
無を、上記意味カテゴリ連接テーブルから抽出する単語
承接検定手段（９）と、予め誤り易い読み候補をローマ
字の記号に対応して誤り易い順序に格納した類音変換用
テーブル（１０）と、上記複合語内の意味的な接続関係
が不良な単語の読みについて、類似の文字を上記類音変
換テーブルから抽出し、上記単語を該類似文字に変換す
る類音変換手段（１１）と、予め類似の読みを持ち、該
読みをキーとして検索する漢字単語およびその意味カテ
ゴリを格納した類音語辞書（１２）と、上記類音変換手
段で指定された類似の読みをキーとして上記類音語辞書
を検索し、代替の訂正候補文字を抽出する類音語検索手
段（１３）と、該類音語検索手段（１３）により検索さ
れた訂正候補文字を意味的接続関係の不良な単語と置換
して、意味的接続関係が有効な候補を選択する訂正候補
抽出手段（１４）とを有し、上記単語選択誤り検定手段
（７）により、名詞単語が連続された漢字列からなる複
合語に対して、該単語１？ｆｌの意味的な接続関係の有
無を上記意味カテゴリ連接テーブル（８）を用いて検索
し、接続関係がないことにより単語の誤りを検定した後
、上記類音変換手段（１１）および類音語検索手段（１
３）により、上記単語のうちの出現頻度の低い単語に対
し、上記類音変換用テーブル（１０）を用いて該単語の
読みを類似の読みに変換し、該読みを用いて上記類音語
辞−非を検索して。

誤りの単語に対する訂正候補を抽出し、上記訂正候補抽
出手段（１４）により、該訂正候補を意味的接続関係の
不良な単語と置換して意味的接続関係が有効な候補を選
択することに特徴がある。

〔作　　用〕

本発明においては、かな漢字変換の誤りに伴う誤字を校
正するために、予め単語間の意味的な接続関係の有無を
意味カテゴリ一連接テーブルに格納し、単語の読みを類
音変換用テーブルにより類似の読みに変換して、類音語
を格納した類音語辞書を作成し、漢字列からなる複合語
が認定されている場合に、単語の誤りをカテゴリ一連接
テーブルにより検定して、単語間に意味的な接続関係が
ないときには、出現頻度の低い単語に対して類音変換テ
ーブルを用いた類似の読みの類音語を類音語辞書より検
索して誤りの単語に対する訂正候補の抽出を行う。すな
わち、本発明の特徴は、（ｊ）予め名詞の意味カテゴリ
の接続関係の有無を表現した意味カテゴリ連接テーブル
を作成して、単語間の意味的な接続関係の有無をこのテ
ーブルを用いて検索し、接続関係がないことにより単語
の誤りを検定する。（ｉｉ）予め誤り易い読みの候補を
格納した類音変換用テーブルと、類似の読みを持ち、読
みをキーとして検索する漢字単語とその意味カテゴリを
格納した類音語辞書とを作成して、単語のうち出現頻度
の低い単語に対して単語の読みを類似の読みに変換し、
その読みを用いて類似語を検索し、誤りの単語に対する
訂正候補を抽出する。

（ｉｉｉ）抽出した訂正候補を意味的接続関係の不良な
単語と置換して、意味的（妾続関係が有効な候補を選択
する。

これにより、日本語ワードプロセッサ等でかな漢字変換
の際に出現し、人手では見逃し易い複合語内の漢字単語
列の多様な誤りに対しても、検定および訂正精度が高い
候補抽出が可能となり、しかも人手により確認する場合
でも負荷の軽減を図ることができる。

〔実施例〕

以下、本発明の実施例を、図面により詳細に説明する。

第１図は一本発明の一実施例を示す日本文訂正候補抽出
システムのブロック図である。

第１図において、１は漢字日本語ワードプロセッサ等の
入力装置、１６はＣＰＵおよびメモリからなる処理装置
、３は日本語単語辞書、４は文法辞書、８は予め名詞の
意味カテゴリの接続関係の有無を表現した意味カテゴリ
連接テーブル、１゜は予め誤り易い読み候補を格納した
順行変換用テーブル、１２は予め類似の読みの漢字単語
とその意味カテゴリを格納した類音語辞書、１５は誤り
訂正済み文書である。ＣＰＵ／メモリからなる処理装置
１６は、入力あるいは読み込みを行う入力処理部２と、
辞書３および４を用いて単語分割・品詞認定を行う形態
素解析部５と、形態素解析部５の認定の結果について、
漢字列からなる複合語を抽出する漢字列複合語抽出部６
と、複合語の構成単語について、意味的な接続関係が不
良な単語を抽出する単語選択誤り検定部７と、単語間の
意味的な接続関係の有無を意味カテゴリ連接テーブル８
から抽出する単語水接検定部９と、類似の読みを順行変
換用テーブル１０から抽出し、変換する順行変換部１１
と、順行変換部１１で指定した類似の読みをキーとして
類音語辞書１２を検索し、訂正候補を抽出する類音語検
索部１３と、訂正候補から意味的接続関係が有効な候補
を選択する訂正候補抽出部１４とから構成される。

この装置では、日本語ワードプロセッサ等の入力装置１
から投入された日本語文書データに対し２日本語型語辞
；１Ｆ３および文法辞書４を用いて形態素解析部５によ
り単語分割・品詞認定を行い、さらに単語および品詞の
認定の結果について、漢字列複合語抽出部６で漢字列か
らなる複合語とその構成される漢字単語を抽出し、複合
語の構成ｍ語について単語選択誤り検定部７で意味的な
接続関係が不良な単語を抽出する。

一般に、複合語内の単語は、意味的に係り受けの関係（
接続関係）があり、もし単語の変換選択時に誤りが混入
すると、単語間の意味的な接続関係が欠落し、さらに相
対的に出現頻度の低い単語となる状況が発生する。従っ
て、この特性を利用すれば、意味的な接続関係がない出
現頻度の低い単語は誤りであると検定することができる
。具体的には、意味的な接続関係を検定するには、予め
正規の隣り合う単語間の意味カテゴリの接続関係を「○
・・・・接続可」、あるいは「×・・・・接続不可」と
するマトリックスの交点で表現するテーブル８（意味カ
テゴリ連接テーブル）を作成して、複合語内の構成単語
の意味カテゴリで検索して検定する。この処理は、単語
水接検定部９において実行される。

単語の誤りが検定された場合、誤った単語の読みを予め
作成した誤り易い読みのパターンを格納した順行変換用
テーブル１０を用いて、類似の読みを抽出し、変換して
正規と考えられる単語の読みを生成する。次に、この類
似の読みを用いて。

予め類似の読みの漢字単語とその意味カテゴリを格納し
た類音語辞書１２を検索して、読みが一致した場合にこ
の類音語を訂正候補として抽出する。

この類音語の検索は、類音語検索部１３で実行される。

一般に、訂正候補は複数個抽出されるので、訂正候補を
意味的接続関係の不良な単語と置換して、誤りの単語を
検定したときと同じように、意味的接続関係が有効な訂
正候補を正解語として訂正候補抽出部１４で選択する。

第２図は、本発明における漢字列複合語の誤りに対する
訂正候補抽出の第１の実施例を示す説明図である。

第２図において、１７は漢字単語誤りを含む原文文字列
、１８は誤字、１９は正解文字、２０は誤りの単語、２
１は原文文字列１７の漢字列複合語部分を形態素解析し
た結果、２２は単語間の意味カテゴリの接続関係が不良
の位置、２３は誤りの単語の読み（ローマ字表現）、２
４は意味的な接続関係が不良な複合語のうち前方の単語
の意味カテゴリ、２５は同じく後方の単語のカテゴリ、
２６は接続不可のフラグ、２７は接続可のフラグ、２８
はテーブル１０で変換された順行の読み、２９は読み２
８に対する類音語の候補、３０は類音語の見出し、３１
は類音語の意味カテゴリ、３２は誤り訂正済みの文字列
、３３は訂正された単語である。

ここで、原文文字列１７から漢字列複合語を抽出し、形
態素解析結果により意味カテゴリを用いて構成単語の間
の意味的な接続関係を検定する。

構成単語のうち、前方の単語「改装Ｊは意味カテゴリ「
業務ｊを持ち、後方の単語ｒ故事」は意味カテゴリ「伝
承Ｊを持つ。これらの意味カテゴリの意味的な接続関係
は、意味カテゴリ連接テーブル８を用いて接続不可２６
となるので、出現頻度の低い「故事」が誤りであると推
定される。従って、「故事」の読みを順行変換用テーブ
ル１０を用いて順行に変換して、これらの読みをキーに
類音語辞書１２を検索する。順行変換では、Ｏ→工。

１−）ＩＮ、Ｏ→ＯＵ等が使用される。この結果。

「記事」、「意味カテゴリ：文書Ｊと、「個人Ｊ。

「意味カテゴリ：人間」と、「工事ｊ、　　Ｉｉ’意味
カテゴリ：仕事」の３個の類音語の訂正候補が抽出され
る。これらの訂正候補を誤りと推定される単語「故事Ｊ
に置き換えて、あらためて「改装ｊとの意味的な接続関
係を検定し、有効とみなされる訂正候補「工事」を正解
単語として選択する。

第３図は１本発明における漢字列複合語の誤りに対する
訂正候補抽出の第２の実施例を示す説明図である。

第３図において、３４は誤りの漢字単語、３５は正解単
語である。

この場合にも、原文文字列１７から漢字列複合語を抽出
し、構成単語の間の意味的な接続関係を検定する。構成
単語のうち、前方の単語「字種」は意味カテゴリ「文字
」を持ち、後方の単語「時間」は意味カテゴリ「時」を
持つ。これらの意味的な接続関係は接続不可となるので
、出現頻度の低い「字種」が誤りであると推定する。従
って、「字種」の読みを順行変換用テーブル１０を用い
て、Ｉ−）ＩＮ、Ｕ−＋ＯＵ、Ｕ→ＵＵ等の順行に変換
して、これらの読みをキーにして類音語辞書１２を検索
すると、「人種」　「意味カテゴリ：入間ｊ、「事象」
　「意味カテゴリ：事象ｊ、　　ｆｆ’自習Ｊｌｌｉ’
意味カテゴリ：人間活動」の３個の類音語の訂正候補が
抽出される。これらの訂正候補を誤りと推定される単語
「字種」に置き換えて、あらためて「時間」との意味的
な接続関係を検定し、有効とみなされる訂正候補「自習
」を正解単語として選択する。

第４図は１本発明における漢字列複合語の誤りに対する
訂正候補抽出の第３の実施例を示す説明図である。

この場合にも、前の実施例と同じようにして、原文文字
列１７から漢字列複合語を抽出して、構成単語の間の意
味的な接続関係を検定する。

前方の単語ｒ紛争」は、意味カテゴリの「争いＡを持ち
、後方の単語「良識」は、意味カテゴリの「知識」を持
つ。これらの意味的な接続関係は接続不可となるので、
出現頻度の低い「良識」が誤りであると推定される。従
って、「良識Ｊの読みを順行変換用テーブル１ｏを用い
て、ＲＹＯ→ＹＯ，ＨＹＯ−）ＨＹＯ，ＳＩ−＋Ｉ等の
順行に変換して、これらの読みをキーに類音語辞書１２
を検索すると、「洋式」　ｒ意味カテゴリ：習俗Ｊ、「
標識Ｊ　「意味カテゴリ：道具」、「領域」　「意味カ
テゴリ：範囲」の３個の類音語の訂正候補が抽出される
。

これらの訂正候補を誤りと推定される単語「良識」に置
き換えて、あらためて「争い」との意味的な接続関係を
検定し、有効とみなされる訂正候補「領域」を正解単語
として選択する。

第５図は、本発明による漢字列複合語の単語分割を伴う
誤りに対する訂正候補抽出処理の実施例を示す説明図で
ある。

第５図において、３６は単語分割された誤りの単語、３
７は文法的に密接な接続関係、３８は分離された単語の
読みである。

誤りの検定はｒ機密」と「滋養」の間で行い、文法的に
密接な接続関係を持つｌｒ滋養Ｊと「法」の間では、検
定を行わない。

ここでは、検定の結果、出現頻度の低いＩｉ′滋養」と
「法」とが誤りと認定される。類音語の検索は認定され
た品詞の関係が一般語と接辞のように密接な関係を持つ
場合は、読みを結合させてこれをもとに類音語を検索す
る。すなわち、「滋養」とｌｉ′法」の読みを順行変換
用テーブル１０を用いてＪ　ＩＹＯ−＊ＪＹＯ，Ｊ　Ｉ
ＹＯ→ＪＹＵ、ＨＯ−＋ＨＹＯ等の順行に変換して、こ
れらの読みをキーに類音語辞書１２を検索すると、 ｒ除法」　「意味カテゴリ：学術」、「樹氷」　「意味
カテゴリ：自然物」、「情報」　「意味カテゴリ：情報
ｊの３個の類音語の訂正候補が抽出される。

これらの訂正候補を誤りと推定される単語ｒ滋養Ｊと「
法」に置き換えて、あらためて「機密」との意味的な接
続関係を検定し、有効とみなされる訂正候補ｒ情報」を
正解単語として選択する。

第６図は、第１図における順行変換テーブルの内部構成
例を示す図である。

第６図において、３９は順行の変換対象となる音韻の要
素、４０は変換後の音韻の要素である。

誤りの単語の読みに含まれる誤り易い音韻について、こ
の変換用テーブルを参照して順行を生成するに のように、本発明の日本文訂正候補抽出装置では、予め
名詞の意味カテゴリの接続関係の有無を表現した意味カ
テゴリ連接テーブル８と、誤り易い読みの候補を格納し
た順行変換用テーブル１０と、類似の読みを持ち、読み
をキーとした類音語辞書１２とを設けて、漢字未知語で
ない名詞単語の連続である漢字列からなる複合語に対し
て、単語間の意味的な接続関係の有無を意味カテゴリ連
接テーブル８を用いて検索し、接続関係がないことによ
り単語の誤りを検定する手段７，９と、単語間の意味的
な接続関係がない場合に、構成される単語のうち出現頻
度の低い単語について、順行変換用テーブル１０を用い
て単語の読みを類似の読みに変換し、類音語を格納した
類音語辞書１２を読みを用いて検索して、誤りの単語に
対する訂正候補を抽出する手段１１．．１３と、抽出し
た訂正候補を意味的接続関係の不良な単語と置換して、
意味的接続関係が有効な候補を選択する手段７．１４と
を用いて、訂正候補抽出を実行する。

これにより、かな漢字の変換誤りによる誤字の検定およ
び訂正精度の向上を図ることができる。

〔発明の効果〕

以上説明したように、本発明によれば、日本語ワードプ
ロセッサ等におけるかな漢字変換の際に出現し、人手で
は見逃し易い複合語内の漢字単語列の多様な誤りに対し
ても、検定および訂正精度の高い候補抽出が可能となる
。そして、たとえ人手による確認を行う場合でも、負荷
の軽減を図ることができる。

【図面の簡単な説明】

第１図は本発明の一実施例を示す日本文訂正候補抽出装
置の構成図、第２図、第３図、第４図および第５図はそ
れぞれ本発明における漢字列複合語の誤りに対する訂正
候補抽出処理の実施例を示す説明図、第６図は第１図に
おける順行変換用テーブルの格納内容を示す図である。 １：入力装置、２：入力処理部、３：日本語単語辞書、
４：文法辞書、５：形態素解析部、６：漢字列複合語抽
出部、７：単語選択誤り検定部、８：意味カテゴリ連接
テーブル、９：単語承接検定部、１０：類音変換用テー
ブル、１１：順行変換部、１２：類音語辞書、１３：類
音語検索部、１４：訂正候補抽出部、１５：誤り検定済
み文書、１６：処理装置、１７：原文文字列、１８：誤
字、１９：正解文字、２０：誤りの単語、２１：形態素
解析結果、２２：接続関係不良位置、２３：読み、２４
，２５．３１　：意味カテゴリ、２６，２７：フラグ、
２８：順行の読み、２９：類音語候補、３０：見出し、
３２：誤り訂正済みの文字列、３３：訂正された単語、
３４：誤りの単語、３５：正解単語、３６：誤りの単語
、３７：文法的に密接な接続関係、３８：単語の読み、
３９：変換対象となる音韻要素、４０：変換後の音韻要
素。 特許出願人　日本電信電話株式会社 メ］

Claims (1)

【特許請求の範囲】
1. （１）日本語ワードプロセッサを含む文書入力装置から
   入力された漢字かな混じり文に対して、入力誤りや文字
   認識誤りにより生じた文字誤りを訂正する日本文訂正候
   補抽出装置において、上記文書入力装置から入力された
   文字コードを処理可能な日本文文字列に変換する入力処
   理手段と、変換された日本文文字列に対して日本語単語
   辞書および文法辞書を用いて単語分割および品詞認定を
   行う形態素解析手段と、上記単語分割および品詞認定に
   より認識された漢字列からなる複合語を、複合語の構成
   単語とともに抽出する漢字列複合語抽出手段と、普通名
   詞の意味カテゴリの接続関係の有無をマトリックスの交
   点のフラグで表現した意味カテゴリ連接テーブルと、上
   記複合語内の構成単語の意味的な接続関係を、上記意味
   カテゴリ連接テーブルを用いて検定し、意味的な接続関
   係が不良の単語を抽出する単語選択誤り検定手段と、上
   記複合語内の隣り合う単語間の意味的な接続関係の有無
   を、上記意味カテゴリ連接テーブルから抽出する単語承
   接検定手段と、予め誤り易い読み候補をローマ字の記号
   に対応して誤り易い順序に格納した類音変換用テーブル
   と、上記複合語内の意味的な接続関係が不良な単語の読
   みについて、類似の文字を上記類音変換テーブルから抽
   出し、上記単語を該類似文字に変換する類音変換手段と
   、予め類似の読みを持ち、該読みをキーとして検索する
   漢字単語およびその意味カテゴリを格納した類音語辞書
   と、上記類音変換手段で指定された類似の読みをキーと
   して上記類音語辞書を検索し、代替の訂正候補文字を抽
   出する類音語検索手段と、該類音語検索手段により検索
   された訂正候補文字を意味的接続関係の不良な単語と置
   換して、意味的接続関係が有効な候補を選択する訂正候
   補抽出手段とを有し、上記単語選択誤り検定手段により
   、名詞単語が連続された漢字列からなる複合語に対して
   、該単語間の意味的な接続関係の有無を上記意味カテゴ
   リ連接テーブルを用いて検索し、接続関係がないことに
   より単語の誤りを検定した後、上記類音変換手段および
   類音語検索手段により、上記単語のうちの出現頻度の低
   い単語に対し、上記類音変換用テーブルを用いて該単語
   の読みを類似の読みに変換し、該読みを用いて上記類音
   語辞書を検索して、誤りの単語に対する訂正候補を抽出
   し、上記訂正候補抽出手段により、該訂正候補を意味的
   接続関係の不良な単語と置換して意味的接続関係が有効
   な候補を選択することを特徴とする日本文訂正候補抽出
   装置。