JPH06314294A - 機械翻訳方法及び機械翻訳装置 - Google Patents

機械翻訳方法及び機械翻訳装置

Info

Publication number
JPH06314294A
JPH06314294A JP5102973A JP10297393A JPH06314294A JP H06314294 A JPH06314294 A JP H06314294A JP 5102973 A JP5102973 A JP 5102973A JP 10297393 A JP10297393 A JP 10297393A JP H06314294 A JPH06314294 A JP H06314294A
Authority
JP
Japan
Prior art keywords
word
feature
meaning
information
polysemous
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.)
Granted
Application number
JP5102973A
Other languages
English (en)
Other versions
JP2821840B2 (ja
Inventor
Naohiko Uramoto
直彦 浦本
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
IBM Japan Ltd
Original Assignee
IBM Japan Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by IBM Japan Ltd filed Critical IBM Japan Ltd
Priority to JP5102973A priority Critical patent/JP2821840B2/ja
Priority to US08/203,084 priority patent/US5844798A/en
Priority to DE69429301T priority patent/DE69429301T2/de
Priority to EP94302567A priority patent/EP0622742B1/en
Publication of JPH06314294A publication Critical patent/JPH06314294A/ja
Application granted granted Critical
Publication of JP2821840B2 publication Critical patent/JP2821840B2/ja
Anticipated expiration legal-status Critical
Expired - Fee Related legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING OR CALCULATING; COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/30—Semantic analysis
    • 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
    • G06F40/20—Natural language analysis
    • G06F40/253—Grammatical analysis; Style critique
    • 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
    • G06F40/42—Data-driven translation
    • G06F40/44—Statistical methods, e.g. probability models
    • 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)
  • Physics & Mathematics (AREA)
  • Health & Medical Sciences (AREA)
  • Artificial Intelligence (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • Computational Linguistics (AREA)
  • General Health & Medical Sciences (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Probability & Statistics with Applications (AREA)
  • Machine Translation (AREA)

Abstract

(57)【要約】 【目的】 第１言語の原文と第２言語の訳文とが最適に
対応するように、多数の語義を有する第１言語の語句に
対する語義の曖昧さを解消して高精度で原文を訳文に変
換する。 【構成】 翻訳対象となる第１言語の原文が入力装置１
２から入力され、入力文解析装置１４を介して多義語解
消装置２０に入力される。特徴テーブル生成部３０には
予め多義語毎に語義と特徴とを対応させた特徴テーブル
が記憶されている。原文について特徴レコード生成部２
２で特徴レコードが生成され、特徴レコードと特徴テー
ブルとを比較し原文が有する特徴に基づいて多義語の語
義を選択し出力する。この多義語解消装置２０で語義の
曖昧さが解消された各語句が対訳処理装置４０において
翻訳された後に出力装置４６へ出力される。

Description

【発明の詳細な説明】
【０００１】
【産業上の利用分野】本発明は、機械翻訳方法及び機械
翻訳装置に係り、より詳しくは、コンピュータ等の機械
により翻訳対象である第１言語による原文を第２言語に
よる訳文に変換する機械翻訳方法及び機械翻訳装置に関
する。
【０００２】
【従来の技術及び発明が解決しようとする課題】従来、
異なる言語間において相互に意味が一致した文として各
々の文を適合させるために、コンピュータによって第１
言語で表された原文を形態素解析等の構文解析を行って
単語に分割し、目的とする第２言語で表された訳文に変
換する機械翻訳装置が知られている（特開平２−３０８
３７０号公報、特開平３−８０８２号公報等）。
【０００３】この機械翻訳装置では、第１言語の翻訳を
対象としている原文について係り受け解析等の構文解析
を行い、語義等の曖昧な部分に仮の係り受けを付与し最
終的に原文の語順等を利用して翻訳したり、語義等の曖
昧な部分について原文の該部分以外の部分の情報を用い
て曖昧さを解消して翻訳したりしている。
【０００４】しかしながら、複数の語義による曖昧さを
有する語句（以下、多義語という）は、原文と訳文との
語レベルの適合が難しく、構文解析等の解析を充分に行
った詳細な規則により各語句の使用について充分な場合
分けが行わなければならないため、多義語の原語に適合
する訳語が無数となり訳語を決定できないことを生じ
る。
【０００５】そこで、多義語の語義を決定するために、
多義語である動詞に第２言語の訳語を付与するに際し
て、各訳語とその用法を動詞に限って記述した動詞変換
テーブルを形成しておき、翻訳するときには、この動詞
変換テーブルを参照して、適合する語義で翻訳する機械
翻訳方法が知られている（特開昭６２−２１９１６５号
公報参照）。
【０００６】しかしながら、上記のように動詞に限って
記述した動詞変換テーブルを用いた機械翻訳方法では、
動詞についてのみの情報が画一的に適用されるため、解
析された文が含む動詞以外の全ての多義語について最適
な語義を選択することができない。また、個々の語義を
決定するのに必要な様々な意味情報や文法情報を動的に
扱うことができない。
【０００７】また、多義語を状況及び属性等を付与した
文の事例によるデータベース（以下、事例ベースとい
う）に整理して利用することにより、語句と語義との適
合関係を設定し、翻訳時には、この事例ベースを参照し
て最適な語義を選択する機械翻訳方法も知られている
（特開平３−２８２６７７号公報参照）。
【０００８】しかしながら、複数事例を一般化した事例
ベースから語義を特定する方法では、語義決定に必要な
演算量が多くなる。
【０００９】本発明は、上記事実を考慮して、第１言語
の原文と第２言語の訳文とが最適に適合するように、多
数の語義を有する第１言語の語句に対する語義の曖昧さ
を解消して高精度で原文を訳文に変換する機械翻訳方法
及び機械翻訳装置を得ることが目的である。
【００１０】
【課題を解決するための手段】上記目的を達成するため
に請求項１に記載の発明の機械翻訳方法は、１つの語句
に対して複数の語義を有する多義語を含む翻訳対象とな
る第１言語による文の構造を解析して意味情報及び文法
情報を求め、該意味情報及び文法情報に基づいて第２言
語による文に変換する機械翻訳方法であって、前記多義
語を含みかつ該多義語の語義に曖昧さがなく構成された
複数の文から、該多義語の１つの語義にのみ適合する意
味情報及び文法情報の少なくとも一方の情報を十分特徴
として、該十分特徴と該十分特徴に適合する語義との関
係を予め求め、前記解析された文の意味情報及び文法情
報の少なくとも一方の情報が前記十分特徴に一致するか
否かを判断し、一致した前記十分特徴に適合する前記多
義語の語義を選択する。
【００１１】請求項２に記載の発明の機械翻訳方法は、
１つの語句に対して複数の語義を有する多義語を含む翻
訳対象となる第１言語による文の構造を解析して意味情
報及び文法情報を求め、該意味情報及び文法情報に基づ
いて第２言語による文に変換する機械翻訳方法であっ
て、前記多義語を含みかつ該多義語の語義に曖昧さがな
く構成された複数の文から、該多義語の１つの語義にの
み適合する意味情報及び文法情報の少なくとも一方の情
報を十分特徴とすると共に、該多義語の１語義に関する
全ての文に適合する意味情報及び文法情報の少なくとも
一方の情報を必要特徴として、該十分特徴と該十分特徴
に適合する語義との関係及び該必要特徴と該必要特徴に
適合する語義との関係を予め求め、前記解析された文の
意味情報及び文法情報の少なくとも一方の情報が前記十
分特徴及び必要特徴に一致するか否かを判断し、一致し
た前記十分特徴及び必要特徴に適合する前記多義語の語
義を選択する。
【００１２】請求項３に記載の発明の機械翻訳方法は、
１つの語句に対して複数の語義を有する多義語を含む翻
訳対象となる第１言語による文の構造を解析して意味情
報及び文法情報を求め、該意味情報及び文法情報に基づ
いて第２言語による文に変換する機械翻訳方法であっ
て、前記多義語を含みかつ該多義語の語義に曖昧さがな
く構成された複数の文から、該多義語の１つの語義にの
み適合する意味情報及び文法情報の少なくとも一方の情
報を十分特徴とすると共に、該多義語の１語義に関する
全ての文に適合する意味情報及び文法情報の少なくとも
一方の情報を必要特徴としかつ、該多義語の２以上の語
義に適合する意味情報及び文法情報の少なくとも一方の
情報を依存特徴として、該十分特徴と該十分特徴に適合
する語義との関係を求めると共に該必要特徴と該必要特
徴に適合する語義との関係を求めかつ該依存特徴と該依
存特徴に適合する語義との関係を予め求め、前記解析さ
れた文の意味情報及び文法情報の少なくとも一方の情報
が前記十分特徴及び必要特徴に一致するか否かを判断
し、前記十分特徴及び必要特徴に少なくとも一方が一致
しない場合には、前記依存特徴に適合する語義の範囲内
に含まれる前記文に基づいて類似度を演算し、演算結果
に基づいて前記多義語の語義を選択する。
【００１３】請求項４に記載の発明の機械翻訳装置は、
１つの語句に対して複数の語義を有する多義語を含む翻
訳対象となる第１言語による文の構造を解析して意味情
報及び文法情報を求め、該意味情報及び文法情報に基づ
いて第２言語による文に変換する機械翻訳装置におい
て、前記多義語を含みかつ該多義語の語義に曖昧さがな
く構成された複数の文から前記多義語の１つの語義にの
み適合する意味情報及び文法情報の少なくとも一方の情
報を十分特徴として、該十分特徴と該十分特徴に適合す
る語義との関係を表す特徴テーブルと、前記特徴テーブ
ルを参照し、前記解析された文の意味情報及び文法情報
の少なくとも一方の情報が前記十分特徴に一致するか否
かを判断する判断手段と、前記一致した前記十分特徴に
適合する前記多義語の語義を選択する選択手段と、を備
えている。
【００１４】請求項５に記載の機械翻訳装置は、１つの
語句に対して複数の語義を有する多義語を含む翻訳対象
となる第１言語による文の構造を解析して意味情報及び
文法情報を求め、該意味情報及び文法情報に基づいて第
２言語による文に変換する機械翻訳装置において、前記
多義語を含みかつ該多義語の語義に曖昧さがなく構成さ
れた複数の文から前記多義語の１つの語義にのみ適合す
る意味情報及び文法情報の少なくとも一方の情報を十分
特徴とすると共に、該多義語の１語義に関する全ての文
に適合する意味情報及び文法情報の少なくとも一方の情
報を必要特徴として、該十分特徴と該十分特徴に適合す
る語義との関係及び該必要特徴と該必要特徴に適合する
語義との関係を表す特徴テーブルと、前記特徴テーブル
を参照し、前記解析された文の意味情報及び文法情報の
少なくとも一方の情報が前記十分特徴及び必要特徴に一
致するか否かを判断する判断手段と、前記一致した前記
十分特徴に適合する前記多義語の語義を選択する選択手
段と、を備えている。
【００１５】請求項６に記載の機械翻訳装置は、１つの
語句に対して複数の語義を有する多義語を含む翻訳対象
となる第１言語による文の構造を解析して意味情報及び
文法情報を求め、該意味情報及び文法情報に基づいて第
２言語による文に変換する機械翻訳装置において、前記
多義語を含みかつ該多義語の語義に曖昧さがなく構成さ
れた複数の文から、該多義語の１つの語義にのみ適合す
る意味情報及び文法情報の少なくとも一方の情報を十分
特徴とすると共に、該多義語の１語義に関する全ての文
に適合する意味情報及び文法情報の少なくとも一方の情
報を必要特徴としかつ、該多義語の２以上の語義に適合
する意味情報及び文法情報の少なくとも一方の情報を依
存特徴として、該十分特徴と該十分特徴に適合する語義
との関係を求めると共に該必要特徴と該必要特徴に適合
する語義との関係を求めかつ該依存特徴と該依存特徴に
適合する語義との関係を表す特徴テーブルと、前記特徴
テーブルを参照し、前記解析された文の意味情報及び文
法情報の少なくとも一方の情報が前記十分特徴及び必要
特徴に一致するか否かを判断する判断手段と、前記判断
手段によって前記十分特徴及び必要特徴に少なくとも一
方が一致しないと判断された場合に、前記依存特徴に適
合する語義の範囲内に含まれる前記文に基づいて類似度
を演算する演算手段と、前記演算手段の演算結果に基づ
いて前記多義語の語義を選択する選択手段と、を備えて
いる。
【００１６】
【作用】請求項１に記載の発明の機械翻訳方法では、１
つの語句に対して複数の語義を有する多義語を含む翻訳
対象となる第１言語による文の構造を解析して意味情報
及び文法情報を求め、該意味情報及び文法情報に基づい
て第２言語による文に変換する。多義語の場合、語義の
曖昧さが生じるのでそのままでは第２言語に翻訳するこ
とができない。多義語は一般に語義毎に、その語義毎に
他の語義と弁別可能な特徴を有している。すなわち、目
的語が物であったり主語が敵対者であったりする意味概
念の特徴を有する意味情報や、他動詞で用いられること
や目的語を２個有することを特徴とする文法情報等があ
る。この特徴は、ある語義では文法情報であったり意味
情報であったりする。
【００１７】この多義語を含みかつ該多義語の語義に曖
昧さがなく構成された複数の文から、該多義語の１つの
語義にのみ適合する意味情報及び文法情報の少なくとも
一方の情報を該多義語の十分特徴として、該十分特徴と
該十分特徴に適合する語義との関係を予め求める。この
求めた関係から、第１言語による文の構造が解析された
文の意味情報及び文法情報の少なくとも一方の情報が十
分特徴に一致するか否かを判断し、一致した十分特徴に
適合する多義語の語義を選択すれば、翻訳対象となる第
１言語による文の各語義の曖昧さは解消され、容易に第
２言語による文に変換することができる。
【００１８】この請求項１の機械翻訳方法は、請求項４
に記載した機械翻訳装置のように、多義語を含みかつ該
多義語の語義に曖昧さがなく構成された複数の文から多
義語の１つの語義にのみ適合する意味情報及び文法情報
の少なくとも一方の情報を十分特徴として該十分特徴と
該十分特徴に適合する語義との関係を表す特徴テーブル
と、特徴テーブルを参照し、解析された文の意味情報及
び文法情報の少なくとも一方の情報が十分特徴に一致す
るか否かを判断する判断手段と、一致した十分特徴に適
合する多義語の語義を選択する選択手段と、を備えるこ
とによって実現できる。このように、その語義のを他の
語義から弁別する十分特徴を判断して語義を選択してい
るため、高負荷の類似度演算を行う必要がない。
【００１９】また、多義語が有する１つの語義におい
て、この語義に適合する全ての文に共通して有する特徴
があるときは、入力文はこの共通してこの情報を含んで
いなければならない。
【００２０】請求項２に記載した発明の機械翻訳方法で
は、多義語を含みかつ該多義語の語義に曖昧さがなく構
成された複数の文から、該多義語の１つの語義にのみ適
合する意味情報及び文法情報の少なくとも一方の情報を
十分特徴とすると共に、該多義語の１語義に関する全て
の文に適合する意味情報及び文法情報の少なくとも一方
の情報を必要特徴として、該十分特徴と該十分特徴に適
合する語義との関係及び該必要特徴と該必要特徴に適合
する語義との関係を予め求めている。この求めた関係か
ら、第１言語による文の構造が解析された文の意味情報
及び文法情報の少なくとも一方の情報が十分特徴及び必
要特徴に一致するか否かを判断し、一致した十分特徴及
び必要特徴に適合する多義語の語義を選択する。このよ
うに、翻訳対象となる文が有する十分特徴による語義に
ついて必ず有する必要特徴を判断して語義を選択してい
るため、高負荷の類似度演算することがなく、高精度で
多義語の語義を選択できる。
【００２１】この請求項２の機械翻訳方法は、請求項５
に記載した機械翻訳装置のように、多義語を含みかつ該
多義語の語義に曖昧さがなく構成された複数の文から多
義語の１つの語義にのみ適合する意味情報及び文法情報
の少なくとも一方の情報を十分特徴とすると共に、該多
義語の１語義に関する全ての文に適合する意味情報及び
文法情報の少なくとも一方の情報を必要特徴として、該
十分特徴と該十分特徴に適合する語義との関係及び該必
要特徴と該必要特徴に適合する語義との関係を表す特徴
テーブルと、特徴テーブルを参照し、解析された文の意
味情報及び文法情報の少なくとも一方の情報が十分特徴
及び必要特徴に一致するか否かを判断する判断手段と、
一致した十分特徴に適合する多義語の語義を選択する選
択手段と、を備えることによって実現できる。
【００２２】また、請求項３に記載した発明の機械翻訳
方法では、多義語を含みかつ該多義語の語義に曖昧さが
なく構成された複数の文から、該多義語の１つの語義に
のみ適合する意味情報及び文法情報の少なくとも一方の
情報を十分特徴とすると共に、該多義語の１語義に関す
る全ての文に適合する意味情報及び文法情報の少なくと
も一方の情報を必要特徴としかつ、該多義語の２以上の
語義に適合する意味情報及び文法情報の少なくとも一方
の情報を依存特徴として、該十分特徴と該十分特徴に適
合する語義との関係を求めると共に該必要特徴と該必要
特徴に適合する語義との関係を求めかつ該依存特徴と該
依存特徴に適合する語義との関係を予め求めている。こ
の求めた関係から、第１言語による文の構造が解析され
た文の意味情報及び文法情報の少なくとも一方の情報が
十分特徴及び必要特徴に一致するか否かを判断する。次
に、十分特徴及び必要特徴に少なくとも一方が一致しな
い場合に、依存特徴に適合する語義の範囲内に含まれる
文に基づいて類似度を演算し、演算結果に基づいて多義
語の語義を選択する。例えば、類似度が高い語義を選択
する。従って、十分特徴及び必要特徴という弁別的な特
徴を翻訳対象である第１言語による文が有しないときで
あっても、多義語解消処理を行うことができる。
【００２３】この請求項３の機械翻訳方法は、請求項６
に記載した機械翻訳装置のように、多義語を含みかつ該
多義語の語義に曖昧さがなく構成された複数の文から、
該多義語の１つの語義にのみ適合する意味情報及び文法
情報の少なくとも一方の情報を十分特徴とすると共に、
該多義語の１語義に関する全ての文に適合する意味情報
及び文法情報の少なくとも一方の情報を必要特徴としか
つ、該多義語の２以上の語義に適合する意味情報及び文
法情報の少なくとも一方の情報を依存特徴として、該十
分特徴と該十分特徴に適合する語義との関係を求めると
共に該必要特徴と該必要特徴に適合する語義との関係を
求めかつ該依存特徴と該依存特徴に適合する語義との関
係を表す特徴テーブルと、特徴テーブルを参照し、解析
された文の意味情報及び文法情報の少なくとも一方の情
報が十分特徴及び必要特徴に一致するか否かを判断する
判断手段と、判断手段によって十分特徴及び必要特徴に
少なくとも一方が一致しないと判断された場合に、依存
特徴に適合する語義の範囲内に含まれる文に基づいて類
似度を演算する演算手段と、演算手段の演算結果に基づ
いて多義語の語義を選択する選択手段と、を備えること
によって実現できる。
【００２４】
【実施例】以下、図面を参照して、本発明の第１実施例
を説明する。本実施例は翻訳対象となる第１言語に英語
を用い、翻訳されて訳文となる第２言語に日本語を設定
し、英語の原文を日本語の訳文に翻訳する機械翻訳装置
に本発明を適用したものである。
【００２５】図１に示したように、本実施例の機械翻訳
装置１０は、ユーザ端末装置（キーボード）等の入力装
置１２、入力文解析装置１４、多義語解消装置２０、対
訳処理装置４０及び出力装置４６から構成されている。
入力装置１２には入力文解析装置１４が接続され、入力
文解析装置１４にユーザ端末装置（キーボード）等の入
力装置１２からの原文が入力される。入力文解析装置１
４には、原言語用辞書が記憶された原辞書メモリ１６及
び解析用文法が記憶された文法メモリ１８が接続されて
いる。
【００２６】なお、上記入力文解析装置１４に入力され
る原文は文章に限定されず、話言葉を認識する音声認識
装置等が出力する言葉を表す信号であってもよい。
【００２７】入力文解析装置１４は、多義語解消装置２
０に接続されている。この入力文解析装置１４により構
文解析された第１言語の原文が多義語解消装置２０に入
力される。
【００２８】多義語解消装置２０は、語義が曖昧な多義
語について語義を選択するための装置であり、特徴レコ
ード生成部２２、特徴照合部２４、語義判定部２６、出
力部２８、特徴テーブル生成部３０及び事例ベース検索
照合部３２から構成されている。また、多義語解消装置
２０は事例ベース３４を備えており、事例ベース３４は
特徴テーブル生成部３０及び事例ベース検索照合部３２
に接続されている。詳細は後述するが、この多義語解消
装置２０で語義の曖昧さが解消された各語句が対訳処理
装置４０に出力される。
【００２９】この事例ベース３４には、以下の〔原文〕
に示した例のように、語義の曖昧さが解消されている複
数の事例５０ｉ（ｉ＝１、２、・・・、ｎ，ｎは全事例
数）が、英語の原文のままの事例５０ｉをレコードとし
たデータベースとして記憶されている。また、文型や品
詞も文型情報として記憶されている。
【００３０】 〔原文〕 We took a cup of coffee. ・・・（５０1 ） The army took the fort. ・・・（５０2 ） Take her another cup of tea. ・・・（５０3 ） She took a gift from him. ・・・（５０4 ）
【００３１】この対訳処理装置４０には、特定された語
義に適合する訳語を選択するための情報として慣用句等
の用例データや語義としての知識データ等が記憶された
対訳情報メモリ４４が対訳辞書４２を介して接続されて
いる。対訳辞書４２には、第１言語の語句に対する第２
言語の訳語が記憶されている。なお、対訳情報メモリ４
４には、第２言語の生成用文法や生成規則を記憶しても
よい。
【００３２】以下、本実施例の作用を説明する。図２に
示したように、オペレータが入力装置１２（キーボー
ド）により翻訳対象の文を入力すると、入力装置１２が
この文を入力文解析装置１４に出力し、入力文解析装置
１４において、入力された文の構文解析が成される（ス
テップ１００）。構文解析が終了すると、入力文及び解
析結果を入力文解析装置１４が多義語解消装置２０へ出
力する。多義語解消装置２０では、入力された文及び解
析結果に基づいて予め記憶された特徴テーブル（詳細後
述）を参照することにより多義語の語義が１つ選択され
（ステップ２００）、語義が一義的に決定された入力文
を対訳処理装置４０へ出力する。対訳処理装置４０で
は、多義語の曖昧さが解消された入力文の各語句の対訳
を選択することにより訳文を生成する（ステップ３０
０）。
【００３３】次に、多義語の語義を選択するにあたって
利用する特徴テーブル５６ｋ（ｋ＝１，２，・・・ｎ，
ｎは多義語の個数）の生成について説明する。多義語解
消装置２０の特徴テーブル生成部３０では、オペレータ
の指示により図３に示した特徴テーブル生成処理ルーチ
ンが実行される。なお、このルーチンの実行は、電源投
入時等に処理されるようにしてもよい。本実施例では、
後述する特徴テーブルが特徴テーブル生成部３０の図示
しないメモリに、事例ベース３４の内容が変更されるま
で記憶することとする。
【００３４】図３に示した特徴テーブル生成処理ルーチ
ンの実行と共に、ステップ４０２へ進み、事例ベース３
４から記録されている事例５０ｉを読み取る。なお、こ
の事例５０ｉの読み取りは、生成される特徴テーブルの
確実性を高くするために、文の意味情報や文型情報等の
情報（以下、特徴という）が２度以上重複して出現する
事例を抽出する。また、このステップ４０２では、読み
取った事例について、以下に示した〔変換Ａ〕のように
上記〔原文〕中の代名詞（例えば、he,she等）を概念語
（例えば、person）に置換する処理も同時に行われる。
【００３５】 〔変換Ａ〕 person took a cup of coffee. ・・・（５０1 ’） The army took the fort. ・・・（５０2 ’） Take person another cup of tea. ・・・（５０3 ’） person took a gift from him. ・・・（５０4 ’）
【００３６】次のステップ４０４では、読み取った事例
の特徴を特徴フィールド５２ｊ（ｊ＝１，２，・・ｍ，
ｍは１事例中に含み得る特徴の個数）に対応させて、１
事例の特徴フィールドに格納される複数特徴からなる特
徴レコード５４ｉ（１≦ｉ≦ｎ）を生成して記憶する。
【００３７】本実施例では、特徴レコードの各特徴フィ
ールドに格納される事例の特徴として、以下の５つを用
いた。
【００３８】 １．主語の位置の語句 （subject ） ２．目的語の位置の語句（object） ３．前置詞（preposition ） ４．前置詞に伴う語句（noun with preposition ） ５．文型（pattern ） 従って、本実施例では、特徴レコード５４ｉは、以下に
示した特徴レコード・フォーマットのように事例毎に特
徴フィールド５２1 、５２2 、５２3 、５２4、５２5
の順に記憶される。
【００３９】
【００４０】なお、上記特徴の個数は５つに限定され
ず、４つ以下または６つ以上でもよい。この６つ以上の
特徴の例として、主語の位置の語句（subject ）の同義
語または上位概念及び下位概念に適合する語句の集合、
目的語の位置の語句（object）の同義語または上位概念
及び下位概念に適合する語句の集合、第２目的語の位置
の語句、第２目的語の位置の語句の同義語または上位概
念及び下位概念に適合する語句の集合、前置詞（prep）
の同義語または上位概念及び下位概念に適合する語句の
集合、共起語の集合の何れかを更に加えてもよい。
【００４１】次のステップ４０６では、事例ベース３４
に記録されている全ての事例５０1〜５０n について特
徴レコード５４i の生成が終了したか否かを判断し、全
ての事例５０1 〜５０n について特徴レコード５４i の
生成が終了したときに、ステップ４０８へ進む。ステッ
プ４０８では、特徴テーブル５６k を生成する対象とな
る１つの語句を設定し、ステップ４１０へ進む。以下、
語句takeの設定から開始される例を説明する。
【００４２】ステップ４１０では、設定された語句take
を含む１特徴レコード５４ｉを読み取り、ステップ４１
２へ進む。ステップ４１２では、読み取った特徴レコー
ド５４ｉの特徴を登録することによって、語句takeに関
する特徴テーブル５６1 を生成しかつ記憶する。すなわ
ち、１事例中の語句takeの語義は一義的であるため、１
事例の語句takeの語義と上記５つの特徴とが適合する特
徴テーブル５６1 に各特徴を登録する。従って、特徴の
登録に際しては、同義的な特徴レコードは、同一の語義
の適合する部位に特徴が登録される。例えば、語句take
では、以下の１０個の語義Ｓ(sense) が挙げられる。
【００４３】〔語義Ｓ(sense) 〕 １．occupy ２．grasp ３．make picture ４．choose ５．carry ６．carry person ７．use ８．receive ９．pay １０．drink
【００４４】ステップ４１４では、事例ベース３４に記
録されている語句takeを含む全ての事例５０ｉについて
の特徴を特徴テーブルに登録したか否かを判断し、全て
の事例５０1 〜５０n の特徴登録が終了すると、ステッ
プ４１６へ進む。
【００４５】語句takeについて、上記のようにして生成
した特徴テーブルの例を以下の表１に示した。
【００４６】
【表１】
【００４７】次のステップ４１６では、特徴テーブル５
６1 に登録された各特徴を十分特徴６２、必要特徴６４
及び依存特徴６６に分類する。
【００４８】十分特徴６２とは、特徴テーブル５６1 に
登録された各特徴に対して、その特徴が他の語義の全て
に表れることがない特徴をいう。例えば、語句person
は、上記表１に示したように他の語義に現れているため
に十分特徴６２にはならないが、語句armyは、他の語義
に現れていないために十分特徴となる。
【００４９】また、必要特徴６４とは、特徴テーブル５
６1 に登録された各特徴に対して、その特徴がその語義
に適合する事例の全てに共通な特徴をいう。例えば、語
句takeの全ての事例について（表１）、文型を参照する
と語句takeが他動詞で用いられているため、他動詞で用
いられる文型は必要特徴６４となる。
【００５０】また、依存特徴６６とは、特徴テーブル５
６1 に登録された各特徴に対して、その特徴が他の語義
に同時に現れる特徴をいう。例えば、語句takeの語句pe
rsonは他の語義に現れているので依存特徴６６となる。
【００５１】上記特徴の分類が終了すると、次のステッ
プ４１８において、各分類された特徴レコードについて
依存関係及び出現頻度を付与する。すなわち、十分特徴
６２及び必要特徴６４の何れでもない特徴には、他の事
例との依存関係が付与される。この依存関係は、上記特
徴テーブル５６1 から求めるものではなく、事例の特徴
レコードから求める。従って、事例として１度しか出現
しない特徴に対しても依存関係が考慮できる。
【００５２】上記表１に示した特徴テーブル５６1 で
は、十分特徴６２である語句に記号＊を付し、必要特徴
６４については下線を付して分類を示した。また、依存
特徴６６については記号を付さないが、依存関係につい
て、上記表１に（）付きの添字を付して示した。この表
１において（）内の数字は、関係する語義に適合し、
（１−９）は語義の番号１から番号９の間で依存関係を
有することを示し、（all）は全ての語義間で依存関係
を有することを示している。
【００５３】なお、記載は省略したが、特徴毎に出現頻
度を表す度数が対応されている。次のステップ４２０で
は、多義語の有無を判断することにより、特徴テーブル
を生成する対象となる語句の有無を判断する。未だ多義
語が存在するときには、ステップ４０８へ戻り上記処理
を繰り返すことにより、多義語毎の特徴テーブル５６ｉ
を生成する。
【００５４】一方、全ての多義語について特徴テーブル
の生成が終了したときには、本ルーチンを終了する。
【００５５】このように、原文が記憶された事例ベース
３４から、１語句について事例毎の特徴を抽出し語義に
適合する特徴を表す特徴テーブルを生成するので、事例
中の特徴は、１つの語義を他の語義と判別するための特
徴として抽出できる。
【００５６】なお、上記説明した特徴テーブルは、予め
作成した特徴テーブルを記憶するようにしてもよい。ま
た、上記特徴テーブルは、語句毎に生成することに限定
されずに、１つの特徴テーブルに複数の多義語に関する
対応が記憶されていればよく、特徴テーブルを分割して
異なる領域に多義語を対応させてもよい。
【００５７】次に、ステップ２００の詳細を説明する。
ステップ２００は、図４に示したように、上記生成され
た特徴テーブルを用いて、多義語解消処理を行い、多義
語の語義を選択するサブルーチンである。すなわち、入
力文から特徴を抽出し、その特徴が１つの語義の十分特
徴６２と全ての必要特徴６４を満たせば、その語義を多
義語の語義とする。
【００５８】なお、説明を簡単にするために、入力され
る文の例として以下に示した入力文１を用い、多義語は
上記特徴テーブル５６1 を生成した語句takeの多義語の
語義を選択する場合を説明する。
【００５９】〔入力文１〕 He took the cab to the station.
【００６０】本ルーチンが実行されると、ステップ２０
２へ進み、解析終了後に入力された入力文の特徴レコー
ド５５が、特徴レコード生成部２２において上記特徴テ
ーブル生成時と同様に以下のように生成される。この場
合、特徴レコード生成部２２には、入力文解析装置１４
における構文解析時に、ｈｅが名詞でかつ主語であると
の情報も入力される。
【００６１】５５ ＝ （person），（cab ），（t
o），（station ），（SVO ）
【００６２】次のステップ２０４では、特徴照合部２４
において生成された特徴レコード５５について、上記特
徴テーブル５６1 を比較参照することにより、特徴レコ
ード５５の特徴と合致する特徴を求める。この生成され
た特徴レコード５５の各特徴と上記特徴テーブル５６1
との関係を以下の表２に示した。
【００６３】
【表２】
【００６４】上記のようにして求めた特徴テーブル５６
1 の特徴と特徴レコード５５の特徴と合致する特徴に基
づいて、語義判定部２６で多義語の語義を選択する。す
なわち、ステップ２０６では、生成された特徴レコード
５５の特徴に特徴テーブル５６1 の十分特徴６２が有る
か否かを判断する。この場合、上記表２に示したように
十分特徴６２が有るため、肯定判断され、ステップ２０
８へ進む。
【００６５】次のステップ２０８では、特徴レコード５
５が十分特徴６２で選択される語義の必要特徴６４を充
足しているか否かを判断する。この場合、上記表２に示
したように必要特徴を充足しているので、ステップ２１
０へ進み、残留語義の有無を判断し、残留語義が無のと
きは、十分特徴６２を有しかつ必要特徴６４が充足され
た語義を選択しステップ２１８において対訳処理装置４
０へ出力し、本ルーチンを終了する。
【００６６】従って、語義判定部２６では、語句takeの
語義は特徴テーブル５６1 の７番目の語義が選択され、
出力部２８から対訳処理装置４０へ出力する。このよう
に、入力文１は語義について曖昧さが解消されているの
で、対訳処理装置４０では、以下の訳文１に示したよう
に、対応する訳文が生成されて出力される。
【００６７】〔訳文１〕彼は駅までタクシーを使った。
【００６８】ここで、入力文によっては、入力文の有す
る特徴が十分特徴６２及び必要特徴６４の一方と該当し
ないときがある。この場合の例として以下に示した入力
文２を用いて説明する。
【００６９】〔入力文２〕 He took the building.
【００７０】この入力文２に対して上記と同様にして、
生成された特徴レコード５５の各特徴と上記特徴テーブ
ル５６1 との関係を以下の表３に示した。
【００７１】
【表３】
【００７２】上記表３に示したように、入力文２には、
十分特徴６２が含まれていないので、他の語義を考慮す
ることなく語句takeの語義を選択することができない。
そこで、入力文の特徴に十分特徴６２が含まれないとき
（ステップ２０６で否定判断）、及び入力文の特徴が十
分特徴６２であるが必要特徴６４を充足していないとき
（ステップ２０８で否定判断）の何れか一方のときは、
ステップ２１２へ進み、依存関係を有する事例間で類似
度を演算する。この入力文２の例では、類似度演算する
事例を特定するために、生成された特徴レコード５５の
各特徴と上記特徴テーブル５６1 との関係が共通する特
徴の種類である、４番目の特徴（object）を選択し、特
徴テーブル５６1 の１番目の語義及び９番目の語義の各
々の事例の特徴レコードと入力文２の特徴レコード５５
との間で類似度演算する。この類似度演算は、例えば、
特徴レコード間の一致度を演算することで求めることが
できる。
【００７３】次のステップ２１４では、演算された類似
度に基づいて、例えば類似度が最も高い特徴を入力文の
多義語の特徴と選択し、ステップ２１８に進み、この特
徴に適合する語義を対訳処理装置４０に出力し、本ルー
チンを終了する。
【００７４】従って、例えば、語句takeの語義が特徴テ
ーブル５６1 の１番目の語義の類似度が高いときには、
１番目の語義（occupy）が選択され、対訳処理装置４０
では、以下の訳文２に示したように、対応する訳文が生
成される。
【００７５】〔訳文１〕彼は建物を占領した。
【００７６】また、入力文によっては、入力文の有する
特徴が十分特徴６２及び必要特徴６４と該当する語義が
複数あるときがある。この場合にも、語句takeの語義を
選択することができない。そこで、入力文の特徴が十分
特徴でありかつ必要特徴を充足しているが、残留語義が
有るときは（ステップ２１０で否定判断）、ステップ２
１６へ進む。ステップ２１６では、入力文の特徴とし
て、上記特徴テーブルの語義に対する特徴について最も
多くの特徴が一致する語義を選択する。また、更に、特
徴の頻度を合計し、最も多頻度の特徴を有する語義を選
択するようにしてもよい。次のステップ２１８では、選
択された語義を対訳処理装置４０へ出力し、本ルーチン
を終了する。
【００７７】このように、本実施例では、複数の事例か
ら多義語毎に各語義とこの語義に適合する特徴との関係
を示す特徴テーブルを生成している。この特徴テーブル
において、多義語が有する語義毎の特徴として、他の語
義に現れない十分特徴、入力文が充足しなければならな
い必要特徴及び複数の語義に関係する依存特徴とに分類
している。
【００７８】従って、入力文中の多義語の語義を選択す
るに際して、特徴テーブルに含まれる十分特徴に適合す
る特徴が該当すれば、事例ベースから演算量が多い類似
度を演算することなく、迅速に多義語の語義を選択する
ことができる。この十分特徴に加え、入力文が充足しな
ければならない必要特徴の一致を演算することによっ
て、さらに確度が高く多義語の語義を選択することがで
きる。
【００７９】また、十分特徴及び必要特徴が該当しない
場合であっても、事例ベースから依存関係に基づいて類
似度を演算しているため、特徴テーブルに反映されてい
ない事例をも考慮して多義語の語義を選択することがで
きる。この場合、依存特徴があればそれを参照すること
により関係する語義間における類似度を演算しているた
め、演算量は減少し、多義語の語義を選択するに際して
の処理の迅速化が図れる。
【００８０】このように、本実施例では、入力された文
が有する意味情報及び文法情報等の情報を同等な特徴と
して捉えているため、多義語の各語義毎に異なる種類の
情報を用いて多義語の語義の曖昧さを解消することがで
きる。
【００８１】上記実施例では、多義語を解消する第１言
語に英語を用いて説明したが、本発明は英語に限定され
ずに他の言語を用いてもよい。この場合、第１言語に他
の言語を用いた場合にも、上記実施例と同様にして特徴
テーブルを生成し得る。
【００８２】次に、他の第１言語としてフランス語を用
いて、フランス語の語義の曖昧さを解消する第２実施例
を説明する。なお、本実施例の構成は、上記第１実施例
と同様のため、同一部分の詳細な説明は省略し、以下異
なる部分を説明する。
【００８３】先ず、フランス語における多義語の語義を
解消するにあたって利用する特徴テーブル５６ＦL （Ｌ
＝１，２，・・・ｎ，ｎは多義語の個数）は、上記と同
様に特徴テーブル生成部３０で生成される。すなわち、
図３に示した特徴テーブル生成処理ルーチンが実行さ
れ、事例ベース３４から事例５０ｉを読み取り、読み取
った事例について上記と同様に５つの特徴を特徴フィー
ルド５２ｊ（１≦ｊ≦５）に対応させて、１事例の特徴
フィールドに格納される複数特徴からなる特徴レコード
５４ｉ（１≦ｉ≦ｎ）を生成して記憶する（ステップ４
０２、４０４）。この特徴レコード５４i を、事例ベー
ス３４に記録されている全ての事例５０1〜５０n につ
いて生成した後に、特徴テーブル５６ＦLを生成する対
象となる１つの語句を設定する（ステップ４０６、４０
８）。以下、語句prendre の設定を例に説明する。
【００８４】この設定された語句prendre を含む１特徴
レコード５４ｉを読み取り、読み取った特徴レコード５
４ｉの特徴を登録することによって、語句prendreに関
する語義で分割された特徴テーブル５６Ｆ1 を生成しか
つ記憶する（ステップ４１０、４１２）。この語句pren
dreでは、以下の１０個の語義Ｓ(sens)が挙げられる。
【００８５】〔語義Ｓ(sens)〕 １．occuper ２．saiser ３．photographie ４．chosir ５．emmener ６．monter ７．recevir ８．payer ９．manger １０．succes
【００８６】次に、事例ベース３４に記録されている語
句prendreを含む全ての事例５０ｉについての特徴を特
徴テーブルに登録した後に、登録された各特徴を上記で
説明した十分特徴６２、必要特徴６４及び依存特徴６６
に分類して、各分類された特徴レコードについて依存関
係及び出現頻度を付与する（ステップ４１４〜４１
８）。なお、以下のステップは、上記実施例と同様にた
め、説明を省略する。
【００８７】このように、フランス語の原文が記憶され
た事例ベース３４から、１語句について事例毎の特徴を
抽出し語義に適合する特徴を表す特徴テーブルを生成す
るので、事例中の特徴は、１つの語義を他の語義と判別
するための特徴として抽出される。
【００８８】語句prendreについて、上記のようにして
生成した特徴テーブルの例を以下の表４に示した。
【００８９】
【表４】
【００９０】以上のように生成された特徴テーブルを用
いて、上記実施例と同様にして図４に示したフローチャ
ートに従いフランス語の語句の多義語解消処理を行うこ
とができる。
【００９１】次に、第１言語の上記の他例として日本語
を用いて、日本語の語義の曖昧さを解消する第３実施例
を説明する。本実施例の構成は、上記実施例と略同様の
ため、同一部分の詳細な説明は省略し、以下異なる部分
を説明する。
【００９２】日本語における多義語の語義を解消するに
あたって利用する特徴テーブル５６ＪM （Ｍ＝１，２，
・・・ｎ，ｎは多義語の個数）は、上記実施例と同様の
多義語解消装置２０の特徴テーブル生成部３０で生成さ
れる。この特徴テーブル５６ＪM について、語句「と
る」の例では、以下の１０個の〔語義／特徴〕が挙げら
れる。
【００９３】〔語義／特徴〕 １．占領する ２．掴む ３．撮影する ４．選ぶ ５．採用する ６．乗る ７．受け取る ８．金を払う ９．飲食する １０．招く
【００９４】この語句「とる」について、生成した特徴
テーブル５６Ｊ1 の例を以下の表５に示した。
【００９５】
【表５】
【００９６】以上のように生成された特徴テーブルを用
いて、上記実施例と同様にして図４に示したフローチャ
ートに従い日本語の語句の多義語解消処理を行うことが
できる。
【００９７】
【発明の効果】以上説明したように本発明の機械翻訳方
法によれば、第１言語の原文である複数の文が有する意
味情報や文型情報による情報を用いて、多義語の１語義
にのみある十分特徴と翻訳対象となる原文の情報とによ
り語義を選択できるため、迅速に多義語の語義の曖昧さ
を解消して語義を選択することができる、という効果が
ある。
【００９８】また、解析された文が十分特徴に一致する
情報を有するときに、更に十分特徴に関する全ての文に
適合する情報の必要特徴を有する語義を選択するため、
より高精度で多義語の語義の曖昧さを解消して語義を選
択することができる、という効果がある。
【００９９】また、十分特徴及び必要特徴が該当しない
場合であっても、例えば、事例である第１言語の文を用
いて、類似度を演算して多義語の語義を選択することが
できるため、多義語が有する語義に合致した語義の選択
処理を行うことができる、という効果がある。
【０１００】本発明の機械翻訳装置では、第１言語の原
文である複数の文が有する意味情報や文型情報による情
報を用いて、情報と該情報に適合する語義との関係を表
す特徴テーブルを備えているため、全ての文、例えば事
例について類似度を演算することなく、非常に少ない規
則で多義語の語義の曖昧さを解消することができる、と
いう効果がある。
【図面の簡単な説明】
【図１】本実施例の機械翻訳装置の概略構成を示すブロ
ック図である。
【図２】本実施例の機械翻訳装置のメインルーチンを示
すフローチャートである。
【図３】特徴テーブル生成ルーチンの流れを示すフロー
チャートである。
【図４】多義語解消処理ルーチンの流れを示すフローチ
ャートである。
【符号の説明】 １０ 機械翻訳装置 ２０ 多義語解消装置 ３０ 特徴テーブル生成部

Claims (6)

    【特許請求の範囲】
  1. 【請求項１】 １つの語句に対して複数の語義を有する
    多義語を含む翻訳対象となる第１言語による文の構造を
    解析して意味情報及び文法情報を求め、該意味情報及び
    文法情報に基づいて第２言語による文に変換する機械翻
    訳方法であって、 前記多義語を含みかつ該多義語の語義に曖昧さがなく構
    成された複数の文から、該多義語の１つの語義にのみ適
    合する意味情報及び文法情報の少なくとも一方の情報を
    十分特徴として、該十分特徴と該十分特徴に適合する語
    義との関係を予め求め、 前記解析された文の意味情報及び文法情報の少なくとも
    一方の情報が前記十分特徴に一致するか否かを判断し、 一致した前記十分特徴に適合する前記多義語の語義を選
    択する、 機械翻訳方法。
  2. 【請求項２】 １つの語句に対して複数の語義を有する
    多義語を含む翻訳対象となる第１言語による文の構造を
    解析して意味情報及び文法情報を求め、該意味情報及び
    文法情報に基づいて第２言語による文に変換する機械翻
    訳方法であって、 前記多義語を含みかつ該多義語の語義に曖昧さがなく構
    成された複数の文から、該多義語の１つの語義にのみ適
    合する意味情報及び文法情報の少なくとも一方の情報を
    十分特徴とすると共に、該多義語の１語義に関する全て
    の文に適合する意味情報及び文法情報の少なくとも一方
    の情報を必要特徴として、該十分特徴と該十分特徴に適
    合する語義との関係及び該必要特徴と該必要特徴に適合
    する語義との関係を予め求め、 前記解析された文の意味情報及び文法情報の少なくとも
    一方の情報が前記十分特徴及び必要特徴に一致するか否
    かを判断し、 一致した前記十分特徴及び必要特徴に適合する前記多義
    語の語義を選択する、 機械翻訳方法。
  3. 【請求項３】 １つの語句に対して複数の語義を有する
    多義語を含む翻訳対象となる第１言語による文の構造を
    解析して意味情報及び文法情報を求め、該意味情報及び
    文法情報に基づいて第２言語による文に変換する機械翻
    訳方法であって、 前記多義語を含みかつ該多義語の語義に曖昧さがなく構
    成された複数の文から、該多義語の１つの語義にのみ適
    合する意味情報及び文法情報の少なくとも一方の情報を
    十分特徴とすると共に、該多義語の１語義に関する全て
    の文に適合する意味情報及び文法情報の少なくとも一方
    の情報を必要特徴としかつ、該多義語の２以上の語義に
    適合する意味情報及び文法情報の少なくとも一方の情報
    を依存特徴として、該十分特徴と該十分特徴に適合する
    語義との関係を求めると共に該必要特徴と該必要特徴に
    適合する語義との関係を求めかつ該依存特徴と該依存特
    徴に適合する語義との関係を予め求め、 前記解析された文の意味情報及び文法情報の少なくとも
    一方の情報が前記十分特徴及び必要特徴に一致するか否
    かを判断し、 前記十分特徴及び必要特徴に少なくとも一方が一致しな
    い場合には、前記依存特徴に適合する語義の範囲内に含
    まれる前記文に基づいて類似度を演算し、演算結果に基
    づいて前記多義語の語義を選択する、 機械翻訳方法。
  4. 【請求項４】 １つの語句に対して複数の語義を有する
    多義語を含む翻訳対象となる第１言語による文の構造を
    解析して意味情報及び文法情報を求め、該意味情報及び
    文法情報に基づいて第２言語による文に変換する機械翻
    訳装置において、 前記多義語を含みかつ該多義語の語義に曖昧さがなく構
    成された複数の文から前記多義語の１つの語義にのみ適
    合する意味情報及び文法情報の少なくとも一方の情報を
    十分特徴として、該十分特徴と該十分特徴に適合する語
    義との関係を表す特徴テーブルと、 前記特徴テーブルを参照し、前記解析された文の意味情
    報及び文法情報の少なくとも一方の情報が前記十分特徴
    に一致するか否かを判断する判断手段と、 前記一致した前記十分特徴に適合する前記多義語の語義
    を選択する選択手段と、 を備えた機械翻訳装置。
  5. 【請求項５】 １つの語句に対して複数の語義を有する
    多義語を含む翻訳対象となる第１言語による文の構造を
    解析して意味情報及び文法情報を求め、該意味情報及び
    文法情報に基づいて第２言語による文に変換する機械翻
    訳装置において、 前記多義語を含みかつ該多義語の語義に曖昧さがなく構
    成された複数の文から前記多義語の１つの語義にのみ適
    合する意味情報及び文法情報の少なくとも一方の情報を
    十分特徴とすると共に、該多義語の１語義に関する全て
    の文に適合する意味情報及び文法情報の少なくとも一方
    の情報を必要特徴として、該十分特徴と該十分特徴に適
    合する語義との関係及び該必要特徴と該必要特徴に適合
    する語義との関係を表す特徴テーブルと、 前記特徴テーブルを参照し、前記解析された文の意味情
    報及び文法情報の少なくとも一方の情報が前記十分特徴
    及び必要特徴に一致するか否かを判断する判断手段と、 前記一致した前記十分特徴に適合する前記多義語の語義
    を選択する選択手段と、 を備えた機械翻訳装置。
  6. 【請求項６】 １つの語句に対して複数の語義を有する
    多義語を含む翻訳対象となる第１言語による文の構造を
    解析して意味情報及び文法情報を求め、該意味情報及び
    文法情報に基づいて第２言語による文に変換する機械翻
    訳装置において、 前記多義語を含みかつ該多義語の語義に曖昧さがなく構
    成された複数の文から、該多義語の１つの語義にのみ適
    合する意味情報及び文法情報の少なくとも一方の情報を
    十分特徴とすると共に、該多義語の１語義に関する全て
    の文に適合する意味情報及び文法情報の少なくとも一方
    の情報を必要特徴としかつ、該多義語の２以上の語義に
    適合する意味情報及び文法情報の少なくとも一方の情報
    を依存特徴として、該十分特徴と該十分特徴に適合する
    語義との関係を求めると共に該必要特徴と該必要特徴に
    適合する語義との関係を求めかつ該依存特徴と該依存特
    徴に適合する語義との関係を表す特徴テーブルと、 前記特徴テーブルを参照し、前記解析された文の意味情
    報及び文法情報の少なくとも一方の情報が前記十分特徴
    及び必要特徴に一致するか否かを判断する判断手段と、 前記判断手段によって前記十分特徴及び必要特徴に少な
    くとも一方が一致しないと判断された場合に、前記依存
    特徴に適合する語義の範囲内に含まれる前記文に基づい
    て類似度を演算する演算手段と、 前記演算手段の演算結果に基づいて前記多義語の語義を
    選択する選択手段と、 を備えた機械翻訳装置。
JP5102973A 1993-04-28 1993-04-28 機械翻訳装置 Expired - Fee Related JP2821840B2 (ja)

Priority Applications (4)

Application Number Priority Date Filing Date Title
JP5102973A JP2821840B2 (ja) 1993-04-28 1993-04-28 機械翻訳装置
US08/203,084 US5844798A (en) 1993-04-28 1994-02-28 Method and apparatus for machine translation
DE69429301T DE69429301T2 (de) 1993-04-28 1994-04-12 Sprachverarbeitungssystem
EP94302567A EP0622742B1 (en) 1993-04-28 1994-04-12 Language processing system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP5102973A JP2821840B2 (ja) 1993-04-28 1993-04-28 機械翻訳装置

Publications (2)

Publication Number Publication Date
JPH06314294A true JPH06314294A (ja) 1994-11-08
JP2821840B2 JP2821840B2 (ja) 1998-11-05

Family

ID=14341700

Family Applications (1)

Application Number Title Priority Date Filing Date
JP5102973A Expired - Fee Related JP2821840B2 (ja) 1993-04-28 1993-04-28 機械翻訳装置

Country Status (4)

Country Link
US (1) US5844798A (ja)
EP (1) EP0622742B1 (ja)
JP (1) JP2821840B2 (ja)
DE (1) DE69429301T2 (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2008108061A1 (ja) * 2007-03-01 2010-06-10 日本電気株式会社 言語処理システム、言語処理方法、言語処理プログラムおよび記録媒体

Families Citing this family (49)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
US6233546B1 (en) * 1998-11-19 2001-05-15 William E. Datig Method and system for machine translation using epistemic moments and stored dictionary entries
US6233545B1 (en) * 1997-05-01 2001-05-15 William E. Datig Universal machine translator of arbitrary languages utilizing epistemic moments
JPH113338A (ja) * 1997-06-11 1999-01-06 Toshiba Corp 多言語入力システム、多言語入力方法及び多言語入力プログラムを記録した記録媒体
US6078878A (en) * 1997-07-31 2000-06-20 Microsoft Corporation Bootstrapping sense characterizations of occurrences of polysemous words
AU3324999A (en) * 1998-04-06 1999-10-25 Sha Liu Opening and holographic template type of language translation method having man-machine dialogue function and holographic semanteme marking system
US6167370A (en) * 1998-09-09 2000-12-26 Invention Machine Corporation Document semantic analysis/selection with knowledge creativity capability utilizing subject-action-object (SAO) structures
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
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
US6389386B1 (en) 1998-12-15 2002-05-14 International Business Machines Corporation Method, system and computer program product for sorting text strings
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
EP1266313A2 (en) 1999-03-19 2002-12-18 Trados GmbH Workflow management system
US20060116865A1 (en) 1999-09-17 2006-06-01 Www.Uniscape.Com E-services translation utilizing machine translation and translation memory
US7120574B2 (en) * 2000-04-03 2006-10-10 Invention Machine Corporation Synonym extension of search queries with validation
US7962326B2 (en) * 2000-04-20 2011-06-14 Invention Machine Corporation Semantic answering system and method
US7171349B1 (en) 2000-08-11 2007-01-30 Attensity Corporation Relational text index creation and searching
US6732098B1 (en) 2000-08-11 2004-05-04 Attensity Corporation Relational text index creation and searching
US6728707B1 (en) 2000-08-11 2004-04-27 Attensity Corporation Relational text index creation and searching
US6741988B1 (en) 2000-08-11 2004-05-25 Attensity Corporation Relational text index creation and searching
US6732097B1 (en) 2000-08-11 2004-05-04 Attensity Corporation Relational text index creation and searching
US6738765B1 (en) 2000-08-11 2004-05-18 Attensity Corporation Relational text index creation and searching
KR20020036059A (ko) * 2000-11-07 2002-05-16 옥철영 사전 뜻풀이말에서 추출된 의미정보를 기반으로하는 의미중의성 해결 방법
US9009590B2 (en) * 2001-07-31 2015-04-14 Invention Machines Corporation Semantic processor for recognition of cause-effect relations in natural language documents
US20030236658A1 (en) * 2002-06-24 2003-12-25 Lloyd Yam System, method and computer program product for translating information
JP4355138B2 (ja) * 2002-12-13 2009-10-28 インターナショナル・ビジネス・マシーンズ・コーポレーション 翻訳サーバ、コラボレーションサーバ及びプログラム
US20040193557A1 (en) * 2003-03-25 2004-09-30 Olsen Jesse Dale Systems and methods for reducing ambiguity of communications
JP3943582B2 (ja) * 2003-05-30 2007-07-11 富士通株式会社 対訳文対応付け装置
US7366666B2 (en) * 2003-10-01 2008-04-29 International Business Machines Corporation Relative delta computations for determining the meaning of language inputs
US7813916B2 (en) 2003-11-18 2010-10-12 University Of Utah Acquisition and application of contextual role knowledge for coreference resolution
US7983896B2 (en) 2004-03-05 2011-07-19 SDL Language Technology In-context exact (ICE) matching
WO2006076034A2 (en) * 2004-05-21 2006-07-20 Bhanu, Kalra Stabilized two component system for chemilumiescent assay in immunodiagnostics
GB2417103A (en) * 2004-08-11 2006-02-15 Sdl Plc Natural language translation system
US20070073678A1 (en) * 2005-09-23 2007-03-29 Applied Linguistics, Llc Semantic document profiling
US7765098B2 (en) * 2005-04-26 2010-07-27 Content Analyst Company, Llc Machine translation using vector space representations
US20070073745A1 (en) * 2005-09-23 2007-03-29 Applied Linguistics, Llc Similarity metric for semantic profiling
US8521506B2 (en) 2006-09-21 2013-08-27 Sdl Plc Computer-implemented method, computer software and apparatus for use in a translation system
US8112402B2 (en) 2007-02-26 2012-02-07 Microsoft Corporation Automatic disambiguation based on a reference resource
US8738353B2 (en) * 2007-09-05 2014-05-27 Modibo Soumare Relational database method and systems for alphabet based language representation
US20090083026A1 (en) * 2007-09-24 2009-03-26 Microsoft Corporation Summarizing document with marked points
GB2468278A (en) 2009-03-02 2010-09-08 Sdl Plc Computer assisted natural language translation outputs selectable target text associated in bilingual corpus with input target text from partial translation
US9262403B2 (en) 2009-03-02 2016-02-16 Sdl Plc Dynamic generation of auto-suggest dictionary for natural language translation
CN102439595A (zh) * 2009-03-13 2012-05-02 发明机器公司 基于文本文档和用户问题的语义标记的问答系统和方法
US9128929B2 (en) 2011-01-14 2015-09-08 Sdl Language Technologies Systems and methods for automatically estimating a translation time including preparation time in addition to the translation itself
CN107273355B (zh) * 2017-06-12 2020-07-14 大连理工大学 一种基于字词联合训练的中文词向量生成方法
US10635863B2 (en) 2017-10-30 2020-04-28 Sdl Inc. Fragment recall and adaptive automated translation
US10817676B2 (en) 2017-12-27 2020-10-27 Sdl Inc. Intelligent routing services and systems
WO2020017006A1 (ja) * 2018-07-19 2020-01-23 富士通株式会社 学習方法、翻訳方法、学習プログラム、翻訳プログラムおよび情報処理装置
US11256867B2 (en) 2018-10-09 2022-02-22 Sdl Inc. Systems and methods of machine learning for digital assets and message creation
CN110991196B (zh) * 2019-12-18 2021-10-26 北京百度网讯科技有限公司 多义词的翻译方法、装置、电子设备及介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61187077A (ja) * 1985-02-14 1986-08-20 Ricoh Co Ltd 日本語解析装置
JPH03296860A (ja) * 1990-04-16 1991-12-27 Ricoh Co Ltd 自然言語文解析装置
JPH05298355A (ja) * 1992-04-20 1993-11-12 Ricoh Co Ltd 自然言語文解析装置

Family Cites Families (19)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS6140672A (ja) * 1984-07-31 1986-02-26 Hitachi Ltd 多品詞解消処理方式
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
JPS62219165A (ja) * 1986-03-20 1987-09-26 Fujitsu Ltd 機械翻訳における訳語選択処理方式
US4887212A (en) * 1986-10-29 1989-12-12 International Business Machines Corporation Parser for natural language text
US4916614A (en) * 1986-11-25 1990-04-10 Hitachi, Ltd. Sentence translator using a thesaurus and a concept-organized co- occurrence dictionary to select from a plurality of equivalent target words
JPS63305463A (ja) * 1987-06-05 1988-12-13 Hitachi Ltd 自然言語処理方式
US4868750A (en) * 1987-10-07 1989-09-19 Houghton Mifflin Company Collocational grammar system
JPH01314373A (ja) * 1988-06-15 1989-12-19 Hitachi Ltd 機械翻訳システムにおける訳語選択方式
JPH0798416B2 (ja) * 1988-07-28 1995-10-25 株式会社東芝 プリンタ装置
JPH0242572A (ja) * 1988-08-03 1990-02-13 Hitachi Ltd 共起関係辞書生成保守方法
JPH02165378A (ja) * 1988-12-20 1990-06-26 Csk Corp 機械翻訳システム
JPH02254564A (ja) * 1989-03-29 1990-10-15 Ricoh Co Ltd 翻訳用辞書編集装置
JPH02308370A (ja) * 1989-05-24 1990-12-21 Toshiba Corp 機械翻訳システム
US5056021A (en) * 1989-06-08 1991-10-08 Carolyn Ausborn Method and apparatus for abstracting concepts from natural language
EP0409425A3 (en) * 1989-07-15 1993-04-28 Keechung Kim Method and apparatus for translating language
US5289375A (en) * 1990-01-22 1994-02-22 Sharp Kabushiki Kaisha Translation machine
JPH03282677A (ja) * 1990-03-29 1991-12-12 Nec Corp 記号と概念の対応関係の設定方法
JP3266246B2 (ja) * 1990-06-15 2002-03-18 インターナシヨナル・ビジネス・マシーンズ・コーポレーシヨン 自然言語解析装置及び方法並びに自然言語解析用知識ベース構築方法
JP2815714B2 (ja) * 1991-01-11 1998-10-27 シャープ株式会社 翻訳装置

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPS61187077A (ja) * 1985-02-14 1986-08-20 Ricoh Co Ltd 日本語解析装置
JPH03296860A (ja) * 1990-04-16 1991-12-27 Ricoh Co Ltd 自然言語文解析装置
JPH05298355A (ja) * 1992-04-20 1993-11-12 Ricoh Co Ltd 自然言語文解析装置

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPWO2008108061A1 (ja) * 2007-03-01 2010-06-10 日本電気株式会社 言語処理システム、言語処理方法、言語処理プログラムおよび記録媒体

Also Published As

Publication number Publication date
DE69429301T2 (de) 2002-08-22
EP0622742A1 (en) 1994-11-02
EP0622742B1 (en) 2001-12-05
JP2821840B2 (ja) 1998-11-05
DE69429301D1 (de) 2002-01-17
US5844798A (en) 1998-12-01

Similar Documents

Publication Publication Date Title
JP2821840B2 (ja) 機械翻訳装置
Ge et al. A statistical semantic parser that integrates syntax and semantics
JP3906356B2 (ja) 構文解析方法及び装置
KR101031970B1 (ko) 구문들 사이의 번역 관계를 학습하기 위한 통계적 방법
US6862566B2 (en) Method and apparatus for converting an expression using key words
EP0399533B1 (en) Machine translation system and method of machine translation
US20070112553A1 (en) System, method, and program for identifying the corresponding translation
JPH05242138A (ja) 単語ディスアンビギュエーション装置及び方法
JP2006244262A (ja) 質問回答検索システム、方法およびプログラム
EP0398513B1 (en) Method and apparatus for translating a sentence including a compound word formed by hyphenation
KR20210105626A (ko) 기술문서 번역 지원 시스템
KR100559472B1 (ko) 영한 자동번역에서 의미 벡터와 한국어 국소 문맥 정보를사용한 대역어 선택시스템 및 방법
JP3441400B2 (ja) 言語変換規則作成装置、及びプログラム記録媒体
JP5298834B2 (ja) 例文マッチング翻訳装置、およびプログラム、並びに翻訳装置を含んで構成された句翻訳装置
KR100617319B1 (ko) 영한 자동번역을 위하여 동사구 패턴 및 의미 벡터를 사용하는 동사/명사 대역어 선택 장치 및 그 방법
KR20000056245A (ko) 예제기반 기계번역에서 분별성이 반영된 유사도를 이용한 번역예문 선정방법
JP5245291B2 (ja) 文書解析装置、および文書解析方法、並びにコンピュータ・プログラム
JP3698454B2 (ja) 並列句解析装置および学習データ自動作成装置
JP2006127089A (ja) 照応解析システム
Galicia-Haro Using electronic texts for an annotated corpus building
JP2004102942A (ja) 翻訳の信頼度を算出するようにコンピュータシステムを動作させる方法およびプログラム、複数個の翻訳の中から一つの翻訳を選択するようにコンピュータを動作させる方法およびプログラム、ならびに意味対応表を記憶した記憶媒体
JP3388393B2 (ja) データベースを利用したテンス、アスペクトあるいはモダリティに関する翻訳装置
JP2608384B2 (ja) 機械翻訳装置及びその方法
CN120930601A (zh) 一种针对混合语境的文化知识融合对话方法及系统
JPH03116273A (ja) 対訳文テンプレート対を用いた機械翻訳システム

Legal Events

Date Code Title Description
R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees