JPH0760434B2 - 漢字変換装置 - Google Patents

Description

【発明の詳細な説明】 産業上の利用分野 本発明は中国語等の表音文字列を漢字列に変換するのに
用いる漢字変換装置に関する。

従来の技術 中国語で使われている漢字は一万字以上ある。その中か
ら如何に漢字を正しく高速に入力するかが中国語の計算
機処理での最も重要な課題である。従来、漢字入力の手
段として、音声認識、文字認識、キーボードが研究され
ている。その内、キーボードによる入力手段は最も確実
で実用化されている。キーボードを利用する漢字の入力
方式は次に示すように大別することができる。

（１）コードによる入力方式：例えば『電信明碼（中国
の電報コード）。この方法では漢字のコードを予め暗記
しておかなければならない。各漢字に対応するコードに
規則性がないため、暗記するには相当の時間が必要で、
実用的ではない。

（２）漢字の字形による入力方式：例えば『倉頡入力方
式』、『四角號碼入力方式』。これらは決った規則に従
って、入力したい漢字の字形で該当する鍵盤のキーを順
番にいくつか押すことによって漢字の入力をする。中国
の漢字は非常に複雑であるため、漢字の字形による入力
をするための規則も複雑で、慣れるまで時間がかかる。
又、入力しながら、漢字の字形を考えなければならない
ので、使用者の心理的負担が大きいことと、一回一字し
か入力出来ないことがその欠点である。

（３）漢字の読みによる入力方式：例えば『注音入力方
式』、『へい音入力方式』。これらは入力したい漢字の
読みを表わす表音文字を入力し、漢字変換、又は同音異
義字、語の選択によって、漢字を入力する。使用者が字
の形を気にせずに、読み（表音文字列）を入力するだけ
でよいので、最も自然で習い易い入力方式と思われる。

従来の読みを入力とする漢字変換装置としては、例えば
特開昭61−20176号公報に示されている。第４図はこの
従来の読みを入力とする漢字変換装置の処理フローを示
すブロック図であり、20はローマ字を入力する入力部分
である。21と26はローマ字もしくは漢字を表示するディ
スプレイである。22は一単語入力終了キーによって一単
語相当分を識別する部分である。23は聲調符号キーを識
別する部分である。24は聲調符号キーによって一字相当
分を識別する部分である。25は一字相当分及び一単語相
当分を電子的に記憶されたローマ字表記−中国語対照辞
書を索引することによって中国語に変換する部分であ
る。

以上のように構成された読みを入力とする従来の漢字変
換装置においては、入力されたローマ字表記のデータに
聲調符号と単語終了キーが付加されたので、22の一単語
相当分を識別する部分で単語終了キーが検出されると、
25の漢字変換部分でローマ字表記−中国語対照辞書を索
引して対応する漢字に変換する。例えば、 のように区切って入力する（単語終了キーはスペースキ
ー）と、25の漢字変換部分で を辞書検索により、それぞれ「今天」「天気」「很」
「好」に変換し、結果が「今天天気很好」となる。

発明が解決しようとする問題点 しかしながら、上記のような構成において次の問題点が
ある。

（１）使用者が入力列に単語を識別するための単語終了
キーを付加する、つまり入力列を単語単位に、もしくは
単漢字単位に区切るような面倒な手間が必要なので、非
効率である。

（２）入力したい漢字列の意味を常に意識しながら、読
みの入力列を区切らないと誤変換又は変換不能となる。

例えば、「増加記憶力之秘訣」を入力したい場合、その
読みに対応する全ての単語候補（実線）と単漢字候補
（点線）は次の通りである。

したがって、入力列を正しく区切らないと、 「増 家計 毅力 之 秘訣」 「増加 寄 易力 之 秘訣」 「増加 記憶 茘枝 秘訣」 「増加 記憶力 之 蜜 決」 のように誤変換、又は単語として変換不能に陥り、単漢
字での変換をしなければならなくなる。

（３）中国語では、単語の定義がはっきりしていない。
一般的な概念としては「意味をもつ単漢字の組み合わ
せ」を単語と呼ぶ。例えば、「中華民族」の場合、「中
華」「民族」を別々の単語として扱ってもよいし、「中
華民族」を一つ単語として扱ってもよい。辞書に全ての
中国語の単語を登録するのは不可能であり、使用者にと
っても、辞書に登録されている単語は不明である。上記
従来の漢字変換装置において、使用者が辞書に登録され
る通りに区切らないと変換不能となる。例えば、辞書に
「中華」「民族」しか登録しない場合、「中華民族」の
読みを区切らずにそのまま入力すると変換不能となる。

本発明はかかる点に鑑み、使用者が入力文字列を区切る
必要がなく、任意の長さの読みの入力でも対応できる中
国語の特徴を生かした高変換率漢字変換装置を提供する
ことを目的とする。

問題点を解決するための手段 本発明は、任意の長さのへい音、注音、ローマ字などの
表音文字列を入力する入力手段と、変換するための単語
を記憶している辞書と、入力された表音文字列を単語に
変換する際の変換単語長を記憶する変換単語長記憶手段
と、入力された表音文字列のどの位置から変換を行なう
かを記憶する変換位置記憶手段と、前記変換位置記憶手
段に記憶されている変換位置から、前記変換単語長記憶
手段に記憶されている変換単語長を単位とする変換単語
長範囲に含まれる表音文字列内に既に変換対象となった
表音文字列を含まない場合に、入力表音文字列に一致す
る単語を変換候補として前記辞書から検索する辞書検索
手段と、前記変換単語長記憶手段の記憶単語長を、辞書
内の最大単語長または入力表音文字列の長さが前記最大
単語長より短かいときはその入力表音文字列長を最大と
し、以下順次減少させた値に設定する単語長設定手段
と、前記変換単語長記憶手段に記憶した記憶単語長が一
定長の間、前記変換位置記憶手段の設定位置を入力表音
文字列の最初の位置より順次ずらすように制御する変換
位置記憶手段と、前記辞書検索手段により検索された変
換候補をもとに単語変換を行う単語変換手段とを備えた
ことを特徴とする漢字変換装置である。

作用 本発明は前記した構成により、任意の長さの表音文字列
に対し、まだ漢字に変換されていない音節に対応する全
ての単語候補の内、文字数の多い単語候補を最優先に変
換することを繰り返すように、入力された表音文字列を
自動的に区切って変換する。

実施例 第１図は本発明の一実施例における漢字変換装置のブロ
ック図を示すものである。第１図において、10はへい
音，注音，ローマ字などの表音文字を入力する入力手段
である。14は入力された表音文字列の音節数を表わすNC
HARレジスタである。なお、中国語では一つの漢字には
一つの音節が対応しているので、入力された表音文字列
の音節数はつまり、変換する漢字数である。12,13はそ
れぞれ、表音文字列を単語に変換する時、使用されるＩ
レジスタとNPレジスタで、Ｉレジスタは入力された表音
文字列のどの位置から変換を行うかその変換位置を記憶
するレジスタ、NPレジスタは入力された表音文字列を単
語に変換する際の変換単語長を記憶するレジスタであ
る。すなわちそれぞれのレジスタの内容i,npの意味する
ところは、入力された表音文字列のｉ番目から連続した
np個の音節が次の辞書検索時の検索キーであることを示
すものである（以下、nchar,np,iをそれぞれNCHAR,NP,I
レジスタの内容を表わすことにする）。11はNCHARレジ
スタ14、NPレジスタ13、Ｉレジスタ12のレジスタ初期化
手段で、入力された表音文字列の音節数を計算し、その
値をNCHARレジスタ14に設定すると共に、もしその値が
辞書18に収容されている最長単語の文字数max（本実施
例においては７とする）より大ならば、上記maxをNPレ
ジスタ13に設定し、そうでない場合は、上記入力された
表音文字列の音節数に設定し、更にＩレジスタ12の内容
を１に設定するものである。15は常に（np＋ｉ）＞（nc
har＋１）かをチェックし、真であるならば、NPレジス
タ13の内容を一つ減らし、Ｉレジスタ12の内容を再度１
に設定する回路を含む比較手段である。16は以下に示す
制御を行なう変換制御手段である。入力された表音文字
列のｉ番目から連続したnp個の音節の内、すでに変換さ
れた音節があるかどうかをチェックする。もし、どれも
まだ変換されていないならば、そのｉ番目から連続した
np個の音節を辞書検索のキーとして、辞書検索手段17に
送る。辞書18に対応する単語もしくは単漢字があるなら
ば、上記ｉ番目から連続したnp個の音節をその単語もし
くは単漢字候補に変換し、同時にｉにnpを加える。ま
た、対応する単語もしくは単漢字候補がないならば、ｉ
に１を加えるだけで、変換処理は行なわない。一方、上
記ｉ番目から連続したnp個の音節の内、すでに変換され
た音節があるならば、辞書検索をせずに、ｉに１を加え
る。以上の処理をnpがゼロになるまで繰り返し、npがゼ
ロになった時、変換処理をストップさせて、変換結果を
出力手段19に出す。17は上記変換制御手段16から送って
きた音節列をキーとし、辞書18から該当する候補の内、
使用頻度の最も高い候補を取り出し、上記変換制御手段
16に送る辞書検索手段である。

以上のように構成された本実施例の漢字変換装置につい
て、以下、 の入力列を具体例として、その動作を説明する。説明を
容易とするために、この入力列に対応する辞書18にある
全ての単語候補（実線）と単漢字の第１〜第３候補（点
線）を次に示す。

又、辞書18に収容されている最長単語の文字数は７と仮
定する。

上記の表音文字列が入力されると、第２図に示すように
レジスタ初期化手段11で、含まれる聲調の数を計算する
ことによって音節数を求め、その値をNCHARレジスタ14
に設定すると共に、その値が辞書18の最長単語の文字数
７より大なので、NPレジスタ13の初期値として、７を設
定し、Ｉレジスタ12を１に設定する。NPレジスタ13の役
割は、現在変換しようとする単語単位の文字数、つま
り、辞書検索する対象となる単語候補の文字数を指す。
辞書に登録されている最長単語の文字数は７であるの
で、当然如何なる長さの入力列に対しても単語変換の最
大単位の単語の文字数、つまり、辞書検索の対象となる
単語候補の最大文字数は７である。又、Ｉレジスタ12の
役割は、現在の辞書検索のキーが上記入力された表音文
字列のｉ番目からの連続した音節列（np個の音節列）で
あることを表わす。

入力された音節数によって、NCHARレジスタ14、NPレジ
スタ13、Ｉレジスタ12の初期値が設定された後、第３図
に示すように変換制御手段16で、NPレジスタ13とＩレジ
スタ12の値によって、入力手段10から送られて来た表音
文字列の１〜７番目の連続した音節列 の内に変換された音節があるかどうかをチェックし、全
てがまだ変換されていないので、それを辞書検索のキー
として、辞書検索手段17に送り、辞書18を検索する。そ
れに対応する単語候補がないので、Ｉレジスタ12の値を
一つ増やす。次に新しいNPレジスタ13とＩレジスタ12の
値によって、 に対し、同じ処理をし、対応する単語候補がないので、
Ｉレジスタ12の値を一つ増やす。

が処理された後、NPレジスタ13とＩレジスタ12の値がそ
れぞれ７と４となり、（np＋ｉ）＞（nchar＋１）が成
り立ち、つまり、長さが７の全ての可能な単語候補が既
に調べられたので、比較手段15により、NPレジスタ13の
内容を一つ減らし、Ｉレジスタ12の内容を１に設定する
ことにより、次に入力列の先頭からまだ変換されていな
い長さが６の音節列に対応する単語候補を調べる。全て
の長さが６の音節列に対応する単語候補もないので、次
に長さが５の単語候補を調べる。同様に、全ての長さが
５の音節列に対応する単語候補もないので、次に長さが
４の単語候補を調べる。npが４、ｉが３となった時、 に対応する候補「十全十美」が存在するので、 を「十全十美」に変換する。この時、ｉに４が足され
る。

の音節はすでに変換されたので、その後 の音節を含む音節列 を検索する必要はない。同様に、npが3,2,1の時、 の音節を含む長さ3,2,1の音節列を検索する必要もな
い。したがって、「全蝕」「泉石」のような単語候補が
存在しても、検索されない。検索して対応する音節に変
換すると前に変換された「十全十美」が「十全蝕美」
「十泉石美」のように、もとの持つ意味を失う。以上の
処理を繰り返すと、 が「没有」に、 が「姑娘」に変換される。

npとｉとなった時に、上記入力された表音文字列は「没
有十全十美de.姑娘」のように単語単位で変換される。
単語単位で変換できない音節「de.」はnpが１、ｉが７
となった時、対応する第一単漢候補「的」に変換され
る。npがゼロとなった時、変換処理が終了し、変換結果
として、「没有十全十美的姑娘」が出力手段19に送り出
される。

同じ処理で、上記 に対し、「増加記憶力之秘訣」が得られる。いずれも、
正しい変換結果である。

台湾の国語日報出版社の「国語日報辞典」に収容されて
いる単語，単漢字を調べると、次の結果が得られる。

（１）文字数が３以上の同音異義語はない。

（２）文字数が２の単語の内、9.7％だけが同音異義語
である。

（３）単漢字の1267種類の読みの内、85％は同音異義字
を含む。

したがって、本実施例に示すように、任意の長さの表音
文字列に対応する全ての単語、単漢字候補の内、文字数
の多い単語候補を優先して変換した方が同音異義語が殆
どないので、正しく変換する確率が高い。また、文字数
の多い単語候補を優先して変換することは人間が相手の
話を聞いた時、常に解釈できる最大の単位の単語に話を
分解して理解する現象を反映する。特に、中国語では、
「妙手回春」「打草驚蛇」「東窓事発」……などの単語
のように、その単語の持つ意味はそれを構成する各単漢
字の意味の組み合わせで解釈するのではなく、単語全体
を一つの単位として扱われて、全く違う意味を持つのが
多い。漢字変換する時、文字数の多い単語候補を優先し
て変換することは、中国語の上述のような特徴と合致し
ており、この面からも高い変換率が期待できる。

なお、レジスタ初期化手段11の一部と比較手段15の一部
は単語長設定手段に相当する。NPレジスタ13は変換単語
長記憶手段に相当する。Ｉレジスタ12は変換位置記憶手
段に相当する。レジスタ初期化手段11の一部と比較手段
15の一部と変換制御手段16の一部は変換位置設定手段に
相当する、変換制御手段16の一部は単語変換手段に相当
する。

尚、この発明は上記実施例にのみ限らず、要旨を変更し
ない範囲で適宜変形して実施出来る。例えば、辞書を記
憶するメモリの種類と辞書構造の制限で、検索効率を改
善するために、上記実施例に示すように漢字変換を行な
いながら、辞書検索をすることに代わって、先ず該当す
る全ての単語候補を辞書から取り出してから、まだ変換
されていない音節に対し、文字数の多い単語候補を最優
先に、同語長の場合、入力文字列の先頭の方に対応する
単語候補を選んで変換しても結果は変わらない。又、同
音異義字、語の場合、使用頻度、品詞などの総合情報だ
けでなく、学習機能との組み合わせによる選択もでき
る。

尚、変換速度を改善するために、文字数の多い単語を同
音異義語が生じないように、構成文字数のより少ない単
位に適当に分割し、それぞれ別々に辞書に登録すること
により、本実施例に示す辞書での最長単語の文字数を減
少させ、辞書検索時の最大単位を７以下にして辞書検索
回数を減らすことも可能である。特に、上記「国語日報
辞書」の調べによると、文字数が５以上の単語は全体の
0.5％しか占めていない。それらを文字数が２〜４の単
位に適当に分割して辞書に記憶すれば、本実施例におい
て、任意の長さの入力表音文字列に対しても、辞書検索
の最大単位の文字数は４で良いので、変換速度が更に改
善される。例えば、「一失足成古恨」の単語に対し、そ
れを「一失足」「成千古恨」或いは「一失足成」「千古
恨」のように、なるべく文字数の多い単位に分割すれ
ば、それらと同音異義語同士となる単語はないので、本
発明の文字数の多い単語候補を優先して変換することに
より、「一失足成千古恨」の読みを表わす表音文字列が
入力されても、同様の変換結果が得られる。

発明の効果 以上説明したように、本発明によれば、使用者が単語、
単漢字毎に区切って入力する必要がなく、中国語の特徴
を生かした文字数の多い単語候補を優先して変換するこ
とによって、一般の文章に対し、80％以上の変換率が得
られるので、同音異義字、語の選択時間を省くことがで
き、漢字入力の効率が高く、その実用性が大きい。

【図面の簡単な説明】

第１図は本発明における一実施例の漢字変換装置のブロ
ック図、第２図，第３図は同実施例の動作説明のための
フロー図、第４図は従来の漢字変換装置の処理フローを
示すブロック図である。 10……入力手段、11……レジスタ初期化手段、12……Ｉ
レジスタ、13……NPレジスタ、14……NCHARレジスタ、1
5……比較手段、16……変換制御手段、17……辞書検索
手段、18……辞書、19……出力手段。

Claims (1)

【特許請求の範囲】
1. 【請求項１】任意の長さのへい音、注音、ローマ字など
   の表音文字列を入力する入力手段と、変換するための単
   語を記憶している辞書と、入力された表音文字列を単語
   に変換する際の変換単語長を記憶する変換単語長記憶手
   段と、入力された表音文字列のどの位置から変換を行な
   うかを記憶する変換位置記憶手段と、前記変換位置記憶
   手段に記憶されている変換位置から、前記変換単語長記
   憶手段に記憶されている変換単語長を単位とする変換単
   語長範囲に含まれる表音文字列内に既に変換対象となっ
   た表音文字列を含まない場合に、入力表音文字列に一致
   する単語を変換候補として前記辞書から検索する辞書検
   索手段と、前記変換単語長記憶手段の記憶単語長を、辞
   書内の最大単語長または入力表音文字列の長さが前記最
   大単語長より短かいときはその入力表音文字列長を最大
   とし、以下順次減少させた値に設定する単語長設定手段
   と、前記変換単語長記憶手段に記憶した記憶単語長が一
   定長の間、前記変換位置設定手段の設定位置を入力表音
   文字列の最初の位置より順次ずらすように制御する変換
   位置記憶手段と、前記辞書検索手段により検索された変
   換候補をもとに単語変換を行う単語変換手段とを備えた
   ことを特徴とする漢字変換装置。