JPH0345421B2 - - Google Patents

Description

【発明の詳細な説明】 〔発明の利用分野〕 本発明は、言語を解析するための解析方式に係
り、特に、自然言語で記述された文章の解析を効
率良く行う言語解析方式に関するものである。

〔発明の背景〕

従来の言語解析の方式、例えば、長尾真編“言
語の機械処理”（1984）の第３章で論じられてい
る方式では、処理は一文単位で実行され、複数の
文を順に解析する場合でも、前文までの解析結果
は利用されず、既出の文節と同一の文節が現れて
も、単語への分割等の解析処理のすべてを最初か
ら実行しなければならなかつた。そのため、複数
の文を順に解析する場合、文の数に比例した処理
の手段を要し、処理効率が悪い、という問題があ
つた。

〔発明の目的〕

本発明の目的は、かかる従来方式の問題点を解
決し、複数の文を順に解析する場合に、解析効率
の向上する言語処理方式を提供することにある。

〔発明の概要〕

本発明の言語処理方式は、自然言語の解析、あ
るいは、翻訳を行う言語処理装置において、解析
結果を記憶媒体に格納し、次の文の解析の際、前
文までの解析結果を利用した解析処理の部分的省
略を行うことにより、前記目的を達成するもので
ある。

〔発明の実施例〕

以下、本発明の一実施例を図に従つて、詳細に
説明する。第１図は、本発明の実施例の言語処理
システムであるところの第１言語から第２言語へ
の自動翻訳システムの構成図である。ここでは、
便宜上、第１言語を日本語、第２言語を英語とす
る。第１図に示すように、本発明に係わる言語処
理システムは、処理装置１、処理プログラム、解
析結果が格納される記憶媒体〔１〕２、辞書デー
タが格納される記憶媒体〔２〕３、処理すべき入
力文章が格納される記憶媒体〔３〕４、表示装置
５、キー・ボード６より構成される。本言語処理
システムは、記憶媒体〔３〕４内の文を順に取り
出し、記憶媒体〔２〕３内の辞書データを利用し
ながら翻訳し、結果を表示装置５へ出力する。

第２，３，４図に本発明による解析方式の流れ
を示す。

第５図は入力文章の例、第６図は格納された解
析結果の例を示しており、第７図は入力文の単語
分割処理の実例（ａは部分列への分割、ｂは単語
分割の結果を示す図である）、第８図は解析結果
の別の格納形式を示す図である。第６，８図に示
すように、本実施例では、解析結果は、文節が助
動詞列が一つの単位として格納され、格納される
情報は、各単位の文中での表記（以降、これを見
出し文字列と呼ぶ）、各単位を構成している単語
の文中での表記、品詞、活用情報（活用形、活用
の種類）等の辞書データである。なお、第６，
７，８図における２文字の英文字から成るコード
は品詞コードである。

日本語を英語に自動翻訳するためには、最初の
ステツプとして、ベタ書きで書かれた漢字かな混
じり文を単語に分割しなければならない。この単
語分割の処理を本発明の実施例として、第２，
３，４図に従つて説明する。

今、第５図に示す文章が記憶媒体〔３〕４に格
納されており、解析処理は第１番目の文が終了し
たところだとする。この時点で、第１番目の文の
解析結果が第６図に示す形式で記憶媒体〔１〕２
に格納される。そして、第２番目の文の解析処理
が実行される（101）。

解析の最初として、処理対象の文を、格納され
ている解析結果の利用可能な部分列とそうでない
部分列とに分離する（102）。具体的には、格納さ
れた解析結果の見出し文字列と一致する部分列を
解析結果の利用可能な部分列とみなす。その結
果、第２番目の入力文は第７図ａのようになる。
ただし、斜線の部分が解析結果の利用可能な部分
列である。次に、分離した部分列中の未処理の部
分列の内、先頭のものを取り上げ（これを部分列
ａとする）（103）、部分列ａが解析結果の利用可
能な部分列であれば（104）、第４図の処理
（105）を、そうでなければ、第３図の処理
（106）を実行する。この処理を未処理の部分列が
存在しなくなるまで（107）繰返した後、解析結
果（第７図ａの解析結果は第７図ｂ）を記憶媒体
〔１〕２に格納する（108）。解析結果の格納は、
文節か助動詞列を一つの単位として行うが、同一
の見出し文学列を持つ解析結果の単位に関して
は、格納処理を行わない。以上の処理を、未処理
の文がなくなるまで（109）繰り返す。

次に、の処理について、第３図に従つて説明
する。この処理は、格納されている解析結果が利
用できない部分列に対するものであり、最初に、
最長一致を原則とした単語の切出しを（この単語
をＷとする）その部分列に関して行う（201）。例
えば、第７図ａの先頭の部分列に関しては、“そ
して”が切出される。ただし、切出した単語が活
用のある語の場合は、語尾変化も含めて切出す。
次に、切出した単語が前方の語と接続可能である
かチエツクする（202）。接続可能であるならば、
切出した語の後方の語を最長一致の原則で切出し
（203）、その品詞を基準とし、後方接続の可能性
をチエツクする（204）。接続可能であれば、単語
の認定を行う（205）。前方接続、あるいは、後方
接続が不可の場合、単語Ｗの切出し、認定を棄却
し、同一部分列から別の単語を切出し（207）、前
方接続可能性のチエツクからやり直す。また、
207の処理が不可能ならば、単語Ｗの直前の単語
の切出し・認定を棄却し、の処理をやり直す
（208）。ただし、単語Ｗが文頭の語の場合、処理
のやり直しが出来ないため、単語分割処理は失敗
したとする。このような処理を未解析の文字列が
なくなるまで（206）、繰り返して、の処理は終
了する。なお、第７図ａの先頭の部分列に関して
は、の処理により、“そして”が接続詞、“、”
が読点であると解析される。

の処理について、第４図に従つて説明する。
この処理は、格納されている解析結果が利用可能
な部分列に対するものである。最初に、格納され
ている解析結果から得られるその部分列の先頭の
単語の品詞を基準に、前方接続可能性のチエツク
を行う（301）。第７図ａの第２番目の部分列に関
しては、“、”と“太郎”の接続可能性のチエツク
が、301の処理に対応する。接続可能ならば、後
方の部分列より、単語を最長一致の原則を用いて
切出し、その品詞情報を得、該部分列の最後尾の
単語との後方接続可能性のチエツクを行う
（303）。第７図ａの第２番目の部分列に関しては、
“は”と“栗”の接続可能性のチエツクを行うこ
とになる。接続可能ならば、の処理は終了す
る。ただし、前方接続不可の場合、該部分列に対
応する解析結果を棄却し、の処理を実行する
（304）。また、後方接続不可の場合は、該部分列
の最後尾の単語に対応する解析結果を棄却し、
の処理を実行する（305）。

なお、記憶媒体の容量の制限のため、解析結果
のすべてを格納できない場合は、解析結果の得ら
れた時間を基準に優先順位をつけ、新しい解析結
果が常に保持されるようにすると、優先順位を付
けない場合と比較して、処理効率が良くなる。

また、第８図に示すような形式で解析結果の格
納を行えば、すなわち、解析結果の構成要素とな
るべき情報の格納番地を示す情報により、解析結
果を表現すれば、同一要素に対して、一重に記憶
領域を確保する必要が無く、解析結果の記憶効率
が良くなり、全体の処理効率も向上する。

〔発明の効果〕

以上、本発明の実施例につき説明したが、本発
明によれば、同一の文字列の解析処理を省略が可
能となるため、複数の文の解析処理の効率を向上
せることが出来る。特に、繰返し表現の多い文
章、文の終わり方にくせのある文章の解析には、
大きな効果を得ることができる。

【図面の簡単な説明】

第１図は本発明による言語処理システム全体の
構成図、第２，３，４図は本発明による解析処理
の流れを示す図、第５図は入力文章の例を示す
図、第６図は格納された解析結果の例を示す図、
第７図は単語分割の実行を示す図、第８図は解析
結果の別種の格納形式を示す図である。 １……中央処理装置、２……記憶媒体〔１〕、
３……記憶媒体〔２〕、４……記憶媒体〔３〕、５
……表示装置、６……キー・ボード。

Claims (1)

【特許請求の範囲】
1. １ 漢字かな混じり文を解析する言語解析方式で
   あつて、漢字かな混じり文を入力する手段と、前
   記漢字かな混じり文をそれを構成する単語に分割
   する手段と、前記分割手段により分割した単語と
   該単語の直前および直後の単語の少なくとも一方
   の接続可能な単語とを接続した文節または助動詞
   列を見出し語とし、前記単語および前記接続可能
   な単語に関する情報を格納する手段を有し、さら
   に前記入力手段により引き続き入力された漢字か
   な混じり文中で、前記格納する手段により格納さ
   れている前記見出し語と一致する部分文字列を前
   記引き続き入力された漢字かな混じり文から分離
   する手段を設け、前記分離された文字列以外の残
   された文字列を、前記分割する手段により、該残
   された文字列を構成する単語に分割し、その分割
   結果に基づいて、前記格納する手段により上記所
   定の情報を格納することを特徴とする言語解析方
   式。