JPH0351020B2 - - Google Patents
Info
- Publication number
- JPH0351020B2 JPH0351020B2 JP56138586A JP13858681A JPH0351020B2 JP H0351020 B2 JPH0351020 B2 JP H0351020B2 JP 56138586 A JP56138586 A JP 56138586A JP 13858681 A JP13858681 A JP 13858681A JP H0351020 B2 JPH0351020 B2 JP H0351020B2
- Authority
- JP
- Japan
- Prior art keywords
- speech
- word
- sentence
- node
- phrase
- Prior art date
- Legal status (The legal status 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 status listed.)
- Expired - Lifetime
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/20—Natural language analysis
- G06F40/205—Parsing
- G06F40/211—Syntactic parsing, e.g. based on context-free grammar [CFG] or unification grammars
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/53—Processing of non-Latin text
-
- G—PHYSICS
- G06—COMPUTING OR CALCULATING; COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F40/00—Handling natural language data
- G06F40/40—Processing or translation of natural language
- G06F40/55—Rule-based translation
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Computational Linguistics (AREA)
- General Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Machine Translation (AREA)
Description
本発明の自然言語間の自動翻訳方式に係り、特
に、英語で表わされた文章を日本語の文章に自動
的に翻訳する方式に関する。 本発明の方式は、英語−日本語間の翻訳のみな
らず、任意の異なる自然言語間の翻訳に適用する
ことができると共に、表記法の異なる同系列言語
間の翻訳（変換）方式、例えばカナ文字で記載さ
れた文章を漢字混じりの文章に変換する場合にも
適用できる。以下の説明では便宜上、入力言語が
英語、出力言語が日本語の場合について述べる
が、本発明方式はこれに限定されるものではな
い。 ［従来技術とその問題点］ 一つの自然言語で表わされた文章を他の自然言
語で表わされた文章に自動的に翻訳する方式とし
て、従来、電気通信学会雑誌第46巻，第11号の第
1730頁〜第1739頁に記載されている方式が知られ
ている。 この従来方式を簡単に説明する。まず英文テキ
ストが入力されると、辞書検索を行い、単語の並
びからなる文章を品詞列に変換する。しかしなが
ら多くの場合、品詞が一義的に定まらないことが
ある。例えば“study”という単語は動詞をとる
場合と名詞をとる場合がある。このような場合に
はまず一義的に品詞が確定できる単語を選び、確
定した品詞の単語を基準にして、その前後の関係
より他の単語の品詞を決定する。最後まで品詞が
定まらない単語についてはとり得る品詞の候補を
登録しておき、とりあえず一つの品詞を仮に決定
する。次に句及び節に相当する品詞列パターンを
予め登録しておき、このパターンと一致する品詞
列を探す。一致するものがあればその句又は節は
１個の品詞記号により置き換えられる。 例えば第１Ａ図に示すように…ａ pulse of
known rate of riseという文があつた場合、ａ
pulse，known rate，がそれぞれ名詞句（NP）
として判定される。さらに、of＋riseが名詞句、
of＋known rate＋of＋riseが形容詞句（AP）、
known rate＋of＋riseが形容詞句というように
置き換えられる。こうして一つの文が簡単な品詞
列にパターン変換される。この変換された品詞列
のパターンが予め登録された文を表わす標準の品
詞列パターンと比較される。両パターンが一致す
る場合には翻訳可能と判断され、予め定められた
規則に従つて単語の語順変換が行われる。 変換された品詞列パターンが登録された標準パ
ターンと一致しない場合には、単語の品詞の決め
方が不適切と判断し、不確定な単語の品詞を登録
された別の品詞に置き換え、上記と同じ処理が繰
り返して行われる。すなわち、単語が多品詞をも
つ場合に、一つの品詞を決定するために一種のフ
イードバツク・ループが用いられる。 最後に語順変換された単語列に訳語が付与され
英文を翻訳した和文が出力される。 しかしながら、上記のような従来の自動翻訳方
式には下記のような種々の問題点がある。 第１の問題点は多品詞語の決定が極めて複雑に
なり、翻訳の成功率が低くなりがちということで
ある。前述のように従来方式では一つの単語が多
品詞をもつ場合には、一つの品詞を仮にあてはめ
て、パターン辞書による構文解析を行い、うまく
いかなかつた場合には、又もとに戻つて別の品詞
をあてはめてみるという処理を繰り返す。しかし
ながら、多数の品詞をもつ単語は現実に数多くあ
り、しかも文章が複雑になると、一つの文につい
ての可能な品詞列の種類は莫大な数に達する。こ
れらの品詞列について何回も同じ処理をくり返す
ことは、翻訳速度の低下を招くことはもちろんの
こと、間違つた品詞を暫定的に定めた場合でも、
単語の品詞列がたまたま辞書に登録されたパター
ンと一致し、間違つた翻訳処理が行われてしまう
こともある。 従つて文章が複雑になる程、これを正しく翻訳
できる率、つまり成功率が低下する。 第２の問題点は、仮に単語の品詞が正しく決定
されたとしても、句、節を切り出して１つの品詞
に置き換える処理を行う際、文頭又は文末から順
番に句を切出しており、句、節の係り先、修飾の
対象となる単語の関係、つまり依存・修飾関係を
分析せずに行つているために間違つた翻訳をしや
すいということである。例えば第１Ｂ図に示すよ
うな…take ａ bus in ａ cityという文があつ
た場合、第１Ａ図と同様に構文分析を行うと、
“ａ bus in ａ city”が１つの名詞句と認識さ
れ、この結果、訳語は“街の中のバスに乗る”と
なつてしまう。これは“in ａ city”がtakeに
かかる副詞句であるにもかかわらず、文末から順
番に句を切出していくと形容詞句として認識され
“ａ bus”を修飾すると判定されたために生じ
た誤訳である。このように文頭又は文末から順に
句を切出していく方法をとると句品詞が一義的に
定まらない場合が生ずる。また文章が階層的構造
をもつ場合がある。文章が階層的構造をもつ場
合、つまり、修飾をする相手先が複雑に入り組ん
だ文章の場合にはこれを正確に翻訳することがで
きなくなる。 第３の問題点は、従来方式では翻訳すべき文型
の増補を行うためには処理装置のプログラム全体
を手直しする必要があり、従つて一旦システムが
できあがつてしまうと文型の増補が極めて困難に
なることである。すなわち、従来方式において
は、多品詞をもつ単語の品詞を決定するために、
フイードバツクループを用いており、このループ
の中にパターン辞書による構文分析の処理が含ま
れている。従つてパターン辞書の登録パターンを
追加したり修正する場合には、フイードバツクル
ープ全体の動作に矛盾を生じないように処理アル
ゴリズムを手直ししなければならない。通常、自
動翻訳における成功率は上記の構文分析用の登録
パターンをいかに構築するかに依存するところ大
であり、従つて試行錯誤的にこの登録パターンの
増加、変更を要するが、その都度処理アルゴリズ
ム全体の手直しをするのは実際上大きな負担にな
る。 ［発明の目的］ 本発明の目的は上述のような従来技術の問題点
を決定して新規な自動翻訳方式を提供することに
ある。 具体的に言うと、自動翻訳の成功率が高く、複
雑な文章を正確に翻訳することができ、しかも文
型パターンの増補が容易な方式を提供することが
本発明の正たる目的である。 ［発明の概要］ 上述の目的を達成するために、本発明方式では
第２図に示す処理過程を経て自然言語間の翻訳が
行われる。 まず英文テキストを読み込み、入力データバツ
フアメモリにセツトする（テキスト入力処理）。
次に辞書を検索してテキスト中の変化形をもつ単
語、例えば時制変化、複数形変化、比較級変化な
どをしている単語を原形に変換する処理を行う
（辞書検索）。更に、テキスト中のすべての単語及
び連語（イデオム等）の列を、それらに対応する
品詞列に変換する（品詞認識）。次に品詞列の形
に変換された文を、複数個の名詞の連なり、助動
詞＋動詞、冠詞＋名詞、前置詞＋名詞、形容詞＋
名詞等の言語的意味をもつ最小単位、つまり句要
素に分割する（句構造認識）。そして上記の各句
要素に対して、改めて名詞句、形容詞句、副詞
句、動詞句、前置詞句などの句品詞を与える。こ
の後、後述の辞書再検索が行われる。次に句品詞
列を、主語、中心動詞、直接目的語、補語、動詞
修飾語等の構文的役割子列に変換する。更に構文
的役割子列の中から文パターン、節パターン、及
び意味的に閉じた主語、述語関係を有する構文単
位（準節パターン）を見出す（英文型パターン認
識）。 更に、前置詞句、副詞句等の句要素の係り先、
つまりどの名詞句あるいは動詞句を修飾している
かの依存関係を決定する（以存・修飾関係認識）。 次に上記のようにして認識された英文型パター
ンを、そのパターン毎に予め定められた変換規則
を参照して、日本語の骨格パターンに変換する
（文型変換）。最後に予め用意された単語、連語の
辞書を検索することにより出力言語である日本語
の文を生成する（和文生成）。 本発明方式の特徴の第１は、単語及び連語の列
を品詞列に変換する品詞列認識の処理が、句構造
認識などの構文分析の前段階において完了し、従
来方式のようなフイードバツクループをもたない
ことである。換言すれば品詞列認識の処理ステツ
プではすべての単語・連語の品詞をこの段階で確
定してしまい、句構造認識等の処理結果をみて、
再び品詞認識に処理が戻るようなフイードバツク
ループを有しない。従つて各処理ステツプにおけ
る処理結果が他の処理ステツプに影響を与えない
ため句構造等の認識のための登録パターンの増補
が極めて容易になる。 特徴の第２は、多品詞をもつ単語の品詞を決定
するのに、後述のような品詞認識用パターンを予
め定め、これを参照しながら決定するように構成
されている点である。この品詞認識用パターンを
用いることによつて、各単語の品詞の確定が迅速
正確に行われ、結果的に翻訳の成功率が向上する
ことになる。 本発明方式の第３の特徴は、品詞列パターンか
ら句、節を切り出して構文分析を行う際、従来の
英文法の句、節とは異なる句要素の概念を導入し
たことである。更に句要素の単位で切出し、新た
に句品詞列を形成した後、これを構文的役割子列
に変換することも特徴の１つである。このように
句要素、構文的役割子の考え方を導入することに
よつて、複雑な文章も正確に翻訳することが可能
となる。 第４の特徴は、句、節などがどの語を修飾する
のかを認識する修飾・依存関係認識の処理ステツ
プを含んでいることである。この処理を行うこと
によつて第１Ｂ図のように修飾の相手先が入り組
んでいる文章も正確に翻訳することが可能にな
る。 本発明の上記特徴及びこの他の特徴は、以下説
明する実施例を参照することによつて、いつそう
明確になろう。 ［実施例］ 第３図は本発明方式の全体構成を示す。同図か
ら明らかなように本発明方式は、入力装置１０
０、翻訳処理装置２００、辞書用メモリ３００、
作業用メモリ４００及び出力装置５００より構成
される。 入力装置１００は英文テキストを入力するため
のもので、通常、キーボードが用いられる。もち
ろん、この他の方法により英文テキストを入力す
ることも可能である。例えば磁気テープ、磁気デ
イスク等に予め英文テキストを記録しておき、公
知の磁気記憶制御回路を通して処理装置２００に
入力してもよい。また、フアクシミリ等の通信機
器を通して送られてくる英文テキストを、公知の
通信回線制御回路を通して処理装置２００に入力
することもできる。 辞書用メモリ３００は単語、連語（２以上の単
語よりなるイデオム等の語）等の辞書や、翻訳処
理のために用いられる規則を定義したテーブルを
予め格納しておくためのものである。具体的にい
うと、このメモリ３００には、単語辞書３０１、
連語辞書３０２、品詞認識用パターン３０３、句
要素切出用パターン３０４、文型認識用パターン
３０５、依存・修飾関係認識用パターン３０６、
文型変換用パターン３０７、和文生成用パターン
３０８が格納されている。 単語辞書３０１のメモリエリアの内部構造を第
４Ａ図及び第４Ｂ図に示す。１番地からＮ番地の
それぞれのブロツクには単語情報レコードが記憶
されている。単語情報レコードは単語の見出し語
と、その単語の属性を示す単語情報とを含む。単
語情報としては、その単語をもとにしてつくられ
る連語（イデオム等も含む）の個数、連語の先頭
番地、その単語がとり得る品詞の個数、品詞名、
品詞の細分類、各品詞における単語の属性，その
単語が多義の意味をもつ場合にはその個数、それ
ぞれの訳語、各訳語の語尾活用、各訳語の付属機
能語等が含まれる。 第４Ｂ図には“STUDY”という英語に相当す
る単語情報が例示されている。この単語をもとに
してつくられる連語としてはMAKE Ａ
STUDY OF，UNDER STUDY，CASE
STUDY，など(6)個登録されている。これらの連
語のうち先頭に登録されている連語の番地が
（76）である（第５Ｂ図参照）。またSTUDYは動
詞（Ｖ）と名詞（Ｎ）の両方をとり得るので多品
詞個数(2)、品詞名１として（Ｖ）、品詞名２とし
て（Ｎ）が登録される。なお品詞の細分類の欄に
は、例えば動詞の場合、自動詞と他動詞の区別、
また自動詞でもその後に補語をとる自動詞（例え
ばget，look，make等）とその後に前置詞をと
る自動詞（例えばsend，advertise等）との区別
等、品詞に関する更に細かい情報が書き込まれ
る。 更にSTUDYが動詞して用いられる場合、その
意味が“勉強する”と解釈される場合と、“研究
する”と解釈される場合とがあるので、多義語個
数の欄には(2)、訳語１の欄には“勉強する”、訳
語２の欄には、“研究する”と登録される。また
訳語１及び２共に“勉強”及び“研究”の後の
“する”が、状況に応じてサ行変格活用して用い
られるので、語尾活用１及び２の欄にその旨登録
される。更に付属機能語（て，に，を，は）とし
ては、“STUDY”が目的語（OBJ）をとる場合
には（OBJ）の後に“を”が入るので、その情
報が訳語１及び２に対応する付属機能語１及び２
の欄に登録される。 第４Ｂ図では図示していないが第２品詞名
（Ｎ）についても上述と同様の情報が登録される。 連語辞書３０２（第３図）のメモリエリアの内
部構造を第５Ａ図及び第５Ｂ図及び第５Ｃ図に示
す。 連語情報レコードは、連語の見出し語と、その
連語の属性等を示す連語情報を含む。連語情報に
は、その連語のとり得る品詞の個数、その品詞
名，品詞細分類、その品詞における連語の属性、
連語が多義に解釈される場合その個数、各訳語、
各訳語における語尾活用、付属機能語等が含まれ
る。 第５Ｂ図には“MAKE Ａ STUDY OF”と
いう固定連語に関する連語情報が例示されてい
る。この連語は、“研究をする”という動詞句を
形成するもので、品詞の個数は(1)、品詞名は
（Ｖ）と登録される。 更に、この連語の多義性の個数の欄には(1)、訳
語１の欄には“研究をする”が登録される。語尾
活用１の欄には訳語１の“研究をする”の“す
る”がサ行変格活用して用いられる旨の情報が登
録される。付属機能語１の欄には、上記連語が目
的語（OBJ）をとる場合に“（OBJ）の研究をす
る”の訳語となり、“の”の付属機能語が必要に
なる旨の情報が登録される。 第５Ｃ図は可変連語辞書の内部構成を示すもの
で、その詳細については後述する。 第６Ａ図は辞書メモリ３００の中の品詞認識用
パターンエリア３０３に格納されるパターンの一
例を示す。この品詞認識用パターンは単語又は連
語の並びからなる文を、それぞれの単語又は連語
の品詞の並びへと変形する場合に用いられる。連
語又は連語が複数の品詞を文法的にとり得る場
合、品詞の並びの前後関係から、最もふさわしい
一つの品詞を最終的に選び出す。この場合、予
め、文法的にとり得ない品詞列のパターン、つま
り禁制品詞列パターンを登録しておき、このパタ
ーンを用いて多数の品詞から一つの品詞を選択す
る。第６Ａ図には７個の禁制品詞列パターン及び
禁制解除条件が示されているに過ぎないが、実際
にはこのパターンが数十個以上用意される。また
入力される文の特性を考慮してパターンの変更、
増加、簡略化などを行つてもよい。 第６Ａ図において禁制品詞列パターンの＊は、
品詞を判定すべき単語の位置を表わす。又、F1，
F2は＊のそれぞれ１つ前、２つ前の単語の品詞
を表わし、B1，B2は＊のそれぞれ１つ後、２つ
後の単語の品詞を表わす。 項番１の＊位置の「−Ｖ」の記号は、「動詞
（Ｖ）以外の品詞」という意味である。従つて項
番１の品詞列パターンは、「toの後に動詞（Ｖ）
の可能性のある単語が並んだ場合、動詞（Ｖ）と
して判定し、他の品詞の可能性はなしとしてよ
い」という意味である。 禁制解除条件は禁制品詞列パターンの禁制が解
除されること、換言すれば品詞列パターンの品詞
の並びが許容されることを示す。例えば、項番２
は“形容詞（ADJ）＋動詞（Ｖ）”という品詞の
並びは通常は禁止されるが、F2として冠詞
（ART）や、be動詞（BE）がきた場合にはその
ような品詞の並びも許容されることを示してい
る。換言すれば、“冠詞（ART）ではなく、かつ
be動詞（BE）でないもの＋形容詞（ADJ）＋＊”
という品詞の並びがあるとき、＊の位置が動詞
（Ｖ）の可能性はないと判断して良いという意味
である。 項番３は、“F1（動詞（Ｖ））＋＊”という品詞
の並びが出てきた場合、F1が−ingのついた動詞
（ING）のとき、＊がbe動詞（BE）のとき、或
いはF1がhelpという単語であるときを除いて、＊
の位置は動詞をとり得ないと判断して良いことを
表現している。 項番４は“代名詞複数（PRNM）＋＊”という
品詞の並びが出てきたとき＊の位置は（動詞＋
ｓ）の形はとり得ないと判断して良いことを示
す。同様に項番５は“名詞複数（NM）＋＊”とい
う品詞の並びが出てきたとき、＊の位置は（動詞
＋ｓ）の形はとり得ないと判断して良いことを意
味する。更に項番６は、“場所の固有名詞（N1）
＋＊”という品詞の並びがあつたとき、＊の位置
は動詞現在（VP）の形はとり得ないと判断して
良いことを示している。 この他のパターンについては説明を省略するが
要するに上記のような禁制品詞列パターンがテー
ブルとして前記メモリエリア３０３（第３図）に
格納されているのである。 第７Ａ図は辞書メモリ３００の中の句要素切出
用パターンエリア３０４に格納されるパターン例
を示す。この句要素切出用パターンは、単語及び
連語に付与された品詞の並びからなる品詞列から
句要素を切出し、この句要素に新たに品詞を付与
することにより句要素品詞列を生成する際に用い
られる。ここで句要素とは第７Ａ図に示す品詞の
並びをもつ単語の並びを称し、通常の英文法で定
義される句の概念とは異なる。なお第７Ａ図は句
要素の一部を示したに過ぎず、実際には多数用意
される。 第７Ａ図において、“−−−”なる記号は、そ
れをはさむ品詞が１個以上有限個出現したとき、
その全体を切り出すことを意味する。項番１は
“副詞（ADV）１個”または“副詞（ADV）＋…
＋動詞（ADV）”という品詞列があつた場合、こ
の列全体を句要素として切り出し、新たに句要素
品詞として副詞が付与されることを示している。
項番２は、“前置詞（PREP）＋名詞（Ｎ）”ある
いは“前置詞（PREP）＋名詞（Ｎ）＋…＋名詞
（Ｎ）”という名詞列には前置詞句（PRENAL）
の句要素品詞が付与されることを示す。項番３
は、助動詞（AUX）＋動詞（Ｖ）”または、“助動
詞（AUX）＋…＋助動詞（AUX）＋動詞（Ｖ）”
という品詞列があつた場合、この列全体を句要素
として切り出し、新たに句要素品詞として動詞
（Ｖ）が付与されることを示す。項番４，５，６
についても同様である。 辞書メモリ３００の文型認識用パターンメモリ
エリア３０５には、４つのテーブルが格納されて
いる。すなわち動詞パターンテーブル、接続詞パ
ターンテーブル、節パターンテーブル、文パター
ンテーブルである。 第８Ａ図は動詞パターンテーブルの一例を示
し、動詞のタイプ番号を手がかりとして動詞をも
つノードの前後のノードの構文的役割子を決定す
るために用いられる。ここでノードとは、後述す
るように、品詞列や各句要素列の各要素を表わす
概念的な単位であり、品詞やカテゴリー、構文的
役割子等の各種情報を含む。動詞のタイプ番号は
単語辞書および連語辞書を検索することにより得
られる。動詞のタイプ番号と動詞の例、動詞が前
後の名詞相当句を支配するパターンを表１(A)に示
す。 第８Ｂ図は接続詞パターンテーブルの一例を示
し、接続詞を有するノードの前後のノードの構文
的役割子列パターンから接続詞のノードの構文的
役割子を決定するめに用いられる。
に、英語で表わされた文章を日本語の文章に自動
的に翻訳する方式に関する。 本発明の方式は、英語−日本語間の翻訳のみな
らず、任意の異なる自然言語間の翻訳に適用する
ことができると共に、表記法の異なる同系列言語
間の翻訳（変換）方式、例えばカナ文字で記載さ
れた文章を漢字混じりの文章に変換する場合にも
適用できる。以下の説明では便宜上、入力言語が
英語、出力言語が日本語の場合について述べる
が、本発明方式はこれに限定されるものではな
い。 ［従来技術とその問題点］ 一つの自然言語で表わされた文章を他の自然言
語で表わされた文章に自動的に翻訳する方式とし
て、従来、電気通信学会雑誌第46巻，第11号の第
1730頁〜第1739頁に記載されている方式が知られ
ている。 この従来方式を簡単に説明する。まず英文テキ
ストが入力されると、辞書検索を行い、単語の並
びからなる文章を品詞列に変換する。しかしなが
ら多くの場合、品詞が一義的に定まらないことが
ある。例えば“study”という単語は動詞をとる
場合と名詞をとる場合がある。このような場合に
はまず一義的に品詞が確定できる単語を選び、確
定した品詞の単語を基準にして、その前後の関係
より他の単語の品詞を決定する。最後まで品詞が
定まらない単語についてはとり得る品詞の候補を
登録しておき、とりあえず一つの品詞を仮に決定
する。次に句及び節に相当する品詞列パターンを
予め登録しておき、このパターンと一致する品詞
列を探す。一致するものがあればその句又は節は
１個の品詞記号により置き換えられる。 例えば第１Ａ図に示すように…ａ pulse of
known rate of riseという文があつた場合、ａ
pulse，known rate，がそれぞれ名詞句（NP）
として判定される。さらに、of＋riseが名詞句、
of＋known rate＋of＋riseが形容詞句（AP）、
known rate＋of＋riseが形容詞句というように
置き換えられる。こうして一つの文が簡単な品詞
列にパターン変換される。この変換された品詞列
のパターンが予め登録された文を表わす標準の品
詞列パターンと比較される。両パターンが一致す
る場合には翻訳可能と判断され、予め定められた
規則に従つて単語の語順変換が行われる。 変換された品詞列パターンが登録された標準パ
ターンと一致しない場合には、単語の品詞の決め
方が不適切と判断し、不確定な単語の品詞を登録
された別の品詞に置き換え、上記と同じ処理が繰
り返して行われる。すなわち、単語が多品詞をも
つ場合に、一つの品詞を決定するために一種のフ
イードバツク・ループが用いられる。 最後に語順変換された単語列に訳語が付与され
英文を翻訳した和文が出力される。 しかしながら、上記のような従来の自動翻訳方
式には下記のような種々の問題点がある。 第１の問題点は多品詞語の決定が極めて複雑に
なり、翻訳の成功率が低くなりがちということで
ある。前述のように従来方式では一つの単語が多
品詞をもつ場合には、一つの品詞を仮にあてはめ
て、パターン辞書による構文解析を行い、うまく
いかなかつた場合には、又もとに戻つて別の品詞
をあてはめてみるという処理を繰り返す。しかし
ながら、多数の品詞をもつ単語は現実に数多くあ
り、しかも文章が複雑になると、一つの文につい
ての可能な品詞列の種類は莫大な数に達する。こ
れらの品詞列について何回も同じ処理をくり返す
ことは、翻訳速度の低下を招くことはもちろんの
こと、間違つた品詞を暫定的に定めた場合でも、
単語の品詞列がたまたま辞書に登録されたパター
ンと一致し、間違つた翻訳処理が行われてしまう
こともある。 従つて文章が複雑になる程、これを正しく翻訳
できる率、つまり成功率が低下する。 第２の問題点は、仮に単語の品詞が正しく決定
されたとしても、句、節を切り出して１つの品詞
に置き換える処理を行う際、文頭又は文末から順
番に句を切出しており、句、節の係り先、修飾の
対象となる単語の関係、つまり依存・修飾関係を
分析せずに行つているために間違つた翻訳をしや
すいということである。例えば第１Ｂ図に示すよ
うな…take ａ bus in ａ cityという文があつ
た場合、第１Ａ図と同様に構文分析を行うと、
“ａ bus in ａ city”が１つの名詞句と認識さ
れ、この結果、訳語は“街の中のバスに乗る”と
なつてしまう。これは“in ａ city”がtakeに
かかる副詞句であるにもかかわらず、文末から順
番に句を切出していくと形容詞句として認識され
“ａ bus”を修飾すると判定されたために生じ
た誤訳である。このように文頭又は文末から順に
句を切出していく方法をとると句品詞が一義的に
定まらない場合が生ずる。また文章が階層的構造
をもつ場合がある。文章が階層的構造をもつ場
合、つまり、修飾をする相手先が複雑に入り組ん
だ文章の場合にはこれを正確に翻訳することがで
きなくなる。 第３の問題点は、従来方式では翻訳すべき文型
の増補を行うためには処理装置のプログラム全体
を手直しする必要があり、従つて一旦システムが
できあがつてしまうと文型の増補が極めて困難に
なることである。すなわち、従来方式において
は、多品詞をもつ単語の品詞を決定するために、
フイードバツクループを用いており、このループ
の中にパターン辞書による構文分析の処理が含ま
れている。従つてパターン辞書の登録パターンを
追加したり修正する場合には、フイードバツクル
ープ全体の動作に矛盾を生じないように処理アル
ゴリズムを手直ししなければならない。通常、自
動翻訳における成功率は上記の構文分析用の登録
パターンをいかに構築するかに依存するところ大
であり、従つて試行錯誤的にこの登録パターンの
増加、変更を要するが、その都度処理アルゴリズ
ム全体の手直しをするのは実際上大きな負担にな
る。 ［発明の目的］ 本発明の目的は上述のような従来技術の問題点
を決定して新規な自動翻訳方式を提供することに
ある。 具体的に言うと、自動翻訳の成功率が高く、複
雑な文章を正確に翻訳することができ、しかも文
型パターンの増補が容易な方式を提供することが
本発明の正たる目的である。 ［発明の概要］ 上述の目的を達成するために、本発明方式では
第２図に示す処理過程を経て自然言語間の翻訳が
行われる。 まず英文テキストを読み込み、入力データバツ
フアメモリにセツトする（テキスト入力処理）。
次に辞書を検索してテキスト中の変化形をもつ単
語、例えば時制変化、複数形変化、比較級変化な
どをしている単語を原形に変換する処理を行う
（辞書検索）。更に、テキスト中のすべての単語及
び連語（イデオム等）の列を、それらに対応する
品詞列に変換する（品詞認識）。次に品詞列の形
に変換された文を、複数個の名詞の連なり、助動
詞＋動詞、冠詞＋名詞、前置詞＋名詞、形容詞＋
名詞等の言語的意味をもつ最小単位、つまり句要
素に分割する（句構造認識）。そして上記の各句
要素に対して、改めて名詞句、形容詞句、副詞
句、動詞句、前置詞句などの句品詞を与える。こ
の後、後述の辞書再検索が行われる。次に句品詞
列を、主語、中心動詞、直接目的語、補語、動詞
修飾語等の構文的役割子列に変換する。更に構文
的役割子列の中から文パターン、節パターン、及
び意味的に閉じた主語、述語関係を有する構文単
位（準節パターン）を見出す（英文型パターン認
識）。 更に、前置詞句、副詞句等の句要素の係り先、
つまりどの名詞句あるいは動詞句を修飾している
かの依存関係を決定する（以存・修飾関係認識）。 次に上記のようにして認識された英文型パター
ンを、そのパターン毎に予め定められた変換規則
を参照して、日本語の骨格パターンに変換する
（文型変換）。最後に予め用意された単語、連語の
辞書を検索することにより出力言語である日本語
の文を生成する（和文生成）。 本発明方式の特徴の第１は、単語及び連語の列
を品詞列に変換する品詞列認識の処理が、句構造
認識などの構文分析の前段階において完了し、従
来方式のようなフイードバツクループをもたない
ことである。換言すれば品詞列認識の処理ステツ
プではすべての単語・連語の品詞をこの段階で確
定してしまい、句構造認識等の処理結果をみて、
再び品詞認識に処理が戻るようなフイードバツク
ループを有しない。従つて各処理ステツプにおけ
る処理結果が他の処理ステツプに影響を与えない
ため句構造等の認識のための登録パターンの増補
が極めて容易になる。 特徴の第２は、多品詞をもつ単語の品詞を決定
するのに、後述のような品詞認識用パターンを予
め定め、これを参照しながら決定するように構成
されている点である。この品詞認識用パターンを
用いることによつて、各単語の品詞の確定が迅速
正確に行われ、結果的に翻訳の成功率が向上する
ことになる。 本発明方式の第３の特徴は、品詞列パターンか
ら句、節を切り出して構文分析を行う際、従来の
英文法の句、節とは異なる句要素の概念を導入し
たことである。更に句要素の単位で切出し、新た
に句品詞列を形成した後、これを構文的役割子列
に変換することも特徴の１つである。このように
句要素、構文的役割子の考え方を導入することに
よつて、複雑な文章も正確に翻訳することが可能
となる。 第４の特徴は、句、節などがどの語を修飾する
のかを認識する修飾・依存関係認識の処理ステツ
プを含んでいることである。この処理を行うこと
によつて第１Ｂ図のように修飾の相手先が入り組
んでいる文章も正確に翻訳することが可能にな
る。 本発明の上記特徴及びこの他の特徴は、以下説
明する実施例を参照することによつて、いつそう
明確になろう。 ［実施例］ 第３図は本発明方式の全体構成を示す。同図か
ら明らかなように本発明方式は、入力装置１０
０、翻訳処理装置２００、辞書用メモリ３００、
作業用メモリ４００及び出力装置５００より構成
される。 入力装置１００は英文テキストを入力するため
のもので、通常、キーボードが用いられる。もち
ろん、この他の方法により英文テキストを入力す
ることも可能である。例えば磁気テープ、磁気デ
イスク等に予め英文テキストを記録しておき、公
知の磁気記憶制御回路を通して処理装置２００に
入力してもよい。また、フアクシミリ等の通信機
器を通して送られてくる英文テキストを、公知の
通信回線制御回路を通して処理装置２００に入力
することもできる。 辞書用メモリ３００は単語、連語（２以上の単
語よりなるイデオム等の語）等の辞書や、翻訳処
理のために用いられる規則を定義したテーブルを
予め格納しておくためのものである。具体的にい
うと、このメモリ３００には、単語辞書３０１、
連語辞書３０２、品詞認識用パターン３０３、句
要素切出用パターン３０４、文型認識用パターン
３０５、依存・修飾関係認識用パターン３０６、
文型変換用パターン３０７、和文生成用パターン
３０８が格納されている。 単語辞書３０１のメモリエリアの内部構造を第
４Ａ図及び第４Ｂ図に示す。１番地からＮ番地の
それぞれのブロツクには単語情報レコードが記憶
されている。単語情報レコードは単語の見出し語
と、その単語の属性を示す単語情報とを含む。単
語情報としては、その単語をもとにしてつくられ
る連語（イデオム等も含む）の個数、連語の先頭
番地、その単語がとり得る品詞の個数、品詞名、
品詞の細分類、各品詞における単語の属性，その
単語が多義の意味をもつ場合にはその個数、それ
ぞれの訳語、各訳語の語尾活用、各訳語の付属機
能語等が含まれる。 第４Ｂ図には“STUDY”という英語に相当す
る単語情報が例示されている。この単語をもとに
してつくられる連語としてはMAKE Ａ
STUDY OF，UNDER STUDY，CASE
STUDY，など(6)個登録されている。これらの連
語のうち先頭に登録されている連語の番地が
（76）である（第５Ｂ図参照）。またSTUDYは動
詞（Ｖ）と名詞（Ｎ）の両方をとり得るので多品
詞個数(2)、品詞名１として（Ｖ）、品詞名２とし
て（Ｎ）が登録される。なお品詞の細分類の欄に
は、例えば動詞の場合、自動詞と他動詞の区別、
また自動詞でもその後に補語をとる自動詞（例え
ばget，look，make等）とその後に前置詞をと
る自動詞（例えばsend，advertise等）との区別
等、品詞に関する更に細かい情報が書き込まれ
る。 更にSTUDYが動詞して用いられる場合、その
意味が“勉強する”と解釈される場合と、“研究
する”と解釈される場合とがあるので、多義語個
数の欄には(2)、訳語１の欄には“勉強する”、訳
語２の欄には、“研究する”と登録される。また
訳語１及び２共に“勉強”及び“研究”の後の
“する”が、状況に応じてサ行変格活用して用い
られるので、語尾活用１及び２の欄にその旨登録
される。更に付属機能語（て，に，を，は）とし
ては、“STUDY”が目的語（OBJ）をとる場合
には（OBJ）の後に“を”が入るので、その情
報が訳語１及び２に対応する付属機能語１及び２
の欄に登録される。 第４Ｂ図では図示していないが第２品詞名
（Ｎ）についても上述と同様の情報が登録される。 連語辞書３０２（第３図）のメモリエリアの内
部構造を第５Ａ図及び第５Ｂ図及び第５Ｃ図に示
す。 連語情報レコードは、連語の見出し語と、その
連語の属性等を示す連語情報を含む。連語情報に
は、その連語のとり得る品詞の個数、その品詞
名，品詞細分類、その品詞における連語の属性、
連語が多義に解釈される場合その個数、各訳語、
各訳語における語尾活用、付属機能語等が含まれ
る。 第５Ｂ図には“MAKE Ａ STUDY OF”と
いう固定連語に関する連語情報が例示されてい
る。この連語は、“研究をする”という動詞句を
形成するもので、品詞の個数は(1)、品詞名は
（Ｖ）と登録される。 更に、この連語の多義性の個数の欄には(1)、訳
語１の欄には“研究をする”が登録される。語尾
活用１の欄には訳語１の“研究をする”の“す
る”がサ行変格活用して用いられる旨の情報が登
録される。付属機能語１の欄には、上記連語が目
的語（OBJ）をとる場合に“（OBJ）の研究をす
る”の訳語となり、“の”の付属機能語が必要に
なる旨の情報が登録される。 第５Ｃ図は可変連語辞書の内部構成を示すもの
で、その詳細については後述する。 第６Ａ図は辞書メモリ３００の中の品詞認識用
パターンエリア３０３に格納されるパターンの一
例を示す。この品詞認識用パターンは単語又は連
語の並びからなる文を、それぞれの単語又は連語
の品詞の並びへと変形する場合に用いられる。連
語又は連語が複数の品詞を文法的にとり得る場
合、品詞の並びの前後関係から、最もふさわしい
一つの品詞を最終的に選び出す。この場合、予
め、文法的にとり得ない品詞列のパターン、つま
り禁制品詞列パターンを登録しておき、このパタ
ーンを用いて多数の品詞から一つの品詞を選択す
る。第６Ａ図には７個の禁制品詞列パターン及び
禁制解除条件が示されているに過ぎないが、実際
にはこのパターンが数十個以上用意される。また
入力される文の特性を考慮してパターンの変更、
増加、簡略化などを行つてもよい。 第６Ａ図において禁制品詞列パターンの＊は、
品詞を判定すべき単語の位置を表わす。又、F1，
F2は＊のそれぞれ１つ前、２つ前の単語の品詞
を表わし、B1，B2は＊のそれぞれ１つ後、２つ
後の単語の品詞を表わす。 項番１の＊位置の「−Ｖ」の記号は、「動詞
（Ｖ）以外の品詞」という意味である。従つて項
番１の品詞列パターンは、「toの後に動詞（Ｖ）
の可能性のある単語が並んだ場合、動詞（Ｖ）と
して判定し、他の品詞の可能性はなしとしてよ
い」という意味である。 禁制解除条件は禁制品詞列パターンの禁制が解
除されること、換言すれば品詞列パターンの品詞
の並びが許容されることを示す。例えば、項番２
は“形容詞（ADJ）＋動詞（Ｖ）”という品詞の
並びは通常は禁止されるが、F2として冠詞
（ART）や、be動詞（BE）がきた場合にはその
ような品詞の並びも許容されることを示してい
る。換言すれば、“冠詞（ART）ではなく、かつ
be動詞（BE）でないもの＋形容詞（ADJ）＋＊”
という品詞の並びがあるとき、＊の位置が動詞
（Ｖ）の可能性はないと判断して良いという意味
である。 項番３は、“F1（動詞（Ｖ））＋＊”という品詞
の並びが出てきた場合、F1が−ingのついた動詞
（ING）のとき、＊がbe動詞（BE）のとき、或
いはF1がhelpという単語であるときを除いて、＊
の位置は動詞をとり得ないと判断して良いことを
表現している。 項番４は“代名詞複数（PRNM）＋＊”という
品詞の並びが出てきたとき＊の位置は（動詞＋
ｓ）の形はとり得ないと判断して良いことを示
す。同様に項番５は“名詞複数（NM）＋＊”とい
う品詞の並びが出てきたとき、＊の位置は（動詞
＋ｓ）の形はとり得ないと判断して良いことを意
味する。更に項番６は、“場所の固有名詞（N1）
＋＊”という品詞の並びがあつたとき、＊の位置
は動詞現在（VP）の形はとり得ないと判断して
良いことを示している。 この他のパターンについては説明を省略するが
要するに上記のような禁制品詞列パターンがテー
ブルとして前記メモリエリア３０３（第３図）に
格納されているのである。 第７Ａ図は辞書メモリ３００の中の句要素切出
用パターンエリア３０４に格納されるパターン例
を示す。この句要素切出用パターンは、単語及び
連語に付与された品詞の並びからなる品詞列から
句要素を切出し、この句要素に新たに品詞を付与
することにより句要素品詞列を生成する際に用い
られる。ここで句要素とは第７Ａ図に示す品詞の
並びをもつ単語の並びを称し、通常の英文法で定
義される句の概念とは異なる。なお第７Ａ図は句
要素の一部を示したに過ぎず、実際には多数用意
される。 第７Ａ図において、“−−−”なる記号は、そ
れをはさむ品詞が１個以上有限個出現したとき、
その全体を切り出すことを意味する。項番１は
“副詞（ADV）１個”または“副詞（ADV）＋…
＋動詞（ADV）”という品詞列があつた場合、こ
の列全体を句要素として切り出し、新たに句要素
品詞として副詞が付与されることを示している。
項番２は、“前置詞（PREP）＋名詞（Ｎ）”ある
いは“前置詞（PREP）＋名詞（Ｎ）＋…＋名詞
（Ｎ）”という名詞列には前置詞句（PRENAL）
の句要素品詞が付与されることを示す。項番３
は、助動詞（AUX）＋動詞（Ｖ）”または、“助動
詞（AUX）＋…＋助動詞（AUX）＋動詞（Ｖ）”
という品詞列があつた場合、この列全体を句要素
として切り出し、新たに句要素品詞として動詞
（Ｖ）が付与されることを示す。項番４，５，６
についても同様である。 辞書メモリ３００の文型認識用パターンメモリ
エリア３０５には、４つのテーブルが格納されて
いる。すなわち動詞パターンテーブル、接続詞パ
ターンテーブル、節パターンテーブル、文パター
ンテーブルである。 第８Ａ図は動詞パターンテーブルの一例を示
し、動詞のタイプ番号を手がかりとして動詞をも
つノードの前後のノードの構文的役割子を決定す
るために用いられる。ここでノードとは、後述す
るように、品詞列や各句要素列の各要素を表わす
概念的な単位であり、品詞やカテゴリー、構文的
役割子等の各種情報を含む。動詞のタイプ番号は
単語辞書および連語辞書を検索することにより得
られる。動詞のタイプ番号と動詞の例、動詞が前
後の名詞相当句を支配するパターンを表１(A)に示
す。 第８Ｂ図は接続詞パターンテーブルの一例を示
し、接続詞を有するノードの前後のノードの構文
的役割子列パターンから接続詞のノードの構文的
役割子を決定するめに用いられる。
【表】
【表】
第８Ｃ図は節パターンテーブルの一例を示し、
接続詞、句読点等で区切られるノード列の構文的
役割子パターンから節パターンを決定するために
用いられる。 第８Ｄ図は文パターンテーブルの一例を示し、
節パターンの並びから文パターン（骨格パター
ン）を決定するために用いられる。 それぞれのパターンテーブルの詳細については
後述する。特に第８Ｃ図中、第８Ｄ図中に出現す
る記号については、後で第２０Ｂ図等を用いて述
べる。辞書メモリ３００には、この他に形容詞、
副詞の単語、句等がどこにかかるかを決定するた
めの依存・修飾関係認識用パターン３０６、文型
の変換用に用いられるパターン３０７、和文生成
の際に用いられるパターン３０８をそれぞれ格納
するエリアを有する。各パターンについては後で
詳述する。 以上述べたように、辞書メモリ３００には、単
語、連語辞書の他、各種の規則パターンが予め格
納されるが、このメモリ３００への情報の書き込
み及び読出しは、書込み読出し制御回路２０１に
よつて行われる。 一方、作業用メモリ４００は、第２図に示した
各処理の過程で必要になるテーブルを格納するた
めのもので、読出した単語、連語情報を一時的に
格納するバツフアテーブルエリア４０１、入力テ
キストストリームテーブルを格納するエリア４０
２、ワードストリームテーブルを格納するエリア
４０３、ノードストリームテーブルを格納するエ
リア４０４、句要素列を格納するエリア４０５、
英文型ノード列を格納するエリア４０６、和文型
ノード列を格納するエリア４０７、出力テキスト
を格納するエリア４０８を含んでいる。尚各テー
ブルの詳細については後述する。 上記作業用メモリ４００の情報の書込み読出し
は、翻訳処理装置２００からの指令に基づき、書
込み読出し制御回路２０２を介して行われる。 翻訳処理装置２００は、後で詳しく述べるよう
に第２図に示した処理を行うためのプログラムを
格納しており、辞書メモリ３００の情報を適宜用
い、メモリ４００をワーキングエリアとして用い
て、入力の英文テキストを和文に翻訳して出力す
る。 出力装置５００としては和文出力をプリント又
は表示するためのプリンタ又はデイスプレイ装置
等が用いられる。 なお、前述の辞書メモリ３００として例えばデ
イスクメモリ、作業用メモリ４００としてコアメ
モリが用いられる。もちろん本発明方式ではこれ
らのメモリの種類は特定のものに限定されない。
又これらメモリを処理装置と別に設けてもよい
し、処理装置の中に設けても差支えない。 以下本発明方式による処理手順について詳細に
説明する。 (1) テキスト入力処理 テキスト入力処理というのは、入力装置１００
（第３図）より入力した英文テキストを、作業用
メモリ内の入力テキストストリームエリア４０２
に順次セツトする処理をいう。英文テキストの一
例を第９図に示す。キーボード等の入力装置１０
０により英文を入力すると、アルフアベツトに対
応するコード信号に変換された後、上記入力テキ
ストストリームエリア４０２に格納される。 (2) 辞書検索 テキスト入力処理が完了すると、次に、いわゆ
る辞書引きの作業が行われる。辞書引きとは入力
テキストストリームエリア４０２に格納された、
入力テキストの単語の出現の順に、単語辞書３０
１を検索し、該当する単語の単語情報を作業用メ
モリ４００の単語、連語用バツフアメモリエリア
４０１に順次格納する処理をいう。例えば第９図
のテキストの場合、第１０図に示すようにまず
HEを見出し語とする単語情報がメモリエリア４
０１のWB(1)番地に格納される。次にWROTEは
不規則変化動詞であるので予め単語辞書３０１に
登録されており、その単語情報には“WRITB”
へのポインタ（WRITEへの先頭番地）と不規則
変化情報（wroteはwriteの過去形）が格納され
ている。従つてWROTEの単語を辞書引きする
とWRITEを見出し語とする単語情報が読出さ
れ、この単語情報に不規則変化情報を付加した後
メモリエリア４０１のWB(2)番地に格納される。
以後、順にENGLISH，VERY…の辞書引きが行
われる。 このように単語辞書の内容と同じ情報を一旦、
単語、連語用バツフアメモリエリア４０１にとり
込むのは、作業用メモリ４００として通常、高速
アクセス可能なメモリ、例えばコアメモリが用い
られるので、後の品詞認識、依存修飾関係認識、
和文生成などの処理過程における辞書検索が高速
に行えるためである。従つて、上記の単語・連語
バツフアメモリ４０１を使用せずに各処理過程に
おいて直接単語辞書３０１、連語辞書３０２を検
索することもできる。 上述のいわゆる辞書引きの段階で、単語の語尾
変化処理及び連語の検出処理が行われる。以下そ
れらの処理の内容を詳しく説明する。 語尾変化処理とは、語尾が活用変化している単
語、例えば時制変化、複数形変化、比較級変化な
どをしている単語を、その原形に変換し、単語辞
書３０１、連語辞書３０２を検索した後、検索し
た内容に語尾変化情報を付加した上で単語・連語
バツフアメモリエリア４０１にセツトする処理を
いう。この処理を行うことにより後の品詞認識処
理における単語辞書あるいは連語辞書の検索を、
単語の原形の見出し語を参照して行うことが可能
になる。従つて辞書には、このように語尾変化し
た単語情報を予め登録しておく必要がなくなり、
辞書メモリ容量の低減に効果がある。 説明の便宜上、以下“STUDIES”という複数
名詞変化形あるいは三人称単数動詞変化形の単語
を例にとつて、原形への変換手順を述べる。他の
変化形単語の原形変換処理も同様の考え方で処理
できる。 処理対象となる単語は単語を構成する一文字ず
つにl1，l2，l3…なる符号が与えられる。たとえ
ば、“STUDIES”に対しては、第１１Ｄ図のよ
うに末尾のＳにl1が、次のＥにはl2が、さらに次
のＩにはl3というように付与される。 まずステツプ1002において辞書検索が行われ、
辞書にあれば処理は終了し（1003）、なければス
テツプ1004に進む。ステツプ1004，1005，1006，
1007，1008はそれぞれ語尾変化が生じているかど
うかを判定するための処理である。この例の場合
はステツプ1008で判定結果がYESとなり、ステ
ツプ1010に進む。ここでSTUDIESの末尾のＳが
削除され、STUDIEとなり、符号のつけ変えが
行なわれる。ステツプ1016で再び辞書検索が行わ
れる。単純な複数形の場合はこの段階で辞書に登
録されていることが多い（例えばlikes）。本例の
場合は更にステツプ1017に進み末尾がＥかどうか
判定され、この結果YESとなるので、更にステ
ツプ1018に進む。更にステツプ1022に至りl1，l2
の文字、つまりIEが削除されSTUDになる。更
にステツプ1023においてＹが付加されるSTUDY
という原形に変換された後、ステツプ1024で再び
辞書引きが行われる。ここでも、もし辞書になけ
れば未登録語と判断される（1025）。 以上述べたような処理を経て、STUDYの単語
が辞書にあると、その単語情報が読み出され、単
語情報に語尾変化情報（複数名詞変化形並びに三
人称単数動詞変化形）を付加したものが前述の単
語・連語バツフアメモリエリア４０１に書き込ま
れる。 以上のように、辞書検索の段階で、単語の語尾
が時制、複数形などにより変化している場合に、
原形に戻した後に辞書引きを行つているので、辞
書には単語の原形のみを用意すればよく、辞書に
用意する単語の数を著しく低減することができ
る。 次に単語の並びからなる英文テキストの中の連
語を検出する処理について第１２図を参照して説
明する。連語とは、２以上の単語の結合により意
味のある語を形成するもので、イデオムもこれに
含まれる。 ここでは一例として“MAKE Ａ STUDY
OF”なる連語が検出され、単語・連語バツフア
メモリエリア４０１に格納される手順について説
明する。まずステツプ1040で単語の切出しが行わ
れ、ステツプ1041で前述の語尾変化処理が行われ
る。次にステツプ1042で単語辞書検索がなされ
る。“MAKE”及び“Ａ”については前述と同様
に単語辞書３０１の該当見出し語を検索して、そ
の単語情報を単語・連語バツフアメモリエリア４
０１に順次格納していく。ステツプ1043では、単
語が辞書に登録されていない未知単語かどうか判
定する。登録されていない場合にはステツプ1047
で固有名詞として判断する。次に“Ａ”の次の
“STUDY”を見出し語として単語辞書３０１を
検索すると、第４Ｂ図に示すように、“STUDY”
を含む単語が７個存在することが判る（ステツプ
1044）。そこで直ちに対応連語部の先頭番地（76）
から連語の見出し語の検索が開始される（ステツ
プ1048）。第５Ｂ図に示すように、“STUDY”を
含む連語としては、“MAKE Ａ STUDY OF”
“UNDER STUDY”等が存在することが検知さ
れる。このうち入力テキスト中のものと一致する
のは“MAKE Ａ STUDY OF”であることが
判る（ステツプ1049）。なお、合致する連語が存
在しないと判断された場合には、“STUDY”を
単なる単語とみて、前述と同様に“STUDY”の
単語情報をバツフアメモリエリア４０１に格納す
ることになる（ステツプ1045）。また入力テキス
トが２以上の連語と一致することが検知された場
合には、最も長い連語と一致したものを採用す
る。例えば“MAKE Ａ STUDY”と“MAKE
Ａ STUDY OF”の両者と一致した場合には後
者が採用される。 さて、現在の例では入力テキストと“MAKE
Ａ STUDY OF”が一致した訳であるが、この
場合にはまず単語、連語、バツフアエリア４０１
内にすでに格納されている“MAKE”及び“Ａ”
の単語情報に対して無効マークの付与あるいは単
語情報の消去が行われる（ステツプ1050）。この
後“MAKE Ａ STUDY OF”に対応する単語
情報が単語・連語バツフアエリア４０１に格納さ
れる（ステツプ1045）。 上記のような処理により、最終的には入力英文
テキスト中に出現する単語及び連語は、すべてそ
の出現順にバツフアエリア４０１に格納されるこ
とになる。 なお、上記の例では簡単化のため、未知単語は
すべて固有名詞として認識する場合を述べたが、
より正確な品詞を決定することもできる。この未
知単語の正確な品詞の判定は、前述した「禁制テ
ーブル検索による品詞認識処理」を再度実行する
ことにより、全く同様に実行できる。 また上記したように、連語辞書は単語辞書とは
別に用意され、単語辞書における各単語の情報と
して、その単語を基にして形成される連語の有無
と、連語辞書へのポインタの情報が含まれている
ので、単語を切出しながら同時に連語も切出すこ
とができる。 (3) 品詞認識処理 品詞認識処理とは単語・連語用バツフア４０１
に格納された各単語及び連語に１つずつ品詞を付
与する処理を称し、第１３図に示すフローチヤー
トにしたがつて処理が行われる。 まずステツプ1060において、単語・連語用バツ
フアメモリ４０１内をWB(1)，WB(2)，WB(3)，
…の如く順次走査しながら、単語及び連語の品詞
名、品詞細分類、属性情報を読み出し、ワードス
トリームテーブルエリア４０３に順次格納してい
く。品詞名とその記号の一部を表１(B)に示す。
接続詞、句読点等で区切られるノード列の構文的
役割子パターンから節パターンを決定するために
用いられる。 第８Ｄ図は文パターンテーブルの一例を示し、
節パターンの並びから文パターン（骨格パター
ン）を決定するために用いられる。 それぞれのパターンテーブルの詳細については
後述する。特に第８Ｃ図中、第８Ｄ図中に出現す
る記号については、後で第２０Ｂ図等を用いて述
べる。辞書メモリ３００には、この他に形容詞、
副詞の単語、句等がどこにかかるかを決定するた
めの依存・修飾関係認識用パターン３０６、文型
の変換用に用いられるパターン３０７、和文生成
の際に用いられるパターン３０８をそれぞれ格納
するエリアを有する。各パターンについては後で
詳述する。 以上述べたように、辞書メモリ３００には、単
語、連語辞書の他、各種の規則パターンが予め格
納されるが、このメモリ３００への情報の書き込
み及び読出しは、書込み読出し制御回路２０１に
よつて行われる。 一方、作業用メモリ４００は、第２図に示した
各処理の過程で必要になるテーブルを格納するた
めのもので、読出した単語、連語情報を一時的に
格納するバツフアテーブルエリア４０１、入力テ
キストストリームテーブルを格納するエリア４０
２、ワードストリームテーブルを格納するエリア
４０３、ノードストリームテーブルを格納するエ
リア４０４、句要素列を格納するエリア４０５、
英文型ノード列を格納するエリア４０６、和文型
ノード列を格納するエリア４０７、出力テキスト
を格納するエリア４０８を含んでいる。尚各テー
ブルの詳細については後述する。 上記作業用メモリ４００の情報の書込み読出し
は、翻訳処理装置２００からの指令に基づき、書
込み読出し制御回路２０２を介して行われる。 翻訳処理装置２００は、後で詳しく述べるよう
に第２図に示した処理を行うためのプログラムを
格納しており、辞書メモリ３００の情報を適宜用
い、メモリ４００をワーキングエリアとして用い
て、入力の英文テキストを和文に翻訳して出力す
る。 出力装置５００としては和文出力をプリント又
は表示するためのプリンタ又はデイスプレイ装置
等が用いられる。 なお、前述の辞書メモリ３００として例えばデ
イスクメモリ、作業用メモリ４００としてコアメ
モリが用いられる。もちろん本発明方式ではこれ
らのメモリの種類は特定のものに限定されない。
又これらメモリを処理装置と別に設けてもよい
し、処理装置の中に設けても差支えない。 以下本発明方式による処理手順について詳細に
説明する。 (1) テキスト入力処理 テキスト入力処理というのは、入力装置１００
（第３図）より入力した英文テキストを、作業用
メモリ内の入力テキストストリームエリア４０２
に順次セツトする処理をいう。英文テキストの一
例を第９図に示す。キーボード等の入力装置１０
０により英文を入力すると、アルフアベツトに対
応するコード信号に変換された後、上記入力テキ
ストストリームエリア４０２に格納される。 (2) 辞書検索 テキスト入力処理が完了すると、次に、いわゆ
る辞書引きの作業が行われる。辞書引きとは入力
テキストストリームエリア４０２に格納された、
入力テキストの単語の出現の順に、単語辞書３０
１を検索し、該当する単語の単語情報を作業用メ
モリ４００の単語、連語用バツフアメモリエリア
４０１に順次格納する処理をいう。例えば第９図
のテキストの場合、第１０図に示すようにまず
HEを見出し語とする単語情報がメモリエリア４
０１のWB(1)番地に格納される。次にWROTEは
不規則変化動詞であるので予め単語辞書３０１に
登録されており、その単語情報には“WRITB”
へのポインタ（WRITEへの先頭番地）と不規則
変化情報（wroteはwriteの過去形）が格納され
ている。従つてWROTEの単語を辞書引きする
とWRITEを見出し語とする単語情報が読出さ
れ、この単語情報に不規則変化情報を付加した後
メモリエリア４０１のWB(2)番地に格納される。
以後、順にENGLISH，VERY…の辞書引きが行
われる。 このように単語辞書の内容と同じ情報を一旦、
単語、連語用バツフアメモリエリア４０１にとり
込むのは、作業用メモリ４００として通常、高速
アクセス可能なメモリ、例えばコアメモリが用い
られるので、後の品詞認識、依存修飾関係認識、
和文生成などの処理過程における辞書検索が高速
に行えるためである。従つて、上記の単語・連語
バツフアメモリ４０１を使用せずに各処理過程に
おいて直接単語辞書３０１、連語辞書３０２を検
索することもできる。 上述のいわゆる辞書引きの段階で、単語の語尾
変化処理及び連語の検出処理が行われる。以下そ
れらの処理の内容を詳しく説明する。 語尾変化処理とは、語尾が活用変化している単
語、例えば時制変化、複数形変化、比較級変化な
どをしている単語を、その原形に変換し、単語辞
書３０１、連語辞書３０２を検索した後、検索し
た内容に語尾変化情報を付加した上で単語・連語
バツフアメモリエリア４０１にセツトする処理を
いう。この処理を行うことにより後の品詞認識処
理における単語辞書あるいは連語辞書の検索を、
単語の原形の見出し語を参照して行うことが可能
になる。従つて辞書には、このように語尾変化し
た単語情報を予め登録しておく必要がなくなり、
辞書メモリ容量の低減に効果がある。 説明の便宜上、以下“STUDIES”という複数
名詞変化形あるいは三人称単数動詞変化形の単語
を例にとつて、原形への変換手順を述べる。他の
変化形単語の原形変換処理も同様の考え方で処理
できる。 処理対象となる単語は単語を構成する一文字ず
つにl1，l2，l3…なる符号が与えられる。たとえ
ば、“STUDIES”に対しては、第１１Ｄ図のよ
うに末尾のＳにl1が、次のＥにはl2が、さらに次
のＩにはl3というように付与される。 まずステツプ1002において辞書検索が行われ、
辞書にあれば処理は終了し（1003）、なければス
テツプ1004に進む。ステツプ1004，1005，1006，
1007，1008はそれぞれ語尾変化が生じているかど
うかを判定するための処理である。この例の場合
はステツプ1008で判定結果がYESとなり、ステ
ツプ1010に進む。ここでSTUDIESの末尾のＳが
削除され、STUDIEとなり、符号のつけ変えが
行なわれる。ステツプ1016で再び辞書検索が行わ
れる。単純な複数形の場合はこの段階で辞書に登
録されていることが多い（例えばlikes）。本例の
場合は更にステツプ1017に進み末尾がＥかどうか
判定され、この結果YESとなるので、更にステ
ツプ1018に進む。更にステツプ1022に至りl1，l2
の文字、つまりIEが削除されSTUDになる。更
にステツプ1023においてＹが付加されるSTUDY
という原形に変換された後、ステツプ1024で再び
辞書引きが行われる。ここでも、もし辞書になけ
れば未登録語と判断される（1025）。 以上述べたような処理を経て、STUDYの単語
が辞書にあると、その単語情報が読み出され、単
語情報に語尾変化情報（複数名詞変化形並びに三
人称単数動詞変化形）を付加したものが前述の単
語・連語バツフアメモリエリア４０１に書き込ま
れる。 以上のように、辞書検索の段階で、単語の語尾
が時制、複数形などにより変化している場合に、
原形に戻した後に辞書引きを行つているので、辞
書には単語の原形のみを用意すればよく、辞書に
用意する単語の数を著しく低減することができ
る。 次に単語の並びからなる英文テキストの中の連
語を検出する処理について第１２図を参照して説
明する。連語とは、２以上の単語の結合により意
味のある語を形成するもので、イデオムもこれに
含まれる。 ここでは一例として“MAKE Ａ STUDY
OF”なる連語が検出され、単語・連語バツフア
メモリエリア４０１に格納される手順について説
明する。まずステツプ1040で単語の切出しが行わ
れ、ステツプ1041で前述の語尾変化処理が行われ
る。次にステツプ1042で単語辞書検索がなされ
る。“MAKE”及び“Ａ”については前述と同様
に単語辞書３０１の該当見出し語を検索して、そ
の単語情報を単語・連語バツフアメモリエリア４
０１に順次格納していく。ステツプ1043では、単
語が辞書に登録されていない未知単語かどうか判
定する。登録されていない場合にはステツプ1047
で固有名詞として判断する。次に“Ａ”の次の
“STUDY”を見出し語として単語辞書３０１を
検索すると、第４Ｂ図に示すように、“STUDY”
を含む単語が７個存在することが判る（ステツプ
1044）。そこで直ちに対応連語部の先頭番地（76）
から連語の見出し語の検索が開始される（ステツ
プ1048）。第５Ｂ図に示すように、“STUDY”を
含む連語としては、“MAKE Ａ STUDY OF”
“UNDER STUDY”等が存在することが検知さ
れる。このうち入力テキスト中のものと一致する
のは“MAKE Ａ STUDY OF”であることが
判る（ステツプ1049）。なお、合致する連語が存
在しないと判断された場合には、“STUDY”を
単なる単語とみて、前述と同様に“STUDY”の
単語情報をバツフアメモリエリア４０１に格納す
ることになる（ステツプ1045）。また入力テキス
トが２以上の連語と一致することが検知された場
合には、最も長い連語と一致したものを採用す
る。例えば“MAKE Ａ STUDY”と“MAKE
Ａ STUDY OF”の両者と一致した場合には後
者が採用される。 さて、現在の例では入力テキストと“MAKE
Ａ STUDY OF”が一致した訳であるが、この
場合にはまず単語、連語、バツフアエリア４０１
内にすでに格納されている“MAKE”及び“Ａ”
の単語情報に対して無効マークの付与あるいは単
語情報の消去が行われる（ステツプ1050）。この
後“MAKE Ａ STUDY OF”に対応する単語
情報が単語・連語バツフアエリア４０１に格納さ
れる（ステツプ1045）。 上記のような処理により、最終的には入力英文
テキスト中に出現する単語及び連語は、すべてそ
の出現順にバツフアエリア４０１に格納されるこ
とになる。 なお、上記の例では簡単化のため、未知単語は
すべて固有名詞として認識する場合を述べたが、
より正確な品詞を決定することもできる。この未
知単語の正確な品詞の判定は、前述した「禁制テ
ーブル検索による品詞認識処理」を再度実行する
ことにより、全く同様に実行できる。 また上記したように、連語辞書は単語辞書とは
別に用意され、単語辞書における各単語の情報と
して、その単語を基にして形成される連語の有無
と、連語辞書へのポインタの情報が含まれている
ので、単語を切出しながら同時に連語も切出すこ
とができる。 (3) 品詞認識処理 品詞認識処理とは単語・連語用バツフア４０１
に格納された各単語及び連語に１つずつ品詞を付
与する処理を称し、第１３図に示すフローチヤー
トにしたがつて処理が行われる。 まずステツプ1060において、単語・連語用バツ
フアメモリ４０１内をWB(1)，WB(2)，WB(3)，
…の如く順次走査しながら、単語及び連語の品詞
名、品詞細分類、属性情報を読み出し、ワードス
トリームテーブルエリア４０３に順次格納してい
く。品詞名とその記号の一部を表１(B)に示す。
【表】
第１４Ａ図及び第４Ｂ図はワードストリームテ
ーブルの内部構成を示す。同図から判るように各
単語・連語はそれぞれワードレコードを含む。各
ワードレコードは第１４Ｂ図に示すような情報を
含んでいる。一例として単語“WRITE”につい
てのワードレコードを説明する。単語／連語の区
別指示子には単語である旨の情報（単）が書き込
まれる。語の識別番号は入力テキストストリーム
テーブル４０２（第９図参照）においてその語が
何番目に出現するかを表わすので、この場合は(2)
が書き込まれる。更に語長の欄は、単語又は連語
を構成する文字数を表わし、“WRITE”の場合
は(5)が書き込まれる。先頭文字の文字番号の欄は
入力テキストストリームテーブル４０２（第９
図）において、“WRITE”の頭文字“Ｗ”の位
置する番地(4)が書き込まれる。更に多品詞の個数
の欄には動詞（Ｖ）と品詞（Ｎ）の２つであるの
で(2)が書き込まれる。この他、品詞の細分類、多
義性の個数、各品詞に対応する先頭訳語部（第４
Ｂ図参照）へのポインタがそれぞれの欄に書き込
まれる。 第１３図に戻り、ステツプ1061においては、
WS（ｍ）の番号の単語が多品詞かどうか判定す
る。周知のように各単語及び連語は多品詞をもつ
ことが多く、従つて、この場合には一つの最も適
切な品詞を選ぶ処理を行わなければならない（以
下この処理を多品詞解消処理と称する）。この多
品詞解消処理を実行するために本発明方式では辞
書メモリ３００に格納された品詞認識用パターン
表（第６Ａ図参照）が用いられる。単語又は連語
が多品詞をもつ場合、ステツプ1062において、品
詞名の１つがテスト用バツフアメモリ（作業用メ
モリの一部が用いられるがここでは図示しない）
にセツトされる。ステツプ1063においてはテスト
用バツフアメモリにセツトされた品詞列と、第６
Ａ図に示した禁制品詞列パターンとが順次比較さ
れ、一致するパターンを探す。第９図に示す入力
テキストの“ENGLISH”の多品詞解消処理を行
う場合を例にとつて説明する。“ENGLISH”は
名詞（Ｎ）及び形容詞（ADJ）の２つの品詞を
有する。まず“ENGLISH”の前後の２つずつの
単語、つまり“HE”，“WROTE”と“VERY”，
“SLOWLY”の品詞，代名詞（PRN）、動詞
（V7）と副詞（ADV）、副詞（ADV）をそれぞれ
テキスト用バツフアにセツトする。この状態を第
６Ｂ図に示す。ここで動詞（V7）の添字(7)は、
動詞の品詞細分類を示し、目的語をとる他動詞で
あることを表示している。テスト用バツフア（第
６Ｂ図）の＊の位置に形容詞（ADJ）をセツト
した後、第６Ａ図に示した禁制品詞列パターンと
比較される。この結果、第６Ｂ図の品詞列パター
ンは第６Ａ図の項番７のパターンと合致し、（−，
V7，ADJ，−，−）なるパターンは禁制されるこ
とが検知される。従つて“ENGLISH”の単語
が、この文章においては形容詞をとり得ないこと
が認識される。次にテスト用バツフア（第６Ｂ
図）の＊の位置に名詞（Ｎ）をセツトして再び禁
制品詞列パターンと比較される。この場合にはい
ずれの禁制品詞列パターンとも合致しないことが
最終的に検知され、“ENGLISH”の品詞は名詞
であると決定される。 再び第１３図に戻り、ステツプ1064において、
更に第６Ａ図に示した禁制解除条件１，２を満足
しているかどうか判定される。 こうして禁制品詞列パターンに合致し、且つ解
除条件も満足しない場合には適切な品詞の候補か
ら消去される（ステツプ1065）。品詞の候補が残
つている場合はステツプ1062に戻り同様の処理が
繰り返される。この処理によつて最後に１個だけ
の品詞が残つたかどうかを判定し（ステツプ
1067）、YESの場合には残つた品詞をWS（ｍ）番
地の単語又は連語の品詞と決定する（ステツプ
1069）。 ２個以上の品詞が最終的に残つた場合にはステ
ツプ1070に進み、ここで第１５図のような優先度
表による品詞決定が行われる。２つの品詞、例え
ば形容詞（ADJ）と名詞（Ｎ）とが残つてしま
つた場合、ADJを見出し語とする第３行と、Ｎ
を見出しとする第２列とを査読することにより
ADJ＞Ｎなる関係、つまりADJの方がＮよりも
優先度が高いということになり結局ADJが採用
されることになる。 以上、多品詞解消処理の一例について述べたが
この処理の効率、成功率を高めるために下記のよ
うな処理をすることもできる。 (1) テスト用バツフアメモリに候補となる品詞を
セツトする際、出現頻度の高い順にセツトする
ことにより処理効率を上げることができる。 (2) 第１５図に示した優先度表は、２個以上の品
詞が最終的に残つた場合に使用するものとして
説明したが、品詞の候補が最終的に全部消去さ
れてしまつた場合にも、もとの品詞候補全体に
対して第１５図の表を用い、最も高い優先度の
品詞を採用することができる。 以上述べたように、単語及び連語の品詞の認識
に禁制品詞列パターンを用い、更に必要に応じて
優先度テーブルを用いているので、品詞認識処理
を迅速且つ正確に実行できる。 (4) 句構造認識 句構造認識とは、英文入力テキストの各単語及
び連語に唯一の品詞を与えることによつてつくら
れた品詞列から句要素に相当する部分を切り出す
処理、および、それらに新たな句要素品詞を付与
することにより、“品詞付けされた句要素列（句
要素品詞列）”を生成する処理をいう。ここで句
要素とは前述のように、英文法の句の概念とは異
なり、言語的意味をもつ最小単位の単語、又は／
及び連語の組み合せよりなるものである。例えば
名詞＋名詞、助動詞＋動詞、冠詞＋名詞、形容詞
＋名詞、前置詞＋名詞等は句要素を形成する。 つまり、従来の英文法では、“句”という概念
は、かなりゆるやかな定義機能しか持つておら
ず、与えられた英文テキストに対して、どの部分
が“句”かについて一意に定めることができな
い。例えば本発明でいう“中心動詞となつている
句要素”と、“その目的語となつている句要素”
は、従来の英文法ではそれぞれ単独でも“句”で
あるが、同時にまたそれらを連結したものも
“句”である。英文例をあげると“助動詞＋動詞
＋冠詞＋形容詞＋名詞”（will have ａ
beautiful girl）は、英文法の“句（動詞句）”と
みなされるが、本発明でいう“句要素”ではな
い。“助動詞＋動詞”（will have）と“冠詞＋形
容詞＋名詞”（ａ beautiful girl）とが“句要
素”である。 さらに多くの句を連結させた句、互いに重複し
た部分をもつ異なる句なども、従来の英文法では
定義され得る。 これに対し本発明では、中心動詞と、その目的
語とは、あくまでも別個の“句要素”である。本
発明でいう“句要素”は一般に、与えられた英文
テキストに対して、一意に、ただ一つ、互いに重
複することなく定まるものであり、これらの組み
合せを、文型認識ならびに文型変換の基礎データ
としている。 このことにより、句構造認識の処理を簡単かつ
明確にすることができる。 第１６図は句構造認識の処理の流れを示す。ま
たステツプ1080において、ワードストリームメモ
リエリア４０３の各単語及び連語のワードレコー
ドが、ノードストリームメモリエリア４０４にセ
ツトされる。第１７図はセツトはされた状態を模
式図として示したもので＊１の行に示したNS(1)，
NS(2)…NS（20）はノード番号である。又＊２の
行には対応する単語が格納されているが、実際に
はワードストリームテーブル（第１４Ａ図、第１
４Ｂ図参照）へのポインタの情報が格納される。
＊３の行にはノードのカテゴリー、つまり単語
（Ｗ）、句要素（Ｐ）、節(C)、準節（Ｑ）、文（Ｓ）
の区別を表わす情報が格納される。＊４の行には
品詞情報及び品詞細分情報が格納される。 以後、このノードストリームメモリエリア４０
４にセツトされた情報をもとにして句要素が切出
されていく。ステツプ1081において、ノードの最
末尾の番地に＋１した番号をｋにセツトする。す
なわち、この処理により入力英文テキストは、ピ
リオドやコンマも含めて（ｋ−１）個の単語及び
連語から構造されたことになる。次にステツプ
1082において、ノード番号NS(1)，NS(2)，…NS
（ｋ−１）を句要素列テーブルエリア４０５にセ
ツトする。ステツプ1083において、句要素列テー
ブルにセツトされたノード番号のうち、ｎ以上の
番号から（ｋ−１）に至るまでの番号をC1，C2，
C3…Ck-oとする。ただし、ｎは繰返しが行われる
直前にｎ＝１に初期化されている。さらにノード
NS（C1），NS（C2），…の品詞列パターンに関し
て、第７Ａ図に示した句要素として切出すべき品
詞パターンと合致するものが存在するかどうか判
定する。例えばｎ＝１の場合はHEから始まる文
の品詞列、PRN，Ｖ，Ｎ…と登録パターンとが
比較され、ｎ＝２の場合はWRITEから始まる文
の品詞列Ｖ，Ｎ，ADV，…と登録パターンとが
比較される。品詞列が第７Ａ図に示す品詞パター
ンの２個以上と合致した場合には、より長い品詞
パターンと一致するものを句要素として切出す。
第１７図に示した英文テキストの場合にはｎ＝４
のとき、つまりVERYから始まる文の品詞列が
ADV，ADV，COM，…となり、第７Ａ図の登
録パターンの項番１と一致するので、“VERY
SLOWLY”が句要素として認識される。同様に
して、“TO STUDY”，“TO READ AND
WRITE”，“IN ENGLISH”，“AT SCHOOL”
もそれぞれ句要素として認識される。 さて、ステツプ1084においては、登録した句要
素の品詞パターンと一致したノードの並びNS
（C1），NS（C2）…をまとめて新たなノードNS
（ｋ）をつくりこれを句要素列テーブルにセツト
する。 新しく生成されたノードNS（ｋ）を親ノードと
称する。また元のノードNS（C1），NS（C2）…を
子ノードと称する。第１７図のテキストの例では
NS(4)とNS(5)をまとめて新たなノードNS（21）を
つくる。このノードの句要素の品詞は第７Ａ図の
テーブルより副詞（ADV）が付与される。新た
に形成された親ノードには新たなノード番号が付
与されると同時に、子ノードの番号も登録され
る。つまりノードNS（21）のメモリエリアに格納
される情報は、このノードNS（21）がノードNS
(4)とNS(5)からつくられたものであること、この
ノードが句要素であること（Ｐ）、句要素の品詞
は副詞（ADV）であること等である。 一方、ステツプ1083において、NOと判定され
た場合はステツプ1086に進み、NS（C1）そのも
のを句要素とみなす。つまり、この場合には新し
いノードの生成はしない。 次にステツプ1085においては、新しく生成され
た親ノードを子ノードに置換して句要素列テーブ
ルを修正する処理が行われる。かくして、当初句
要素列テーブルには１，２，３，４，…19，20の
順にノードの番号が並んでいたものが、新しい句
要素の生成により１，２，３，21，６，７，８，
９，22，24，25，26，20の番号順に並びかえられ
る。（第１７図参照）。 なお、英文テキストが、例えば“Do you
know…”のような場合には“Do”と“know”
が句要素を形成する。従つて必ずしも連続した位
置にある複数の単語によつて句要素が形成される
とは限らない。 以上のように、従来の英文法における句とは異
なる概念である「句要素」を定義し、入力英文テ
キストを「句要素」の単位で切出し、句要素品詞
を形成した後、骨格パターンを作つているので、
骨格パターンの形成に至る処理及び和文生成の処
理が容易になる。従来の英文法における概念で
は、名詞を含む名詞句、名詞句を含む動詞句など
があり、句の切出しが困難である。 (5) 連語辞書再検索 句構造認識の処理が終了した後に、もう一度連
語辞書検索の処理が行われる。連語辞書検索を行
う理由は次の通りである。 英文中に出現する連語、つまり単語の連なりに
より単語と同様の意味や作成をなすものには２つ
のタイプがある。１つは“MAKE USE OF”の
如く、固定された単語列よりなる連語であり、他
の１つは、“TAKE〜INTO
CONSIDERATION”のように、ある一定の性
質をもつ単語や句や節を上記〜の部分に取り込ん
でから初めて完成された連語を形成するものであ
る。説明の便宜上、前者を固定型連語、後者を可
変型連語と称する。上記〜の部分には名詞句ある
いは名詞節がとりこまれる。第５Ｃ図に示すよう
に連語辞書には名詞を表わす品詞記号“Ｎ”を用
いて“TAKE ！Ｎ INTO
CONSIDERATION”と記述される。ここで
“！”の印は通常の単語のつづりと区別するため
の符号である。 前述のように、固定型連語の検索処理は、辞書
検索の段階ですでに済んでいるが、可変型連語の
処理を行うためには、句構造認識が終了した後に
再び連語辞書を検索する必要がある。 第１８図は連語辞書再検索の処理手順を示す。
まずステツプ1090において、入力テキストの英文
の単語数ｋを作業メモリ４００の適当なエリアに
セツトする。次にステツプ1091において、ノード
NS（ｉ）（第１７図参照）にある単語を見出し語
とする可変型連語が存在するかどうか判定され
る。ただし、ｉは繰り返しが行われる直前にｉ＝
１に初期化されている。もし存在しない場合は、
ステツプ1096，1097に進み、全部の単語数につい
て終了するまで同じ判定が繰り返される。 入力テキストの英文が例えば“THE
TEACHER TAKES HIS GOOD ATTITUDE
INTO CONSIDERATION”の場合、“TAKE”
を見出し語とする連語辞書検索で連語が存在する
ことが確認される（TAKE OUT，TAKE IN，
TAKE ！Ｎ INTO CONSIDERATION等の
連語がある。）。次にステツプ1092において、ノー
ドNS（ｉ）の前後に存在する句要素をつなげる
と、可変型連語辞書にあるパターンと一致するか
どうか判定する。上記の例の場合、“HIS GOOD
ATTITUDE”は句構造認識名詞句（Ｎ）と認識
されているので、連語辞書パターンの“TAKE
！Ｎ INTO CONSIDERATION”と一致す
る。（第５Ｃ図参照）。入力英文テキストが複数個
の可変型連語パターンと一致する場合には、最も
長い可変型連語パターンを採用する（ステツプ
1093）。更にステツプ1094では、可変型連語辞書
の連語と一致する入力テキストの部分を新しいノ
ード（親ノード）とすると共に、新しく生成され
た親ノードを子ノードと置換して句要素テーブル
を修正する。つまり、可変型連語パターンと対応
する子ノード群を句要素テーブルから除去し、代
りに新しい親ノードを代入する。新しいノードの
生成があつた場合には、そのノードを形成してい
る最後の単語、すなわち上記の例では
“CONSIDERATION”の次の句要素から再び連
語辞書検索が行われる（ステツプ1095，1096，
1097）。 以上説明した連語辞書検索の処理により、最終
的な句要素列テーブルが作られる。 以上述べたように、連語辞書として固定連語辞
書の他に可変連語辞書を有し、句要素切出しの後
に可変連語辞書の検索を行つているので、あらゆ
る連語の検出が少ない辞書容量で可能になる。す
なわち上記の例の場合、句要素の概念を導入しな
ければ、！Ｎに相当するすべての品詞列パターン
を辞書に用意しておく必要があり、辞書容量は莫
大になる。また品詞列パターンを用意してなけれ
ば、正確な翻訳ができないことになる。 これ迄の一連の処理で品詞認識の処理が完了す
るので、品詞認識用の規則の変更・増補を、以降
の文型パターン認識の処理等に使用する文型パタ
ーンの変更・増補と独立に設計することができ
る。 (6) 英文型パターン認識 英文型パターン認識とは、ノードNS（ｉ）を複
数個ずつまとめ、予め定められた英文のパターン
に分類する処理をいう。この英文型パターン認識
は、各ノードに構文的役割子を付与する段階と、
この構文的役割子の配列から文、接、準節を見い
出す段階とに分けて考えることができる。ここ
で、構文的役割子とは、句要素テーブル内の各ノ
ードが、文章の内部でどのような役割をもつてい
るのか、つまり主語（SUBJ）、中心動詞
（GOV）、目的語（OBJ）等のどれに相当するの
かを表わすものである。 次に英文型パターン認識の処理の流れを第１９
図及び第２０Ａ図を用いて説明する。 前述の句構造認識処理の結果、句要素列テーブ
ルメモリエリア４０５には第２０図の＊11，＊
12，＊13，＊14，＊15の各行のように情報が格納
されている。＊11の行エリアにはノード番号の情
報が格納される。＊12の行エリアには各ノードに
対応する単語又は連語が格納されるが、実際には
ノードストリームテーブルへのポインタの情報が
格納される。＊13の行エリアにはノードのカテゴ
リー、つまり、単語（Ｗ）、句要素（Ｐ）、節(C)、
準節（Ｑ）、文（Ｓ）の区別を表わす情報が格納
されている。＊14の行エリアには、単語・連語の
品詞、あるいは準節、節、文のタイプ番号が格納
されている。＊15の行エリアには英文型パターン
認識の処理の過程で得られる構文的役割子の情報
が格納される。 第１９図のステツプ1100においては、句要素テ
ーブル４０５内の各ノードの品詞を順次調べ、動
詞族（動詞及びTO＋動詞など）の品詞をもつも
のが検出される。第２０Ａ図に示した例ではノー
ドNS(2)，NS(9)，NS（22），NS（24）が動詞族で
ある。次にステツプ1101では、検出された動詞族
ノードの動詞の細分情報（すなわち動詞のタイ
プ）を見出し語（エントリー）として動詞パター
ンテーブルを検索することによつて、動詞族ノー
ド及びその前後のノードの構文的役割子を決定す
る。 動詞パターンテーブルの一例を第８Ａ図に示さ
れている。項番１は見出し語の動詞がbe動詞の
タイプ（V1）であり、かつ、その前後に、「名詞
（Ｎ）または代名詞（PRN）」と「名詞（Ｎ）ま
たは代名詞（PRN）」がある場合、より詳しく換
言すればノード列NS（ｉ）、NS（ｊ）、NS（ｋ）の
品詞が順に名詞（Ｎ）または代名詞（PRN）、動
詞（V1）、名詞（Ｎ）または代名詞（PRN）の
場合、ノードNS（ｉ）には主語（SUBJ）、NS
（ｊ）には中心動詞（GOV）、NS（ｋ）には補語
（COMP）の構文的役割子がそれぞぞれ付与され
ることを示している。また項番３には見出し語が
自動詞タイプ（V3）であり、かつ、その前に名
詞（Ｎ）または代名詞（PRN）ノードがある場
合、より詳しく換言すれば、ノードNS（ｉ），NS
（ｊ）の品詞が順に「名詞または代名詞」、「動詞」
である場合には、ノードNS（ｉ）に主語
（SUBJ）、NS（ｊ）に中心動詞（GOV）の構文
的役割子を付与すべきことを示している。又項番
４は、ノードNS（ｉ），NS（ｊ）の品詞が共に不
定詞の形をとる動詞の場合には、NS（ｉ）に不定
詞形の中心動詞（TOGOV）、NS（ｊ）に不定詞
形の目的語（TOOBJ）の構文的役割子が付与さ
れることを示している。 さて、第２０Ａ図に示した英文テキストの例で
は、ノードNS(1)，NS(2)，NS(3)の品詞がそれぞ
れ代名詞（RRN）、動詞（V7）、名詞（Ｎ）であ
るため、第８Ａ図の項番６の品詞列と一致するこ
とが検出される。従つてNS(1)に主語（SUBJ）、
NS(2)に中心動詞（GOV）、NS(3)に目的語
（OBJ）の構文的役割子が付与されメモリエリア
＊15に格納される。更にノードNS（22），NS（24）
の品詞列は項番４のパターンに一致し、ノード
NS（22）にTOGOV、NS（24）にTOOBJの構文
的役割子が付与される。同様にしてノードNS(8)，
NS(9)にも構文的役割子が付与される。なお、第
８Ａはごく一部の動詞パターンを示したに過ぎ
ず、実際には多数のパターンが用意される。 このようにして、第１９図のステツプ1101の処
理の結果、動詞の前後のノードNS(1)，NS(2)，
NS(3)，NS(8)，NS(9)，NS（22），NS（24）の構文
的役割子が決定し、その他のノードは未決定のま
まである。ステツプ1102において、すべての動詞
族ノードについて動詞パターン表の検索が行われ
たかどうか判定し、YESの場合にはステツプ
1103に進む。このステツプ1103では句要素テーブ
ル４０５内の残りのノードの品詞を順次調べ、接
続詞（CNJ）の品詞をもつものを検出する。更
にステツプ1104において、検出された接続詞族ノ
ードについて接続詞パターンテーブルを検索する
ことにより、接続詞族ノードの構文的役割子を決
定する。 接続詞パターンテーブルの一例を第８Ｂ図に示
す。同図の項番１は、接続詞（CNJ）の単語綴
りが“BUT”であり、この前後の構文的役割子
列パターンが、句続点（DEL），BUT、主語
（SUBJ）、中心動詞（GOV）であつた場合、単
語BUTには等位接続詞を表わす構文的役割子
BUT（単語と同綴りの記号）を付与すべきことを
示している。項番２は、接続詞の単語綴りが
“IF”であり、この単語の前後の構文的役割子列
パターンが、主語（SUBJ）、タイプ８の中心動
詞（GOV）、IF、主語（SUBJ）と配列されてい
る場合は、上記単語“IF”に名詞節を導びくIF
を表わす構文的役割子NIFが付与されることを示
す。同様にして項番３，４，５，６には副詞節を
導びくIFを表わす構文的役割子ADIF及び名詞節
を導びくTHATを表わす構文的役割子NTHAT
が付与される規則が示されている。 さて第２０Ａ図の英文テキストの場合、ノード
NS(7)の単語の前後には、接続詞テーブル（第８
Ｂ図）の項番１のパターンと一致する構文的役割
子列パターンが存在する。従つて上述のステツプ
1104の処理を実行することによつてノードNS(7)
には、構文的役割子BUTが付与される。なお、
ノードNS(6)と、NS（20）についてはそれぞれ品
詞（COMとPRD）をみて、自動的に句続点を表
わす構文的役割子（DEL）が付与される。接続
詞をもつすべてのノードについて接続詞テーブル
の検索が終了したかどうかを判定し、（ステツプ
1105）その結果、終了した場合にはステツプ1106
に進む。このステツプ1106では、今迄の処理で構
文的役割子が付与されなかつたノード、つまり副
詞（ADV）及び前置詞的（PRENAL）の句品詞
を有するノードに、構文的役割子が未だ定まらな
いことを表わす未確定修飾子（PENDM）が付与
される。第２０Ａ図に示す英文テキストの例で
は、ノードNS（21），NS（25），NS（26）にそれぞ
れ未確定修飾子（PENDM）が付与される。 次にステツプ1107において、接続詞族ノード、
（たとえばAND，BUT，OR，ADIF，HTHAT
等の構文的役割子をもつノード）により区切られ
た構文的役割子列パターンの中に、節パターン及
び準節パターンがあるかどうか検索し、存在する
場合には節及び準節パターンテーブル（以下単に
節パターンテーブルという）を参照し、その節又
は準節に「ノードカテゴリー」、「節又は準節の構
文的役割子」及び「節又は準節のタイプ」を付与
する。 節パターンテーブルの一例を第８Ｃ図に示す。
同図の項番１は、接続詞又は句読点により区切ら
れた構文的役割子列パターンの前に位置する接続
詞（以下先行接続詞という）の構文的役割子が
「AND，OR，BUT又は接続詞が無い（φ）」と
きで、且つ上記構文的役割子列パターンが「主語
（SUBJ）＋中心動詞（GOV）」の場合には、この
パターンをまとめて新たな親ノードを形成し、こ
の親ノードのカテゴリーとして「文（Ｓ）」、親ノ
ードの構文的役割子として文章が完成したことを
表わす「SENT」、文のタイプとしては中心動詞
（GOV）のタイプ番号（＃）たとえば「TYP1」
を付与すべきことを示している。節、文のタイプ
は、その節や文を支配している動詞（中心動詞
（GOV））のタイプと同じく定められる。動詞の
タイプ番号と例とについては表１(A)に示した。 同様に項番２は、親ノードのカテゴリーが「文
（Ｓ）」構文的役割子は文が完成したことを表わす
「SHNT」そして、文のタイプとしては、中心動
詞（GOV）のタイプ番号（＃）たとえば
「TYP2」なる場合の、子ノードの構文的役割子
列を表わす。 項番４は、接続詞又は句読点までの構文的役割
子列のパターンが「TO不定詞型の中心動詞
（TOGOV）」＋「TO不定詞型の目的語
（TOOBJ）」の場合であつて、そのパターンに先
行するノードの構文的役割子が「中心動詞
（GOV）」又は「ING型の中心動詞（INGGOV）」
の場合、そのパターンをまとめて親ノードとし、
その親ノードのカテゴリーを「準節（Ｑ）」、構文
的役割子を「目的語（OBJ）」、準節のタイプと
しては中心動詞（TOGOV）のタイプ番号（＃）、
たとえば「TYP6」を付与すべきことを示してい
る。 項番６は、区切られたノード列の構文的役割子
列のパターンが「主語（SUBJ）＋中心動詞
（GOV）＋補語（COMP）」であつて、そのパター
ンに先行するノードの構文的役割子が「ADIF
（副詞節を導びくIF）」である場合、このパター
ンをまとめて親ノードを形成し、その親ノードに
カテゴリーとして「節(C)」、構文的役割子として
「CADV（clausual adverb）」、節のタイプとして
は中心動詞（GOV）のタイプ番号（＃）、たとえ
ば「TYP2」を付与すべきことを示している。 再び第１９図の説明に戻り、ステツプ1107で行
われる処理を具体的に述べる。第２０Ａ図に示す
英文テキストの場合、ノードNS(1)，NS(2)，NS
(3)の構文的役割子列のパターンは、第８Ｃ図の項
番３のパターンと一致する。従つてこれらのノー
ドNS(1)，NS(2)，NS(3)をまとめて新しい親ノー
ドNS（27）が形成され、＊11のエリアに格納され
る。又＊13のエリアにはカテゴリーが文であるこ
とを示す情報が格納され、＊14のエリアには文の
タイプTYP7が、＊15のエリアには親ノードは文
が完成していることを表わす構文的役割子SENT
が格納される。 同様にノードNS（22），NS（24）の構文的役割
子列のパターンは第８Ｃ図の項番４のパターンと
一致し、新たに親ノードNS（28）が作られる。こ
の親ノードNS（28）には、カテゴリーとして、準
節、準節のタイプはTYP6、構文的役割子は目的
語（OBJ）が付与される。 さらに、ノードNS(8)，NS(9)，NS（28）の構文
的役割子列のパターンが第８Ｃ図の項番３のパタ
ーンと一致することが検出され上述と同様に、新
たな親ノードNS（29）がつくられ検索の結果得ら
れた情報がその親ノードNS（29）の各エリアに格
納される。 このようにしてステツプ1107では、構文的役割
子列から文、節又は準節が検出され、節パターン
に新たなノード番号を付与する。ここでは詳しく
説明しないが、新しい親ノードが生成された場合
は前に説明した手順と同様にして、句要素列テー
ブル４０５の子ノードを消去し、その代りに新し
く生成された親ノードを置き換える処理が行われ
る。この場合親ノードには子ノードへのポインタ
の情報が格納される。従つてステツプ1107の終了
した時点において句要素列テーブル４０５におけ
るノードの配列は、順にNS（27），NS（21），NS
(6)，NS(7)，NS（29），NS（25），NS（26），NS
（20）となる。 次にステツプ1108に進み、節ノードが副詞節
（CADV）あるいは形容詞節（CADJ）となると
きにはこれらに未確定修飾子（PENDM）を付与
する処理が実行される。第２０Ａ図に示す英文テ
キストの場合には副詞節及び形容詞節はないので
新たに未確定修飾詞を付与されるノードはない。 ステツプ1109では、接続詞等で区切られるすべ
ての構文的役割子列パターンについて検索が行わ
れたか否か判定され、その結果YESの場合には、
最後の処理ステツプ1110に進む。ここでは、ステ
ツプ1107の処理の結果得られた節パターンが、予
め定められた骨格パターンと一致するかどうか判
定し、一致した場合には新しいノードが生成され
る。この判定には第８Ｄ図に示す骨格パターンテ
ーブルが用いられる。同図の記号と第２０Ａ図の
メモリエリア格納される情報との対応関係は第２
０Ｂ図に示されている。 すなわち、第２０Ｂ図は、１つのノードに対応
して一つ定まる。第２０Ｂ図は第２０Ａ図中の１
列分（＊11〜＊15を１つずつ縦に並べたもの）の
省略化表記法である。 第２０Ｂ図中の＊14には、単語、句要素の品
詞、または、節、準節、文のタイプ番号が格納さ
れる。 第２０Ｂ図の＊15には構文的役割子が格納され
る。 第２０Ｂ図中の右肩の添字＊13にはノードのカ
テゴリー（Ｗ，Ｐ，Ｑ，Ｃ，Ｓ）が格納される。 第２０Ｂ図中の＊16の分岐表現は、本ノードに
属する子ノードへのポインタを表現している。こ
れは第２０Ａ図中の＊12の部分に格納されている
情報に対応している。 第２０Ｂ図中の＊17の波線表現は、副詞句・節
や形容詞句・節の依存・修飾関係を表現する。す
なわち波線型矢印の尾部にあるノードが、矢印の
頭部にあるノードを修飾することを表現する。 第８Ｄ図の項番１は、「カテゴリーが節(C)とな
つているノード」の前後がφの場合（ノードが無
い場合）、つまり未確定修飾子を付与したノード
を除き、節パターンが１個しかないときは、その
カテゴリー（＊13）を文（Ｓ）に変換すると共
に、テーブルの＊15のエリアには文が完成してい
ることを示す構文的役割子（SENT）を格納すべ
きことを示している。 項番２は、カテゴリーが文（Ｓ）となつている
ノードの次に構文的役割子が句読点（DEL）と
なつているノード、その次にAND，BUT，OR
等を構文的役割子としてもつノード、その次にカ
テゴリーが文（Ｓ）となつているノード、その次
に句読点（DEL）を構文的役割子としてもつノ
ードのようなノードのパターンが検出されたとき
には、これらをまとめて新しいノードを生成し、
その新しいノードのカテゴリー（＊13）には文
（Ｓ）、＊14のエリアには重文であることを示す情
報（COMPD）＊15のエリアは文章として完成し
ていることを表わす構文的役割子SENTを格納す
べきことを示している。 さて、第２０Ａ図に示す英文テキストの場合、
未確定修飾子のノードを除くノード列NS（27），
NS(6)，NS(7)，NS（29），NS（20）のパターンは
第８Ｄ図の項番２のパターンと一致することが検
出される。従つてこれらのノード列をまとめて新
しいノードNS（30）を生成し、その各エリア＊
13，＊14，＊15に新しい情報が書き込まれる。 かくして、第２０Ａ図に示す英文テキストは、
未確定修飾子を付与したノードを除くすべてのノ
ードが単一のノードNS（30）にまとめられたこと
になる。このノードNS（30）は１つの英文型骨格
パターンと呼ばれる。 以上のように、構文的役割子の概念を導入し、
句要素品詞列を構文的役割子列に変換した後に
文、節、準節を検出し、更に文、節、準節からの
文の骨格パターンを形成しているので、複雑な英
文に対しても容易且つ正確に、種々のパターン設
定、変更が可能である。又、骨格パターンは、形
容詞、副詞のように相手を修飾する構文的役割
子、すなわち未確定修飾子をもつものを除いた句
要素により構成されるので、骨格パターンの種類
があまり多くならない。 (7) 依存・修飾関係認識 依存・修飾関係認識とは、前述の英文型パター
ン認識の段階で、構文的役割子として未確定修飾
子（PENDM）を付与されたノードが、どのノー
ドの単語、句、節等を修飾しているのかを認識、
決定する処理をいう。 第２１図は依存・修飾関係認識の処理手順を示
す。ステツプ1120では、ノードNS（ｉ）が、構文
的役割子として未確定修飾子（PENDM）を持つ
ものかどうか判定される。この判定の結果、
YESであればステツプ1121に進み、依存・修飾
関係の認識処理が実行される。一方、NOの場合
には、ステツプ1122に進み、すべてのノードにつ
いてステツプ1120の処理が修了したかどうか判定
される。もちろん、これが完了していない場合に
はステツプ1120にもどり、同様の処理が繰り返さ
れる。 第２０Ａ図に示したテキストを例にとつて説明
すると、この英文の場合、ノードNS（21），NS
（25），NS（26）が、ステツプ1120の処理の結果、
修飾先未決定と判定される。これらのノードの修
飾先は、辞書メモリ３００（第３図参照）に格納
された依存・修飾関係認識用テーブルを参照して
決定される。 表２は依存・修飾関係認識用テーブルの一実施
例を示す。同表の項番１は、ノードNS（ｉ）に関
する条件として、カテゴリーが単語（Ｗ）、句要
素（Ｐ）、準節（Ｑ）、節(C)のいずれかであつて、
その品詞が副詞（ADV）で且つ、そのノードが
文頭にあるか或いはそのノードの前に句
ーブルの内部構成を示す。同図から判るように各
単語・連語はそれぞれワードレコードを含む。各
ワードレコードは第１４Ｂ図に示すような情報を
含んでいる。一例として単語“WRITE”につい
てのワードレコードを説明する。単語／連語の区
別指示子には単語である旨の情報（単）が書き込
まれる。語の識別番号は入力テキストストリーム
テーブル４０２（第９図参照）においてその語が
何番目に出現するかを表わすので、この場合は(2)
が書き込まれる。更に語長の欄は、単語又は連語
を構成する文字数を表わし、“WRITE”の場合
は(5)が書き込まれる。先頭文字の文字番号の欄は
入力テキストストリームテーブル４０２（第９
図）において、“WRITE”の頭文字“Ｗ”の位
置する番地(4)が書き込まれる。更に多品詞の個数
の欄には動詞（Ｖ）と品詞（Ｎ）の２つであるの
で(2)が書き込まれる。この他、品詞の細分類、多
義性の個数、各品詞に対応する先頭訳語部（第４
Ｂ図参照）へのポインタがそれぞれの欄に書き込
まれる。 第１３図に戻り、ステツプ1061においては、
WS（ｍ）の番号の単語が多品詞かどうか判定す
る。周知のように各単語及び連語は多品詞をもつ
ことが多く、従つて、この場合には一つの最も適
切な品詞を選ぶ処理を行わなければならない（以
下この処理を多品詞解消処理と称する）。この多
品詞解消処理を実行するために本発明方式では辞
書メモリ３００に格納された品詞認識用パターン
表（第６Ａ図参照）が用いられる。単語又は連語
が多品詞をもつ場合、ステツプ1062において、品
詞名の１つがテスト用バツフアメモリ（作業用メ
モリの一部が用いられるがここでは図示しない）
にセツトされる。ステツプ1063においてはテスト
用バツフアメモリにセツトされた品詞列と、第６
Ａ図に示した禁制品詞列パターンとが順次比較さ
れ、一致するパターンを探す。第９図に示す入力
テキストの“ENGLISH”の多品詞解消処理を行
う場合を例にとつて説明する。“ENGLISH”は
名詞（Ｎ）及び形容詞（ADJ）の２つの品詞を
有する。まず“ENGLISH”の前後の２つずつの
単語、つまり“HE”，“WROTE”と“VERY”，
“SLOWLY”の品詞，代名詞（PRN）、動詞
（V7）と副詞（ADV）、副詞（ADV）をそれぞれ
テキスト用バツフアにセツトする。この状態を第
６Ｂ図に示す。ここで動詞（V7）の添字(7)は、
動詞の品詞細分類を示し、目的語をとる他動詞で
あることを表示している。テスト用バツフア（第
６Ｂ図）の＊の位置に形容詞（ADJ）をセツト
した後、第６Ａ図に示した禁制品詞列パターンと
比較される。この結果、第６Ｂ図の品詞列パター
ンは第６Ａ図の項番７のパターンと合致し、（−，
V7，ADJ，−，−）なるパターンは禁制されるこ
とが検知される。従つて“ENGLISH”の単語
が、この文章においては形容詞をとり得ないこと
が認識される。次にテスト用バツフア（第６Ｂ
図）の＊の位置に名詞（Ｎ）をセツトして再び禁
制品詞列パターンと比較される。この場合にはい
ずれの禁制品詞列パターンとも合致しないことが
最終的に検知され、“ENGLISH”の品詞は名詞
であると決定される。 再び第１３図に戻り、ステツプ1064において、
更に第６Ａ図に示した禁制解除条件１，２を満足
しているかどうか判定される。 こうして禁制品詞列パターンに合致し、且つ解
除条件も満足しない場合には適切な品詞の候補か
ら消去される（ステツプ1065）。品詞の候補が残
つている場合はステツプ1062に戻り同様の処理が
繰り返される。この処理によつて最後に１個だけ
の品詞が残つたかどうかを判定し（ステツプ
1067）、YESの場合には残つた品詞をWS（ｍ）番
地の単語又は連語の品詞と決定する（ステツプ
1069）。 ２個以上の品詞が最終的に残つた場合にはステ
ツプ1070に進み、ここで第１５図のような優先度
表による品詞決定が行われる。２つの品詞、例え
ば形容詞（ADJ）と名詞（Ｎ）とが残つてしま
つた場合、ADJを見出し語とする第３行と、Ｎ
を見出しとする第２列とを査読することにより
ADJ＞Ｎなる関係、つまりADJの方がＮよりも
優先度が高いということになり結局ADJが採用
されることになる。 以上、多品詞解消処理の一例について述べたが
この処理の効率、成功率を高めるために下記のよ
うな処理をすることもできる。 (1) テスト用バツフアメモリに候補となる品詞を
セツトする際、出現頻度の高い順にセツトする
ことにより処理効率を上げることができる。 (2) 第１５図に示した優先度表は、２個以上の品
詞が最終的に残つた場合に使用するものとして
説明したが、品詞の候補が最終的に全部消去さ
れてしまつた場合にも、もとの品詞候補全体に
対して第１５図の表を用い、最も高い優先度の
品詞を採用することができる。 以上述べたように、単語及び連語の品詞の認識
に禁制品詞列パターンを用い、更に必要に応じて
優先度テーブルを用いているので、品詞認識処理
を迅速且つ正確に実行できる。 (4) 句構造認識 句構造認識とは、英文入力テキストの各単語及
び連語に唯一の品詞を与えることによつてつくら
れた品詞列から句要素に相当する部分を切り出す
処理、および、それらに新たな句要素品詞を付与
することにより、“品詞付けされた句要素列（句
要素品詞列）”を生成する処理をいう。ここで句
要素とは前述のように、英文法の句の概念とは異
なり、言語的意味をもつ最小単位の単語、又は／
及び連語の組み合せよりなるものである。例えば
名詞＋名詞、助動詞＋動詞、冠詞＋名詞、形容詞
＋名詞、前置詞＋名詞等は句要素を形成する。 つまり、従来の英文法では、“句”という概念
は、かなりゆるやかな定義機能しか持つておら
ず、与えられた英文テキストに対して、どの部分
が“句”かについて一意に定めることができな
い。例えば本発明でいう“中心動詞となつている
句要素”と、“その目的語となつている句要素”
は、従来の英文法ではそれぞれ単独でも“句”で
あるが、同時にまたそれらを連結したものも
“句”である。英文例をあげると“助動詞＋動詞
＋冠詞＋形容詞＋名詞”（will have ａ
beautiful girl）は、英文法の“句（動詞句）”と
みなされるが、本発明でいう“句要素”ではな
い。“助動詞＋動詞”（will have）と“冠詞＋形
容詞＋名詞”（ａ beautiful girl）とが“句要
素”である。 さらに多くの句を連結させた句、互いに重複し
た部分をもつ異なる句なども、従来の英文法では
定義され得る。 これに対し本発明では、中心動詞と、その目的
語とは、あくまでも別個の“句要素”である。本
発明でいう“句要素”は一般に、与えられた英文
テキストに対して、一意に、ただ一つ、互いに重
複することなく定まるものであり、これらの組み
合せを、文型認識ならびに文型変換の基礎データ
としている。 このことにより、句構造認識の処理を簡単かつ
明確にすることができる。 第１６図は句構造認識の処理の流れを示す。ま
たステツプ1080において、ワードストリームメモ
リエリア４０３の各単語及び連語のワードレコー
ドが、ノードストリームメモリエリア４０４にセ
ツトされる。第１７図はセツトはされた状態を模
式図として示したもので＊１の行に示したNS(1)，
NS(2)…NS（20）はノード番号である。又＊２の
行には対応する単語が格納されているが、実際に
はワードストリームテーブル（第１４Ａ図、第１
４Ｂ図参照）へのポインタの情報が格納される。
＊３の行にはノードのカテゴリー、つまり単語
（Ｗ）、句要素（Ｐ）、節(C)、準節（Ｑ）、文（Ｓ）
の区別を表わす情報が格納される。＊４の行には
品詞情報及び品詞細分情報が格納される。 以後、このノードストリームメモリエリア４０
４にセツトされた情報をもとにして句要素が切出
されていく。ステツプ1081において、ノードの最
末尾の番地に＋１した番号をｋにセツトする。す
なわち、この処理により入力英文テキストは、ピ
リオドやコンマも含めて（ｋ−１）個の単語及び
連語から構造されたことになる。次にステツプ
1082において、ノード番号NS(1)，NS(2)，…NS
（ｋ−１）を句要素列テーブルエリア４０５にセ
ツトする。ステツプ1083において、句要素列テー
ブルにセツトされたノード番号のうち、ｎ以上の
番号から（ｋ−１）に至るまでの番号をC1，C2，
C3…Ck-oとする。ただし、ｎは繰返しが行われる
直前にｎ＝１に初期化されている。さらにノード
NS（C1），NS（C2），…の品詞列パターンに関し
て、第７Ａ図に示した句要素として切出すべき品
詞パターンと合致するものが存在するかどうか判
定する。例えばｎ＝１の場合はHEから始まる文
の品詞列、PRN，Ｖ，Ｎ…と登録パターンとが
比較され、ｎ＝２の場合はWRITEから始まる文
の品詞列Ｖ，Ｎ，ADV，…と登録パターンとが
比較される。品詞列が第７Ａ図に示す品詞パター
ンの２個以上と合致した場合には、より長い品詞
パターンと一致するものを句要素として切出す。
第１７図に示した英文テキストの場合にはｎ＝４
のとき、つまりVERYから始まる文の品詞列が
ADV，ADV，COM，…となり、第７Ａ図の登
録パターンの項番１と一致するので、“VERY
SLOWLY”が句要素として認識される。同様に
して、“TO STUDY”，“TO READ AND
WRITE”，“IN ENGLISH”，“AT SCHOOL”
もそれぞれ句要素として認識される。 さて、ステツプ1084においては、登録した句要
素の品詞パターンと一致したノードの並びNS
（C1），NS（C2）…をまとめて新たなノードNS
（ｋ）をつくりこれを句要素列テーブルにセツト
する。 新しく生成されたノードNS（ｋ）を親ノードと
称する。また元のノードNS（C1），NS（C2）…を
子ノードと称する。第１７図のテキストの例では
NS(4)とNS(5)をまとめて新たなノードNS（21）を
つくる。このノードの句要素の品詞は第７Ａ図の
テーブルより副詞（ADV）が付与される。新た
に形成された親ノードには新たなノード番号が付
与されると同時に、子ノードの番号も登録され
る。つまりノードNS（21）のメモリエリアに格納
される情報は、このノードNS（21）がノードNS
(4)とNS(5)からつくられたものであること、この
ノードが句要素であること（Ｐ）、句要素の品詞
は副詞（ADV）であること等である。 一方、ステツプ1083において、NOと判定され
た場合はステツプ1086に進み、NS（C1）そのも
のを句要素とみなす。つまり、この場合には新し
いノードの生成はしない。 次にステツプ1085においては、新しく生成され
た親ノードを子ノードに置換して句要素列テーブ
ルを修正する処理が行われる。かくして、当初句
要素列テーブルには１，２，３，４，…19，20の
順にノードの番号が並んでいたものが、新しい句
要素の生成により１，２，３，21，６，７，８，
９，22，24，25，26，20の番号順に並びかえられ
る。（第１７図参照）。 なお、英文テキストが、例えば“Do you
know…”のような場合には“Do”と“know”
が句要素を形成する。従つて必ずしも連続した位
置にある複数の単語によつて句要素が形成される
とは限らない。 以上のように、従来の英文法における句とは異
なる概念である「句要素」を定義し、入力英文テ
キストを「句要素」の単位で切出し、句要素品詞
を形成した後、骨格パターンを作つているので、
骨格パターンの形成に至る処理及び和文生成の処
理が容易になる。従来の英文法における概念で
は、名詞を含む名詞句、名詞句を含む動詞句など
があり、句の切出しが困難である。 (5) 連語辞書再検索 句構造認識の処理が終了した後に、もう一度連
語辞書検索の処理が行われる。連語辞書検索を行
う理由は次の通りである。 英文中に出現する連語、つまり単語の連なりに
より単語と同様の意味や作成をなすものには２つ
のタイプがある。１つは“MAKE USE OF”の
如く、固定された単語列よりなる連語であり、他
の１つは、“TAKE〜INTO
CONSIDERATION”のように、ある一定の性
質をもつ単語や句や節を上記〜の部分に取り込ん
でから初めて完成された連語を形成するものであ
る。説明の便宜上、前者を固定型連語、後者を可
変型連語と称する。上記〜の部分には名詞句ある
いは名詞節がとりこまれる。第５Ｃ図に示すよう
に連語辞書には名詞を表わす品詞記号“Ｎ”を用
いて“TAKE ！Ｎ INTO
CONSIDERATION”と記述される。ここで
“！”の印は通常の単語のつづりと区別するため
の符号である。 前述のように、固定型連語の検索処理は、辞書
検索の段階ですでに済んでいるが、可変型連語の
処理を行うためには、句構造認識が終了した後に
再び連語辞書を検索する必要がある。 第１８図は連語辞書再検索の処理手順を示す。
まずステツプ1090において、入力テキストの英文
の単語数ｋを作業メモリ４００の適当なエリアに
セツトする。次にステツプ1091において、ノード
NS（ｉ）（第１７図参照）にある単語を見出し語
とする可変型連語が存在するかどうか判定され
る。ただし、ｉは繰り返しが行われる直前にｉ＝
１に初期化されている。もし存在しない場合は、
ステツプ1096，1097に進み、全部の単語数につい
て終了するまで同じ判定が繰り返される。 入力テキストの英文が例えば“THE
TEACHER TAKES HIS GOOD ATTITUDE
INTO CONSIDERATION”の場合、“TAKE”
を見出し語とする連語辞書検索で連語が存在する
ことが確認される（TAKE OUT，TAKE IN，
TAKE ！Ｎ INTO CONSIDERATION等の
連語がある。）。次にステツプ1092において、ノー
ドNS（ｉ）の前後に存在する句要素をつなげる
と、可変型連語辞書にあるパターンと一致するか
どうか判定する。上記の例の場合、“HIS GOOD
ATTITUDE”は句構造認識名詞句（Ｎ）と認識
されているので、連語辞書パターンの“TAKE
！Ｎ INTO CONSIDERATION”と一致す
る。（第５Ｃ図参照）。入力英文テキストが複数個
の可変型連語パターンと一致する場合には、最も
長い可変型連語パターンを採用する（ステツプ
1093）。更にステツプ1094では、可変型連語辞書
の連語と一致する入力テキストの部分を新しいノ
ード（親ノード）とすると共に、新しく生成され
た親ノードを子ノードと置換して句要素テーブル
を修正する。つまり、可変型連語パターンと対応
する子ノード群を句要素テーブルから除去し、代
りに新しい親ノードを代入する。新しいノードの
生成があつた場合には、そのノードを形成してい
る最後の単語、すなわち上記の例では
“CONSIDERATION”の次の句要素から再び連
語辞書検索が行われる（ステツプ1095，1096，
1097）。 以上説明した連語辞書検索の処理により、最終
的な句要素列テーブルが作られる。 以上述べたように、連語辞書として固定連語辞
書の他に可変連語辞書を有し、句要素切出しの後
に可変連語辞書の検索を行つているので、あらゆ
る連語の検出が少ない辞書容量で可能になる。す
なわち上記の例の場合、句要素の概念を導入しな
ければ、！Ｎに相当するすべての品詞列パターン
を辞書に用意しておく必要があり、辞書容量は莫
大になる。また品詞列パターンを用意してなけれ
ば、正確な翻訳ができないことになる。 これ迄の一連の処理で品詞認識の処理が完了す
るので、品詞認識用の規則の変更・増補を、以降
の文型パターン認識の処理等に使用する文型パタ
ーンの変更・増補と独立に設計することができ
る。 (6) 英文型パターン認識 英文型パターン認識とは、ノードNS（ｉ）を複
数個ずつまとめ、予め定められた英文のパターン
に分類する処理をいう。この英文型パターン認識
は、各ノードに構文的役割子を付与する段階と、
この構文的役割子の配列から文、接、準節を見い
出す段階とに分けて考えることができる。ここ
で、構文的役割子とは、句要素テーブル内の各ノ
ードが、文章の内部でどのような役割をもつてい
るのか、つまり主語（SUBJ）、中心動詞
（GOV）、目的語（OBJ）等のどれに相当するの
かを表わすものである。 次に英文型パターン認識の処理の流れを第１９
図及び第２０Ａ図を用いて説明する。 前述の句構造認識処理の結果、句要素列テーブ
ルメモリエリア４０５には第２０図の＊11，＊
12，＊13，＊14，＊15の各行のように情報が格納
されている。＊11の行エリアにはノード番号の情
報が格納される。＊12の行エリアには各ノードに
対応する単語又は連語が格納されるが、実際には
ノードストリームテーブルへのポインタの情報が
格納される。＊13の行エリアにはノードのカテゴ
リー、つまり、単語（Ｗ）、句要素（Ｐ）、節(C)、
準節（Ｑ）、文（Ｓ）の区別を表わす情報が格納
されている。＊14の行エリアには、単語・連語の
品詞、あるいは準節、節、文のタイプ番号が格納
されている。＊15の行エリアには英文型パターン
認識の処理の過程で得られる構文的役割子の情報
が格納される。 第１９図のステツプ1100においては、句要素テ
ーブル４０５内の各ノードの品詞を順次調べ、動
詞族（動詞及びTO＋動詞など）の品詞をもつも
のが検出される。第２０Ａ図に示した例ではノー
ドNS(2)，NS(9)，NS（22），NS（24）が動詞族で
ある。次にステツプ1101では、検出された動詞族
ノードの動詞の細分情報（すなわち動詞のタイ
プ）を見出し語（エントリー）として動詞パター
ンテーブルを検索することによつて、動詞族ノー
ド及びその前後のノードの構文的役割子を決定す
る。 動詞パターンテーブルの一例を第８Ａ図に示さ
れている。項番１は見出し語の動詞がbe動詞の
タイプ（V1）であり、かつ、その前後に、「名詞
（Ｎ）または代名詞（PRN）」と「名詞（Ｎ）ま
たは代名詞（PRN）」がある場合、より詳しく換
言すればノード列NS（ｉ）、NS（ｊ）、NS（ｋ）の
品詞が順に名詞（Ｎ）または代名詞（PRN）、動
詞（V1）、名詞（Ｎ）または代名詞（PRN）の
場合、ノードNS（ｉ）には主語（SUBJ）、NS
（ｊ）には中心動詞（GOV）、NS（ｋ）には補語
（COMP）の構文的役割子がそれぞぞれ付与され
ることを示している。また項番３には見出し語が
自動詞タイプ（V3）であり、かつ、その前に名
詞（Ｎ）または代名詞（PRN）ノードがある場
合、より詳しく換言すれば、ノードNS（ｉ），NS
（ｊ）の品詞が順に「名詞または代名詞」、「動詞」
である場合には、ノードNS（ｉ）に主語
（SUBJ）、NS（ｊ）に中心動詞（GOV）の構文
的役割子を付与すべきことを示している。又項番
４は、ノードNS（ｉ），NS（ｊ）の品詞が共に不
定詞の形をとる動詞の場合には、NS（ｉ）に不定
詞形の中心動詞（TOGOV）、NS（ｊ）に不定詞
形の目的語（TOOBJ）の構文的役割子が付与さ
れることを示している。 さて、第２０Ａ図に示した英文テキストの例で
は、ノードNS(1)，NS(2)，NS(3)の品詞がそれぞ
れ代名詞（RRN）、動詞（V7）、名詞（Ｎ）であ
るため、第８Ａ図の項番６の品詞列と一致するこ
とが検出される。従つてNS(1)に主語（SUBJ）、
NS(2)に中心動詞（GOV）、NS(3)に目的語
（OBJ）の構文的役割子が付与されメモリエリア
＊15に格納される。更にノードNS（22），NS（24）
の品詞列は項番４のパターンに一致し、ノード
NS（22）にTOGOV、NS（24）にTOOBJの構文
的役割子が付与される。同様にしてノードNS(8)，
NS(9)にも構文的役割子が付与される。なお、第
８Ａはごく一部の動詞パターンを示したに過ぎ
ず、実際には多数のパターンが用意される。 このようにして、第１９図のステツプ1101の処
理の結果、動詞の前後のノードNS(1)，NS(2)，
NS(3)，NS(8)，NS(9)，NS（22），NS（24）の構文
的役割子が決定し、その他のノードは未決定のま
まである。ステツプ1102において、すべての動詞
族ノードについて動詞パターン表の検索が行われ
たかどうか判定し、YESの場合にはステツプ
1103に進む。このステツプ1103では句要素テーブ
ル４０５内の残りのノードの品詞を順次調べ、接
続詞（CNJ）の品詞をもつものを検出する。更
にステツプ1104において、検出された接続詞族ノ
ードについて接続詞パターンテーブルを検索する
ことにより、接続詞族ノードの構文的役割子を決
定する。 接続詞パターンテーブルの一例を第８Ｂ図に示
す。同図の項番１は、接続詞（CNJ）の単語綴
りが“BUT”であり、この前後の構文的役割子
列パターンが、句続点（DEL），BUT、主語
（SUBJ）、中心動詞（GOV）であつた場合、単
語BUTには等位接続詞を表わす構文的役割子
BUT（単語と同綴りの記号）を付与すべきことを
示している。項番２は、接続詞の単語綴りが
“IF”であり、この単語の前後の構文的役割子列
パターンが、主語（SUBJ）、タイプ８の中心動
詞（GOV）、IF、主語（SUBJ）と配列されてい
る場合は、上記単語“IF”に名詞節を導びくIF
を表わす構文的役割子NIFが付与されることを示
す。同様にして項番３，４，５，６には副詞節を
導びくIFを表わす構文的役割子ADIF及び名詞節
を導びくTHATを表わす構文的役割子NTHAT
が付与される規則が示されている。 さて第２０Ａ図の英文テキストの場合、ノード
NS(7)の単語の前後には、接続詞テーブル（第８
Ｂ図）の項番１のパターンと一致する構文的役割
子列パターンが存在する。従つて上述のステツプ
1104の処理を実行することによつてノードNS(7)
には、構文的役割子BUTが付与される。なお、
ノードNS(6)と、NS（20）についてはそれぞれ品
詞（COMとPRD）をみて、自動的に句続点を表
わす構文的役割子（DEL）が付与される。接続
詞をもつすべてのノードについて接続詞テーブル
の検索が終了したかどうかを判定し、（ステツプ
1105）その結果、終了した場合にはステツプ1106
に進む。このステツプ1106では、今迄の処理で構
文的役割子が付与されなかつたノード、つまり副
詞（ADV）及び前置詞的（PRENAL）の句品詞
を有するノードに、構文的役割子が未だ定まらな
いことを表わす未確定修飾子（PENDM）が付与
される。第２０Ａ図に示す英文テキストの例で
は、ノードNS（21），NS（25），NS（26）にそれぞ
れ未確定修飾子（PENDM）が付与される。 次にステツプ1107において、接続詞族ノード、
（たとえばAND，BUT，OR，ADIF，HTHAT
等の構文的役割子をもつノード）により区切られ
た構文的役割子列パターンの中に、節パターン及
び準節パターンがあるかどうか検索し、存在する
場合には節及び準節パターンテーブル（以下単に
節パターンテーブルという）を参照し、その節又
は準節に「ノードカテゴリー」、「節又は準節の構
文的役割子」及び「節又は準節のタイプ」を付与
する。 節パターンテーブルの一例を第８Ｃ図に示す。
同図の項番１は、接続詞又は句読点により区切ら
れた構文的役割子列パターンの前に位置する接続
詞（以下先行接続詞という）の構文的役割子が
「AND，OR，BUT又は接続詞が無い（φ）」と
きで、且つ上記構文的役割子列パターンが「主語
（SUBJ）＋中心動詞（GOV）」の場合には、この
パターンをまとめて新たな親ノードを形成し、こ
の親ノードのカテゴリーとして「文（Ｓ）」、親ノ
ードの構文的役割子として文章が完成したことを
表わす「SENT」、文のタイプとしては中心動詞
（GOV）のタイプ番号（＃）たとえば「TYP1」
を付与すべきことを示している。節、文のタイプ
は、その節や文を支配している動詞（中心動詞
（GOV））のタイプと同じく定められる。動詞の
タイプ番号と例とについては表１(A)に示した。 同様に項番２は、親ノードのカテゴリーが「文
（Ｓ）」構文的役割子は文が完成したことを表わす
「SHNT」そして、文のタイプとしては、中心動
詞（GOV）のタイプ番号（＃）たとえば
「TYP2」なる場合の、子ノードの構文的役割子
列を表わす。 項番４は、接続詞又は句読点までの構文的役割
子列のパターンが「TO不定詞型の中心動詞
（TOGOV）」＋「TO不定詞型の目的語
（TOOBJ）」の場合であつて、そのパターンに先
行するノードの構文的役割子が「中心動詞
（GOV）」又は「ING型の中心動詞（INGGOV）」
の場合、そのパターンをまとめて親ノードとし、
その親ノードのカテゴリーを「準節（Ｑ）」、構文
的役割子を「目的語（OBJ）」、準節のタイプと
しては中心動詞（TOGOV）のタイプ番号（＃）、
たとえば「TYP6」を付与すべきことを示してい
る。 項番６は、区切られたノード列の構文的役割子
列のパターンが「主語（SUBJ）＋中心動詞
（GOV）＋補語（COMP）」であつて、そのパター
ンに先行するノードの構文的役割子が「ADIF
（副詞節を導びくIF）」である場合、このパター
ンをまとめて親ノードを形成し、その親ノードに
カテゴリーとして「節(C)」、構文的役割子として
「CADV（clausual adverb）」、節のタイプとして
は中心動詞（GOV）のタイプ番号（＃）、たとえ
ば「TYP2」を付与すべきことを示している。 再び第１９図の説明に戻り、ステツプ1107で行
われる処理を具体的に述べる。第２０Ａ図に示す
英文テキストの場合、ノードNS(1)，NS(2)，NS
(3)の構文的役割子列のパターンは、第８Ｃ図の項
番３のパターンと一致する。従つてこれらのノー
ドNS(1)，NS(2)，NS(3)をまとめて新しい親ノー
ドNS（27）が形成され、＊11のエリアに格納され
る。又＊13のエリアにはカテゴリーが文であるこ
とを示す情報が格納され、＊14のエリアには文の
タイプTYP7が、＊15のエリアには親ノードは文
が完成していることを表わす構文的役割子SENT
が格納される。 同様にノードNS（22），NS（24）の構文的役割
子列のパターンは第８Ｃ図の項番４のパターンと
一致し、新たに親ノードNS（28）が作られる。こ
の親ノードNS（28）には、カテゴリーとして、準
節、準節のタイプはTYP6、構文的役割子は目的
語（OBJ）が付与される。 さらに、ノードNS(8)，NS(9)，NS（28）の構文
的役割子列のパターンが第８Ｃ図の項番３のパタ
ーンと一致することが検出され上述と同様に、新
たな親ノードNS（29）がつくられ検索の結果得ら
れた情報がその親ノードNS（29）の各エリアに格
納される。 このようにしてステツプ1107では、構文的役割
子列から文、節又は準節が検出され、節パターン
に新たなノード番号を付与する。ここでは詳しく
説明しないが、新しい親ノードが生成された場合
は前に説明した手順と同様にして、句要素列テー
ブル４０５の子ノードを消去し、その代りに新し
く生成された親ノードを置き換える処理が行われ
る。この場合親ノードには子ノードへのポインタ
の情報が格納される。従つてステツプ1107の終了
した時点において句要素列テーブル４０５におけ
るノードの配列は、順にNS（27），NS（21），NS
(6)，NS(7)，NS（29），NS（25），NS（26），NS
（20）となる。 次にステツプ1108に進み、節ノードが副詞節
（CADV）あるいは形容詞節（CADJ）となると
きにはこれらに未確定修飾子（PENDM）を付与
する処理が実行される。第２０Ａ図に示す英文テ
キストの場合には副詞節及び形容詞節はないので
新たに未確定修飾詞を付与されるノードはない。 ステツプ1109では、接続詞等で区切られるすべ
ての構文的役割子列パターンについて検索が行わ
れたか否か判定され、その結果YESの場合には、
最後の処理ステツプ1110に進む。ここでは、ステ
ツプ1107の処理の結果得られた節パターンが、予
め定められた骨格パターンと一致するかどうか判
定し、一致した場合には新しいノードが生成され
る。この判定には第８Ｄ図に示す骨格パターンテ
ーブルが用いられる。同図の記号と第２０Ａ図の
メモリエリア格納される情報との対応関係は第２
０Ｂ図に示されている。 すなわち、第２０Ｂ図は、１つのノードに対応
して一つ定まる。第２０Ｂ図は第２０Ａ図中の１
列分（＊11〜＊15を１つずつ縦に並べたもの）の
省略化表記法である。 第２０Ｂ図中の＊14には、単語、句要素の品
詞、または、節、準節、文のタイプ番号が格納さ
れる。 第２０Ｂ図の＊15には構文的役割子が格納され
る。 第２０Ｂ図中の右肩の添字＊13にはノードのカ
テゴリー（Ｗ，Ｐ，Ｑ，Ｃ，Ｓ）が格納される。 第２０Ｂ図中の＊16の分岐表現は、本ノードに
属する子ノードへのポインタを表現している。こ
れは第２０Ａ図中の＊12の部分に格納されている
情報に対応している。 第２０Ｂ図中の＊17の波線表現は、副詞句・節
や形容詞句・節の依存・修飾関係を表現する。す
なわち波線型矢印の尾部にあるノードが、矢印の
頭部にあるノードを修飾することを表現する。 第８Ｄ図の項番１は、「カテゴリーが節(C)とな
つているノード」の前後がφの場合（ノードが無
い場合）、つまり未確定修飾子を付与したノード
を除き、節パターンが１個しかないときは、その
カテゴリー（＊13）を文（Ｓ）に変換すると共
に、テーブルの＊15のエリアには文が完成してい
ることを示す構文的役割子（SENT）を格納すべ
きことを示している。 項番２は、カテゴリーが文（Ｓ）となつている
ノードの次に構文的役割子が句読点（DEL）と
なつているノード、その次にAND，BUT，OR
等を構文的役割子としてもつノード、その次にカ
テゴリーが文（Ｓ）となつているノード、その次
に句読点（DEL）を構文的役割子としてもつノ
ードのようなノードのパターンが検出されたとき
には、これらをまとめて新しいノードを生成し、
その新しいノードのカテゴリー（＊13）には文
（Ｓ）、＊14のエリアには重文であることを示す情
報（COMPD）＊15のエリアは文章として完成し
ていることを表わす構文的役割子SENTを格納す
べきことを示している。 さて、第２０Ａ図に示す英文テキストの場合、
未確定修飾子のノードを除くノード列NS（27），
NS(6)，NS(7)，NS（29），NS（20）のパターンは
第８Ｄ図の項番２のパターンと一致することが検
出される。従つてこれらのノード列をまとめて新
しいノードNS（30）を生成し、その各エリア＊
13，＊14，＊15に新しい情報が書き込まれる。 かくして、第２０Ａ図に示す英文テキストは、
未確定修飾子を付与したノードを除くすべてのノ
ードが単一のノードNS（30）にまとめられたこと
になる。このノードNS（30）は１つの英文型骨格
パターンと呼ばれる。 以上のように、構文的役割子の概念を導入し、
句要素品詞列を構文的役割子列に変換した後に
文、節、準節を検出し、更に文、節、準節からの
文の骨格パターンを形成しているので、複雑な英
文に対しても容易且つ正確に、種々のパターン設
定、変更が可能である。又、骨格パターンは、形
容詞、副詞のように相手を修飾する構文的役割
子、すなわち未確定修飾子をもつものを除いた句
要素により構成されるので、骨格パターンの種類
があまり多くならない。 (7) 依存・修飾関係認識 依存・修飾関係認識とは、前述の英文型パター
ン認識の段階で、構文的役割子として未確定修飾
子（PENDM）を付与されたノードが、どのノー
ドの単語、句、節等を修飾しているのかを認識、
決定する処理をいう。 第２１図は依存・修飾関係認識の処理手順を示
す。ステツプ1120では、ノードNS（ｉ）が、構文
的役割子として未確定修飾子（PENDM）を持つ
ものかどうか判定される。この判定の結果、
YESであればステツプ1121に進み、依存・修飾
関係の認識処理が実行される。一方、NOの場合
には、ステツプ1122に進み、すべてのノードにつ
いてステツプ1120の処理が修了したかどうか判定
される。もちろん、これが完了していない場合に
はステツプ1120にもどり、同様の処理が繰り返さ
れる。 第２０Ａ図に示したテキストを例にとつて説明
すると、この英文の場合、ノードNS（21），NS
（25），NS（26）が、ステツプ1120の処理の結果、
修飾先未決定と判定される。これらのノードの修
飾先は、辞書メモリ３００（第３図参照）に格納
された依存・修飾関係認識用テーブルを参照して
決定される。 表２は依存・修飾関係認識用テーブルの一実施
例を示す。同表の項番１は、ノードNS（ｉ）に関
する条件として、カテゴリーが単語（Ｗ）、句要
素（Ｐ）、準節（Ｑ）、節(C)のいずれかであつて、
その品詞が副詞（ADV）で且つ、そのノードが
文頭にあるか或いはそのノードの前に句
【表】
【表】
読点（COM）がある場合には、そのノードの構
文的役割子として副詞的修飾子（ADVAL）を付
与し、番号の最も若いノードで構文的役割子が
SENTなるノードを修飾すべきことを意味してい
る。項番２，３，４，５についてもそれぞれ表に
記載されたように、ノードNS（ｉ）に関する条件
と、そのノードNS（ｉ）が修飾をする相手先のノ
ード番号及びNS（ｉ）に付与される構文的役割子
との関係が予め定められている。 第２０Ａ図に示した英文テキストのノードNS
（25）について考えると、このノードの品詞は前
置詞（PRENAL）であり、且つそのノードの直
前に名詞（Ｎ）のノードがないから表２の項番４
の規則が適用される。従つて、修飾先のノード
は、品詞が動詞族で且つノード番号が25より小さ
い範囲で一番大きいものであるから、結局、ノー
ドNS（24）ということになる。そして上記ノード
NS（25）の構文的役割子はADVALとなる。 同様にノードNS（26）についても表２の項番４
の規則が適用され、修飾先のノードはNS（22）、
構文的役割子はADVALとなる。 ノードNS（21）について適用される規則は、表
２では省略されているが同様の考え方に従つて、
ノードNS(2)を修飾することが最終的に決定され
る。第２０Ａ図において□α〓□βの表示は、αのノ
ードがβのノードを修飾していることを示してい
る。 以上の修飾・依存関係の処理により、ノード間
の関係がすべて定まり、ノード列から遊離したノ
ードは無くなる。 以上のように、構文的役割子の定まらない句要
素、すなわち未確定修飾子に対し、修飾先を定め
るための依存・修飾関係の認識処理を行つている
ので、複雑な修飾関係をもつ文章の翻訳も可能に
なる。 (8) 文型変換 文型変換とは、ノードの配列の順番を英文型パ
ターンから和文型パターンに変換することをい
う。 第２２図は上記文型変換の処理の流れを示す。
まずステツプ1130において句要素列テーブルに最
終的に残つているノード、つまりカテゴリーが
Ｓ、構文的役割子がSENTなるノードを検出し、
そのノード番号をｋとする。第２０Ａ図に示した
英文テキストの場合にはノードNS（30）が最終的
に生成された単一のノードであり、従つてこのノ
ードがNS（ｋ）と表わされる。 次にステツプ1131において、ノードNS（ｋ）の
子ノード列の並びを読み出し、そのノード番号列
を句要素列テーブルにセツトする。第２０Ａ図の
英文テキストの場合、ノードNS（30）の子ノード
列は、NS（27），NS(6)，NS(7)，NS（29），NS
（20）であるからそれらのノード番号27，６，７，
29，20がこの順番に句要素列テーブルにセツトさ
れる。ここでは句要素列テーブルに並べられる番
号の個数をｍ個と仮定する。 更にステツプ1132において、ノードNS（ｋ）の
子ノード列を作業用メモリ400内の英文型ノード
型バツフアエリア４０６にセツトする。 ステツプ1133においては、辞書メモリ３００内
の文型変換用パターンテーブル３０７を検索し、
上記のバツフアエリア４０６にセツトされた子ノ
ード列の構文的役割子の並びと一致する英文型パ
ターンをみつける。上記文型パターンテーブルの
一例は表３に示されており、その内容については
後述する。 ステツプ1134では、一致した英文型パターンに
対応する和文型パターンを文型変換用パターンテ
ーブルにより読み出し、作業用メモリ４００内に
設けられた和文型ノード列バツフアエリア４０７
にセツトする。
文的役割子として副詞的修飾子（ADVAL）を付
与し、番号の最も若いノードで構文的役割子が
SENTなるノードを修飾すべきことを意味してい
る。項番２，３，４，５についてもそれぞれ表に
記載されたように、ノードNS（ｉ）に関する条件
と、そのノードNS（ｉ）が修飾をする相手先のノ
ード番号及びNS（ｉ）に付与される構文的役割子
との関係が予め定められている。 第２０Ａ図に示した英文テキストのノードNS
（25）について考えると、このノードの品詞は前
置詞（PRENAL）であり、且つそのノードの直
前に名詞（Ｎ）のノードがないから表２の項番４
の規則が適用される。従つて、修飾先のノード
は、品詞が動詞族で且つノード番号が25より小さ
い範囲で一番大きいものであるから、結局、ノー
ドNS（24）ということになる。そして上記ノード
NS（25）の構文的役割子はADVALとなる。 同様にノードNS（26）についても表２の項番４
の規則が適用され、修飾先のノードはNS（22）、
構文的役割子はADVALとなる。 ノードNS（21）について適用される規則は、表
２では省略されているが同様の考え方に従つて、
ノードNS(2)を修飾することが最終的に決定され
る。第２０Ａ図において□α〓□βの表示は、αのノ
ードがβのノードを修飾していることを示してい
る。 以上の修飾・依存関係の処理により、ノード間
の関係がすべて定まり、ノード列から遊離したノ
ードは無くなる。 以上のように、構文的役割子の定まらない句要
素、すなわち未確定修飾子に対し、修飾先を定め
るための依存・修飾関係の認識処理を行つている
ので、複雑な修飾関係をもつ文章の翻訳も可能に
なる。 (8) 文型変換 文型変換とは、ノードの配列の順番を英文型パ
ターンから和文型パターンに変換することをい
う。 第２２図は上記文型変換の処理の流れを示す。
まずステツプ1130において句要素列テーブルに最
終的に残つているノード、つまりカテゴリーが
Ｓ、構文的役割子がSENTなるノードを検出し、
そのノード番号をｋとする。第２０Ａ図に示した
英文テキストの場合にはノードNS（30）が最終的
に生成された単一のノードであり、従つてこのノ
ードがNS（ｋ）と表わされる。 次にステツプ1131において、ノードNS（ｋ）の
子ノード列の並びを読み出し、そのノード番号列
を句要素列テーブルにセツトする。第２０Ａ図の
英文テキストの場合、ノードNS（30）の子ノード
列は、NS（27），NS(6)，NS(7)，NS（29），NS
（20）であるからそれらのノード番号27，６，７，
29，20がこの順番に句要素列テーブルにセツトさ
れる。ここでは句要素列テーブルに並べられる番
号の個数をｍ個と仮定する。 更にステツプ1132において、ノードNS（ｋ）の
子ノード列を作業用メモリ400内の英文型ノード
型バツフアエリア４０６にセツトする。 ステツプ1133においては、辞書メモリ３００内
の文型変換用パターンテーブル３０７を検索し、
上記のバツフアエリア４０６にセツトされた子ノ
ード列の構文的役割子の並びと一致する英文型パ
ターンをみつける。上記文型パターンテーブルの
一例は表３に示されており、その内容については
後述する。 ステツプ1134では、一致した英文型パターンに
対応する和文型パターンを文型変換用パターンテ
ーブルにより読み出し、作業用メモリ４００内に
設けられた和文型ノード列バツフアエリア４０７
にセツトする。
【表】
Claims (1)
- 【特許請求の範囲】 １ 語に関する品詞情報及び訳語情報を格納する
辞書メモリと、自然言語によるテキスト文を入力
する入力装置と、前記辞書メモリを参照して、前
記入力装置から入力されたテキスト文の各語にそ
れぞれ品詞を付与する手段と、品詞列の形に変換
された前記テキスト文から言語的意味をもつ最小
単位である句要素を切り出す手段と、前記切り出
した句要素に品詞を付与する手段と、前記テキス
ト文の、前記切り出した句要素に付与した品詞と
前記切り出した句要素に属さない語に付与した品
詞との品詞列から前記テキスト文の構文を定める
手段と、前記テキスト文の構文を翻訳すべき言語
の構文に変換する手段と、前記辞書メモリに格納
されている訳語情報を参照し、前記変換した構文
に対応して前記テキスト文の翻訳文を生成する手
段と、前記生成された翻訳文を出力する出力装置
とからなることを特徴とする自然言語間の自動翻
訳方式。 ２ 特許請求の範囲第１項記載の自然言語間の自
動翻訳方式において、前記辞書メモリに格納され
ている語に関する品詞情報及び訳語情報は、単語
及び連語に関する品詞情報及び訳語情報であるこ
とを特徴とする自然言語間の自動翻訳方式。 ３ 特許請求の範囲第１項記載の自然言語間の自
動翻訳方式において、前記テキスト文の各語にそ
れぞれ品詞を付与する手段は、品詞に関して禁制
される品詞列パターンを有し、前記テキスト文に
含まれる語に付与し得る品詞が複数である場合
に、前記複数の品詞の一つを含む前記テキスト文
中の品詞列が前記禁制される品詞列パターンに含
まれるか否かを検査する手段と、前記検査する手
段により含まれるとされた場合、該一つの品詞を
前記語に付与し得る品詞から除外する手段を含む
ことを特徴とする自然言語間の自動翻訳方式。 ４ 特許請求の範囲第１項記載の自然言語間の自
動翻訳方式において、前記テキスト文の構文を定
める手段は、品詞列と構文的な役割を表わす情報
との対応テーブルを有し、前記対応テーブルを参
照して、前記テキスト文の品詞列を構成する語ま
たは句要素に構文的な役割を表わす情報を付与す
る手段と、前記構文的な役割を表わす情報の並び
に基づいて前記テキスト文の構文を定める手段と
を有することを特徴とする自然言語間の自動翻訳
方式。 ５ 特許請求の範囲第４項記載の自然言語間の自
動翻訳方式において、前記テキスト文の構文を定
める手段は、前記構文的な役割を表わす情報が付
与されなかつた、前記テキスト文の品詞列を構成
する語または句要素を除いて、前記構文的な役割
を表わす情報の並びから前記テキスト文の構文を
定める手段を含むことを特徴とする自然言語間の
自動翻訳方式。 ６ 特許請求の範囲第４項記載の自然言語間の自
動翻訳方式において、前記テキスト文の構文を定
める手段は、前記テキスト文に含まれる単文を認
識する手段を含むことを特徴とする自然言語間の
自動翻訳方式。 ７ 特許請求の範囲第４項記載の自然言語間の自
動翻訳方式において、前記翻訳文を生成する手段
は、前記構文的な役割を表わす情報として動詞に
関する情報が付与された語または句要素に対し
て、時制態様表現に関する処理を施す手段を含む
ことを特徴とする自然言語間の自動翻訳方式。 ８ 特許請求の範囲第４項記載の自然言語間の自
動翻訳方式において、前記翻訳文を生成する手段
は、前記構文的な役割を表わす情報として動詞に
関する情報が付与された語または句要素に関し
て、助動詞を含む場合と助動詞を含まない場合と
に分けて訳語を付与する手段を含むことを特徴と
する自然言語間の自動翻訳方式。 ９ 特許請求の範囲第４項記載の自然言語間の自
動翻訳方式において、前記翻訳文を生成する手段
は、和訳を付与する手段であり、該和訳を付与す
る手段は、前記構文的な役割を表わす情報が主語
に関する情報である場合に、該情報に対応する語
または句要素を含む文が他の語または句要素を修
飾するならば“が”を、その他ならば“は”を、
該主語に関する情報に対応する語または句要素の
付属語として付与する手段を含むことを特徴とす
る自然言語間の自動翻訳方式。
Priority Applications (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56138586A JPS5840684A (ja) | 1981-09-04 | 1981-09-04 | 自然言語間の自動翻訳方式 |
| US06/415,601 US4641264A (en) | 1981-09-04 | 1982-09-07 | Method for automatic translation between natural languages |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP56138586A JPS5840684A (ja) | 1981-09-04 | 1981-09-04 | 自然言語間の自動翻訳方式 |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP63176905A Division JPH01162978A (ja) | 1988-07-18 | 1988-07-18 | 辞書検索方式 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPS5840684A JPS5840684A (ja) | 1983-03-09 |
| JPH0351020B2 true JPH0351020B2 (ja) | 1991-08-05 |
Family
ID=15225569
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP56138586A Granted JPS5840684A (ja) | 1981-09-04 | 1981-09-04 | 自然言語間の自動翻訳方式 |
Country Status (2)
| Country | Link |
|---|---|
| US (1) | US4641264A (ja) |
| JP (1) | JPS5840684A (ja) |
Families Citing this family (90)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS59160269A (ja) * | 1983-03-02 | 1984-09-10 | Kokusai Denshin Denwa Co Ltd <Kdd> | 言語処理用パ−ジング方式 |
| JPH0656626B2 (ja) * | 1983-04-28 | 1994-07-27 | 日本電気株式会社 | 言語意味解析装置 |
| JPS59201172A (ja) * | 1983-04-28 | 1984-11-14 | Nec Corp | 曖味さ解析方式 |
| JPS6069776A (ja) * | 1983-09-26 | 1985-04-20 | Casio Comput Co Ltd | 電子式英文翻訳機 |
| JPS60120217A (ja) * | 1983-12-02 | 1985-06-27 | Mitsutoyo Mfg Co Ltd | 光電式変位検出装置 |
| JPS619753A (ja) * | 1984-06-26 | 1986-01-17 | Hitachi Ltd | 文書処理装置における頻発熟語の自動登録方法 |
| JPH0724055B2 (ja) * | 1984-07-31 | 1995-03-15 | 株式会社日立製作所 | 単語分割処理方法 |
| JPS6140672A (ja) * | 1984-07-31 | 1986-02-26 | Hitachi Ltd | 多品詞解消処理方式 |
| EP0176858B1 (en) * | 1984-09-18 | 1993-01-20 | Sharp Kabushiki Kaisha | Translation system |
| JPS61105671A (ja) * | 1984-10-29 | 1986-05-23 | Hitachi Ltd | 自然言語処理装置 |
| JPH0664585B2 (ja) * | 1984-12-25 | 1994-08-22 | 株式会社東芝 | 翻訳編集装置 |
| JPH0782498B2 (ja) * | 1985-01-14 | 1995-09-06 | 株式会社日立製作所 | 機械翻訳システム |
| JPS61184685A (ja) * | 1985-02-12 | 1986-08-18 | Hitachi Ltd | 翻訳情報追加方法 |
| US5351189A (en) * | 1985-03-29 | 1994-09-27 | Kabushiki Kaisha Toshiba | Machine translation system including separated side-by-side display of original and corresponding translated sentences |
| JP2848593B2 (ja) * | 1985-05-07 | 1999-01-20 | 株式会社東芝 | 翻訳処理方法 |
| JPS6231467A (ja) * | 1985-08-01 | 1987-02-10 | Toshiba Corp | 文章作成装置 |
| JPH083815B2 (ja) * | 1985-10-25 | 1996-01-17 | 株式会社日立製作所 | 自然言語の共起関係辞書保守方法 |
| JPS62163173A (ja) * | 1986-01-14 | 1987-07-18 | Toshiba Corp | 機械翻訳方法 |
| JP2732563B2 (ja) * | 1986-05-20 | 1998-03-30 | 株式会社東芝 | 機械翻訳方法及び装置 |
| JPS638864A (ja) * | 1986-06-27 | 1988-01-14 | Sharp Corp | 翻訳装置 |
| JPH0625901B2 (ja) * | 1986-08-08 | 1994-04-06 | 三輪 博秀 | 電子単一言語辞典及び電子複数言語間辞典 |
| JPS63120362A (ja) * | 1986-11-10 | 1988-05-24 | Brother Ind Ltd | スペルチエツク機能付文書処理装置 |
| US4864503A (en) * | 1987-02-05 | 1989-09-05 | Toltran, Ltd. | Method of using a created international language as an intermediate pathway in translation between two national languages |
| US4862408A (en) * | 1987-03-20 | 1989-08-29 | International Business Machines Corporation | Paradigm-based morphological text analysis for natural languages |
| US5321606A (en) * | 1987-05-19 | 1994-06-14 | Hitachi, Ltd. | Data transforming method using externally provided transformation rules |
| JPS63305463A (ja) * | 1987-06-05 | 1988-12-13 | Hitachi Ltd | 自然言語処理方式 |
| JP2989823B2 (ja) * | 1988-01-25 | 1999-12-13 | 日本電気株式会社 | 文型認識方法 |
| JPH01234975A (ja) * | 1988-03-11 | 1989-09-20 | Internatl Business Mach Corp <Ibm> | 日本語文章分割装置 |
| US4994966A (en) * | 1988-03-31 | 1991-02-19 | Emerson & Stern Associates, Inc. | System and method for natural language parsing by initiating processing prior to entry of complete sentences |
| US5060146A (en) * | 1988-04-08 | 1991-10-22 | International Business Machines Corporation | Multilingual indexing system for alphabetical lysorting by comparing character weights and ascii codes |
| JP2989824B2 (ja) * | 1988-06-06 | 1999-12-13 | 日本電気株式会社 | 文型・文法格認識方法 |
| US4907971A (en) * | 1988-10-26 | 1990-03-13 | Tucker Ruth L | System for analyzing the syntactical structure of a sentence |
| US5111398A (en) * | 1988-11-21 | 1992-05-05 | Xerox Corporation | Processing natural language text using autonomous punctuational structure |
| JPH02240769A (ja) * | 1989-03-14 | 1990-09-25 | Canon Inc | 自然言語文生成装置 |
| EP0409425A3 (en) * | 1989-07-15 | 1993-04-28 | Keechung Kim | Method and apparatus for translating language |
| US5146406A (en) * | 1989-08-16 | 1992-09-08 | International Business Machines Corporation | Computer method for identifying predicate-argument structures in natural language text |
| JPH03129469A (ja) * | 1989-10-14 | 1991-06-03 | Canon Inc | 自然言語処理装置 |
| JP3114181B2 (ja) * | 1990-03-27 | 2000-12-04 | 株式会社日立製作所 | 異言語交信用翻訳方法およびシステム |
| JPH0418673A (ja) * | 1990-05-11 | 1992-01-22 | Hitachi Ltd | テキスト情報抽出方法および装置 |
| JP3009215B2 (ja) * | 1990-11-30 | 2000-02-14 | 株式会社日立製作所 | 自然語処理方法および自然語処理システム |
| US5559693A (en) * | 1991-06-28 | 1996-09-24 | Digital Equipment Corporation | Method and apparatus for efficient morphological text analysis using a high-level language for compact specification of inflectional paradigms |
| US5475587A (en) * | 1991-06-28 | 1995-12-12 | Digital Equipment Corporation | Method and apparatus for efficient morphological text analysis using a high-level language for compact specification of inflectional paradigms |
| JPH0567144A (ja) * | 1991-09-07 | 1993-03-19 | Hitachi Ltd | 前編集支援方法およびその装置 |
| US5317508A (en) * | 1991-10-24 | 1994-05-31 | Matsushita Electric Industrial Co., Ltd. | Image editing apparatus |
| JPH05151260A (ja) * | 1991-11-29 | 1993-06-18 | Hitachi Ltd | 翻訳テンプレート学習方法および翻訳テンプレート学習システム |
| US5523946A (en) * | 1992-02-11 | 1996-06-04 | Xerox Corporation | Compact encoding of multi-lingual translation dictionaries |
| JPH05298360A (ja) * | 1992-04-17 | 1993-11-12 | Hitachi Ltd | 翻訳文評価方法、翻訳文評価装置、翻訳文評価機能付き機械翻訳システムおよび機械翻訳システム評価装置 |
| JP3038079B2 (ja) * | 1992-04-28 | 2000-05-08 | シャープ株式会社 | 自動翻訳装置 |
| JPH05314166A (ja) * | 1992-05-08 | 1993-11-26 | Sharp Corp | 電子化辞書および辞書検索装置 |
| US6278967B1 (en) * | 1992-08-31 | 2001-08-21 | Logovista Corporation | Automated system for generating natural language translations that are domain-specific, grammar rule-based, and/or based on part-of-speech analysis |
| US5608622A (en) * | 1992-09-11 | 1997-03-04 | Lucent Technologies Inc. | System for analyzing translations |
| US5541838A (en) * | 1992-10-26 | 1996-07-30 | Sharp Kabushiki Kaisha | Translation machine having capability of registering idioms |
| JP2839419B2 (ja) * | 1992-10-30 | 1998-12-16 | シャープ株式会社 | イディオム登録機能を持つ機械翻訳装置 |
| US5675815A (en) * | 1992-11-09 | 1997-10-07 | Ricoh Company, Ltd. | Language conversion system and text creating system using such |
| US5678051A (en) * | 1992-12-24 | 1997-10-14 | Matsushita Electric Industrial C., Ltd. | Translating apparatus with special display mode for supplemented words |
| US5579223A (en) * | 1992-12-24 | 1996-11-26 | Microsoft Corporation | Method and system for incorporating modifications made to a computer program into a translated version of the computer program |
| JPH07210558A (ja) * | 1994-01-20 | 1995-08-11 | Fujitsu Ltd | 機械翻訳装置 |
| JPH07282055A (ja) * | 1994-04-06 | 1995-10-27 | Fujitsu Ltd | 文解析方法および装置 |
| JP3377290B2 (ja) * | 1994-04-27 | 2003-02-17 | シャープ株式会社 | イディオム処理機能を持つ機械翻訳装置 |
| US5721938A (en) * | 1995-06-07 | 1998-02-24 | Stuckey; Barbara K. | Method and device for parsing and analyzing natural language sentences and text |
| JPH09128396A (ja) * | 1995-11-06 | 1997-05-16 | Hitachi Ltd | 対訳辞書作成方法 |
| US6161083A (en) * | 1996-05-02 | 2000-12-12 | Sony Corporation | Example-based translation method and system which calculates word similarity degrees, a priori probability, and transformation probability to determine the best example for translation |
| US6498921B1 (en) * | 1999-09-01 | 2002-12-24 | Chi Fai Ho | Method and system to answer a natural-language question |
| US5836771A (en) * | 1996-12-02 | 1998-11-17 | Ho; Chi Fai | Learning method and system based on questioning |
| JPH10198680A (ja) * | 1997-01-07 | 1998-07-31 | Hitachi Ltd | 分散辞書管理方法及びそれを用いた機械翻訳方法 |
| CA2286935C (en) * | 1997-05-28 | 2001-02-27 | Shinar Linguistic Technologies Inc. | Translation system |
| US5930756A (en) * | 1997-06-23 | 1999-07-27 | Motorola, Inc. | Method, device and system for a memory-efficient random-access pronunciation lexicon for text-to-speech synthesis |
| US6263081B1 (en) | 1997-07-17 | 2001-07-17 | Matsushita Electric Industrial Co., Ltd. | Elliptic curve calculation apparatus capable of calculating multiples at high speed |
| US6173250B1 (en) | 1998-06-03 | 2001-01-09 | At&T Corporation | Apparatus and method for speech-text-transmit communication over data networks |
| US7099876B1 (en) * | 1998-12-15 | 2006-08-29 | International Business Machines Corporation | Method, system and computer program product for storing transliteration and/or phonetic spelling information in a text string class |
| US6496844B1 (en) | 1998-12-15 | 2002-12-17 | International Business Machines Corporation | Method, system and computer program product for providing a user interface with alternative display language choices |
| US6460015B1 (en) | 1998-12-15 | 2002-10-01 | International Business Machines Corporation | Method, system and computer program product for automatic character transliteration in a text string object |
| US6389386B1 (en) | 1998-12-15 | 2002-05-14 | International Business Machines Corporation | Method, system and computer program product for sorting text strings |
| US20020147578A1 (en) * | 2000-09-29 | 2002-10-10 | Lingomotors, Inc. | Method and system for query reformulation for searching of information |
| US6985851B2 (en) * | 2001-07-17 | 2006-01-10 | Microsoft Corporation | Method and apparatus for providing improved HMM POS tagger for multi-word entries and factoids |
| JP4495886B2 (ja) | 2001-08-09 | 2010-07-07 | 株式会社日立製作所 | 音声入力認識文例集の管理方法 |
| KR100485909B1 (ko) * | 2002-11-06 | 2005-04-29 | 삼성전자주식회사 | 3자 통화 방식의 자동 통역 시스템 및 방법 |
| US7593842B2 (en) * | 2002-12-10 | 2009-09-22 | Leslie Rousseau | Device and method for translating language |
| US9575953B2 (en) * | 2006-09-07 | 2017-02-21 | Nec Corporation | Natural-language processing system and dictionary registration system |
| US20080076103A1 (en) * | 2006-09-15 | 2008-03-27 | Wallace Thomas B | Electronic book |
| JP5538898B2 (ja) * | 2007-01-04 | 2014-07-02 | シンキング ソリューションズ ピーティーワイ リミテッド | 言語分析 |
| US8706477B1 (en) | 2008-04-25 | 2014-04-22 | Softwin Srl Romania | Systems and methods for lexical correspondence linguistic knowledge base creation comprising dependency trees with procedural nodes denoting execute code |
| US8219397B2 (en) * | 2008-06-10 | 2012-07-10 | Nuance Communications, Inc. | Data processing system for autonomously building speech identification and tagging data |
| US8762131B1 (en) | 2009-06-17 | 2014-06-24 | Softwin Srl Romania | Systems and methods for managing a complex lexicon comprising multiword expressions and multiword inflection templates |
| US8762130B1 (en) | 2009-06-17 | 2014-06-24 | Softwin Srl Romania | Systems and methods for natural language processing including morphological analysis, lemmatizing, spell checking and grammar checking |
| USH2269H1 (en) * | 2009-11-20 | 2012-06-05 | Manuel-Devadoss Johnson Smith Johnson | Automated speech translation system using human brain language areas comprehension capabilities |
| US8386239B2 (en) * | 2010-01-25 | 2013-02-26 | Holovisions LLC | Multi-stage text morphing |
| US9710463B2 (en) * | 2012-12-06 | 2017-07-18 | Raytheon Bbn Technologies Corp. | Active error detection and resolution for linguistic translation |
| US11593561B2 (en) * | 2018-11-29 | 2023-02-28 | International Business Machines Corporation | Contextual span framework |
| CN111666738B (zh) * | 2020-06-09 | 2023-06-20 | 南京师范大学 | 一种动作描述自然文本的形式化编码方法 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPS5953590B2 (ja) * | 1979-09-14 | 1984-12-26 | シャープ株式会社 | 翻訳装置 |
| JPS5731083A (en) * | 1980-07-31 | 1982-02-19 | Sharp Corp | Electronic interpreter |
| JPS57201958A (en) * | 1981-06-05 | 1982-12-10 | Hitachi Ltd | Device and method for interpretation between natural languages |
| US4503426A (en) * | 1982-04-30 | 1985-03-05 | Mikulski Walter J | Visual communication device |
-
1981
- 1981-09-04 JP JP56138586A patent/JPS5840684A/ja active Granted
-
1982
- 1982-09-07 US US06/415,601 patent/US4641264A/en not_active Expired - Lifetime
Also Published As
| Publication number | Publication date |
|---|---|
| US4641264A (en) | 1987-02-03 |
| JPS5840684A (ja) | 1983-03-09 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JPH0351020B2 (ja) | ||
| US6269189B1 (en) | Finding selected character strings in text and providing information relating to the selected character strings | |
| EP0266001B1 (en) | A parser for natural language text | |
| US20140039879A1 (en) | Generic system for linguistic analysis and transformation | |
| Varshini et al. | A recognizer and parser for basic sentences in telugu using cyk algorithm | |
| Thet et al. | Word segmentation for the Myanmar language | |
| EP1471440A2 (en) | System and method for word analysis | |
| Dasgupta et al. | Morphological analysis of inflecting compound words in Bangla | |
| Vasiu et al. | Enhancing tokenization by embedding Romanian language specific morphology | |
| Gulu-zada et al. | A hybrid approach to Azerbaijani lemmatization: integrating rule-based methods with ML PoS tagging | |
| KR20040018008A (ko) | 품사 태깅 장치 및 태깅 방법 | |
| JP2632806B2 (ja) | 言語解析装置 | |
| JP2011175306A (ja) | 情報処理装置 | |
| JPH0345423B2 (ja) | ||
| KR100404320B1 (ko) | 문장 자동 색인 방법 | |
| JPH0345424B2 (ja) | ||
| JPH0352101B2 (ja) | ||
| JPH0345422B2 (ja) | ||
| Gebremeskel | Geez POS Tagger Using Hybrid Approach | |
| Khushhal et al. | Optimizing Urdu Text Tokenization: Morphological Rules for Compound Word Identification | |
| Hobbs | A metalanguage for expressing grammatical restrictions in nodal spans parsing of natural-language. | |
| Boltayevich et al. | Methods and Algorithms of POS-tagging of Adverbs and Pronouns in Uzbek Texts | |
| JP3680489B2 (ja) | 機械翻訳装置および機械翻訳処理プログラムを記録したコンピュータ読み取り可能な記録媒体 | |
| JP2608384B2 (ja) | 機械翻訳装置及びその方法 | |
| Abbas | Alexis Amid Neme |