JPH08263478A

JPH08263478A - 中国語簡繁体字文書変換装置

Info

Publication number: JPH08263478A
Application number: JP7066117A
Authority: JP
Inventors: Toshitake Kaku; 俊桔郭
Original assignee: Matsushita Electric Industrial Co Ltd
Current assignee: Panasonic Holdings Corp
Priority date: 1995-03-24
Filing date: 1995-03-24
Publication date: 1996-10-11
Also published as: CN1134568A; CN1102779C

Abstract

(57)【要約】【目的】中国語の簡体字文書と繁体字文書とを正確に
変換する装置を提供する。【構成】漢字の文字及び読みの情報の他に用語変換辞
書を参照する。具体的には、用語変換部３０が入力部１
０より入力された原始文書及び言語フラグをバッファ４
０に記録し、言語フラグ及び用語変換辞書２０を参照
し、用語変換辞書２０の検索語と一致する漢字や単語が
あれば、該漢字や単語をそれに対応する対応語に書き直
す。文字対読み変換部６０がバッファ４０に記録されて
いる言語フラグ及びシステム辞書５０（破音字辞書も含
む）を参照して原始文書の文字を読み記号に変換する。
読み対文字変換部７０が言語フラグ、システム辞書５
０、簡繁体字対応辞書８０を参照して読みから文字への
変換アルゴリズムにより原始文書の読み記号を目的文書
の文字に変換し、出力部９０から出力する。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、中国語の簡体字文書と
繁体字文書の変換装置に関する。

【０００２】

【従来の技術】近年、中国大陸と台湾との交流が頻繁に
なりつつあるが、これにともなって、両者間の文書のや
りとりも増加してきた。しかしながら、４０年間も交流
がなかったので、両者が使用している漢字の字体だけで
はなく、単語や用語（日常よく使用する単一又は複数の
単語やその使用方法）等もかなり大きく相違してきてい
る。このため、互いに、他方で使用されている文書は相
互に理解が困難となっている。例えば、台湾では日本で
いうレーザプリンタは「雷射印表機」と言う（という用
語となる）が、大陸では「激光打印機」と称する。この
ため、大陸で使用される簡体字文書と台湾で使用される
繁体字文書との相互変換の需要が急増している。だが、
簡体字文書と繁体字文書との相互変換には、以下の技術
的、言語学的な困難性を解決する必要がある。

【０００３】（１）簡体字の常用文字数は約８，０００
個であるが、常用される繁体字は常用簡体字よりずっと
多い。例えば、コンピュータ上の常用繁体字でも１３，
０５３個がある。このため、一つの簡体字にいくつかの
繁体字が対応することが生じる。一例をあげれば、簡体
字の「后」は繁体字の「后」と「後」に対応する。従っ
て、簡体字文書から繁体字文書へ変換する場合には、適
切な繁体字を選択する必要がある。

【０００４】（２）社会や、文化の差異のため、単語や
その用い方も相違している。例えば、日本でいう質の程
度を表現するのに使用する「水準（技術水準等）」は、
中国大陸では「水平」と言うが、台湾では「水準」と言
う。このため、簡体字で記載された文書と繁体字で記載
された文書の変換装置が研究、開発されている。

【０００５】さて、従来の中国語簡繁体字文書変換装置
としては、例えば、中華民国１９９４年度第７回の計算
機言語学研究会の論文集の第１８７ページから第２０１
ページまでの"A Text Conversion System Between Simp
lified and Complex ChineseCharacters Based on OCR
Approaches"に示されているようなものがある。この論
文には簡体字文書から繁体字文書への変換装置の一例が
記載されている。図１は、この構成を示すものである。
本図において、１００は、簡体字文書、繁体字文書のい
ずれでも原始文書として入力できる原始文書入力手段で
ある。３００は、各文字の使用頻度を記憶する文字の使
用頻度表である。３５０は、各文字の特徴値を記憶する
特徴データベースである。２００は、イメージデータか
ら文字を切り出す文字切り出し部である。２１０は、イ
メージデータから切り出された文字の特徴値を抽出し計
算する特徴抽出部である。２２０は、文字の使用頻度表
３００及び特徴データベース３５０を参照し、文字の照
合を行う照合部である。５００は単語を記憶する単語変
換辞書である。５１０は、一般の文字の情報を記憶する
基本辞書である。５２０は簡体字及び繁体字の文字コー
ドを記憶するコード対応表である。５３０は、あらかじ
め統計等により求められた隣接する文字同士の連結頻度
を記憶しているBIGRAM表である。４００は、候補の漢字
か単語をワードラチス(Word lattice ，処理されている
各候補の漢字、単語等が形成した格子を指す）に変換す
る中国語の言語モジュールであり、単語等の変換モジュ
ールと文字修正モジュールを有している。４２０は、最
適な変換の経路を見つける漢字や単語の変換部である。
４１０は、誤認識された文字を人手等により修正する文
字修正部である。６００は、変換を行い、得られた目的
文書を出力する出力部である。

【０００６】次に、図２の（ａ）に示す簡体字文書を例
として、以上の中国語簡繁体字文書変換装置における簡
体字から繁体字への変換の手順について説明する。原始
文書入力部１００から図２の（ａ）に示す簡体字文書が
入力されると、ＯＣＲ（光学式文字読み取り装置）によ
り図形としてのイメージをＯＣＲモジュールに読み込
む。そして、文字切り出し部２００により各文字のイメ
ージを切り出してから、特徴抽出手段２１０により各文
字の特徴値を算出する。照合部２２０を利用して文字の
使用頻度表３００及び特徴データベース３５０を参照し
て候補の簡体字を検出する。しかる後、文字変換及び後
処理モジュールの動作に入る。まず、中国語の言語モジ
ュール４００でコード対応表５２０を参照して、図２の
（ｂ）に示すような対応する各候補字を取り出す。取り
出された各候補の目的漢字の組み合わせを検索キーとし
て、単語変換辞書５００及び基本辞書５１０を検索し、
図２の（ｃ）に示すような候補単語を取り出す。この取
り出された候補単語を図２の（ｄ）に示すワードラチス
のように配置する。単語の変換部４２０によりBIGRAM表
５３０（コパスに基づき隣接する二つの文字か単語の使
用頻度）を参照して、Statistical bigram Markov Lang
uage Model（統計的なBIGRAMによるマルコフ言語モデ
ル）によりワードラチスから、図２の（ｅ）に示すよう
な最適な、すなわち可能性の最も高い変換の経路を取り
出してから、出力部６００により出力する。

【０００７】次に、最適な変換の経路の取り出し方法に
ついて簡単に説明する。ＢＩＧＲＡＭの統計データ（Ｐ
（Ｃ_i｜Ｃ_i-1）とＰ（Ｃ_i用｜Ｓ_i））を利して、下
記のような関数の値を最大にすることができる経路を見
つける。ＭａｘＰ（Ｃ｜Ｓ）＝Ｐ（Ｃ₁,Ｃ₂....Ｃ_n｜Ｓ₁,
Ｓ₂....Ｓ_n）→Ｓｕｍ．Ｐ（Ｃ_i｜Ｃ_i-1）（Ｃ_i｜
Ｓ_i）（ｉ＝１，…，Ｎ）Ｓ：候補漢字の集合、例えば、一番目の読みの候補集合
をＳ１とする。

【０００８】Ｃ：候補集合Ｓの元素の集合、例えばＣ₁
はＳ₁の一番目の候補漢字を表す。Ｐ（Ｃ_i｜Ｃ_i-1）：ある字がＣ_iである上に、この字
の前の字がＣ_i-1であるときのＢＩＧＲＡＭの出現確率
を表す。同じ方法で、上記の式を下記のような式に応用
する。 →Ｓｕｍ．Ｐ（Ｗ_i｜Ｗ_i-1）Ｐ（Ｃ_i｜Ｓ_i）（ｉ＝
１，…，Ｎ）Ｐ（Ｗ_i｜Ｗ_i-1）：ある単語がＷ_iである上に、この
単語の前の字がＷ_i-1である時のＢＩＧＲＡＭの出現確
率を表す。

【０００９】ただし、以上の内容は、（E.J.Yannakouda
kis and P.J.Hutton,"n-Gramsand their impliment to
natural language understanding",Pattern Recognitio
n,Vol.23.no.5,pp.509〜528,1990の第６節に述べられて
おり、またＭａｒｋｏｖＰｒｏｃｅｓｓのアルゴリズ
ムは、例えば、現代数学社１９８１年刊「入門Ｏ｜
Ｒセミナー」の第９６ページに掲載されているがごとく
いずれも周知の技術である。このため、これ以上の説明
は省略する。

【００１０】以上の手順の流れを図３に示す。

【００１１】

【発明が解決しようとする課題】しかしながら、上記従
来の技術では以下のような問題点がある。（１）例えば、簡体字の「于」はよく「干」に誤認識さ
れるが、ＯＣＲにより誤認識した文字は、後処理による
修正が困難である。（２）ただ文字の情報のみを利用し、中国語の破音字に
ついて有効な処理をしないため、変換の正確性に一定の
限界がある。なお、ここに「破音字」とは、複数の読み
がある漢字を指す。具体例を挙げるならば、簡体字文書
の「他干干淨的工作」を例として、「干」は、「ｇａｎ
１」と「ｇａｎ４」の読みがあり、このため繁体字の
「乾」と「干」（「ｇａｎ１」）及び「幹」（「ｇａｎ
４」）に対応し得るため、従来の技術のままでは、「干
干」は「（ｇａｎ１）（ｇａｎ１）」であるので、一般
的に「他乾乾淨的工作」と変換してしまい、正しい「他
幹乾淨的工作」が得られない。

【００１２】（３）著作権や作成対象文章の内容による
相違等のため大きくて、且つバランスがよい中国語のコ
パスが容易に得られないので、ＢＩＧＲＡＭの抽出には
多数の工数、多額の経費を必要とする。また、中国語の
コパスが不均衡であれば、抽出されたＢＩＧＲＡＭ表
は、単語の変換の正確性に影響を及ぼす。なお、ここに
コパス（ＣＯＲＰＵＳ）とは、相隣接する文字、単語の
出現確率についてのデータベースのことを指す。

【００１３】このため、安価かつ正確な中国語の簡体字
と繁体字の文書の相互変換装置の出現が望まれている。
本発明は、かかる課題を解決する目的でなされたもので
ある。

【００１４】

【課題を解決するための手段】上記の目的を達成するた
めに、請求項１の発明においては、文字及び読みの情報
を利用し中国語の簡体字若しくは繁体字で記載された原
始文書を他方の文字で記載された目的文書に変換する中
国語簡繁体字文書変換装置において、簡体字用語（含む
単一若しくは複数の漢字、熟語、句等）及びそれに対応
する繁体字用語を組にして（含む、実質的な組）記憶す
る用語変換辞書と、簡体字若しくは繁体字で記載された
原始文書の用語で前記用語変換辞書を検索し該当する対
応語を見出して原始文書の用語を書き直す用語変換部
と、読み記号（含む、注音記号、へい音記号、また含
む、複数）とそれに対応する簡体及び繁体の漢字（単
一、複数を問わない）或いは単語（含む、連語、慣用句
等）を記憶するシステム辞書と、前記システム辞書を参
照して原始文書の文字を読み記号（含む、各種の字音記
号）に変換する文字対読み変換部と、簡体字及びそれに
対応する繁体字を組にして記憶する簡繁体字対応辞書
と、前記システム辞書と前記、簡繁体字対応辞書を参照
して読み記号から文字への所定の変換アルゴリズムによ
り上記の読み記号を他の書体字の目的文書の文字に変換
する読み対文字変換部とを備えることを特徴としてい
る。

【００１５】請求項２の発明においては、前記中国語の
簡体字と繁体字は、例えば前者は「００」、後者は「０
１」等のその旨を示すあらかじめ定められた印（言語フ
ラグ）で区別され、前記システム辞書は中国語の漢字や
単語を簡、繁体字にかかわらず非破音字を非破音字区に
格納する非破音字区手段と、破音字を破音字区に格納す
る破音字区手段を有し（含む、同一のメモリ内での両者
のフラグによる区別）、前記読み対文字変換部は変換ア
ルゴリズムとして、第１に構成する音節（漢字）数を優
先し、第２に先に存在する音節を優先する最長一致法を
採用している（含む、これに併せて、いわゆる形態素解
析等他の方法を採用する）最長一致法反映変換手段を有
していることを特徴としている。

【００１６】請求項３の発明においては、前記読み対文
字変換部は、変換アルゴリズムとして使用頻度が高い文
字、単語を優先して変換する使用頻度反映変換手段を有
している（含む、他の手段を有する）ことを特徴として
いる。請求項４の発明においては、前記使用頻度反映変
換手段は、原始文書が技術文書、文学書等その分野の内
容に応じて上記変換アルゴリズム若しくはそのアルゴリ
ズムが変換に使用する頻度表を、例えば分野毎に取り換
える等により切り換え可能とする文書内容反映使用頻度
切換制御手段を有していることを特徴としている。

【００１７】

【作用】上記構成により、請求項１の発明においては、
使用者がＯＣＲ、ディスクドライバなどにより原始文書
及び簡体、繁体のいずれかを示す言語フラグ（含む、実
質同一の指示や入力）を入力した後、用語変換部は簡
（繁）体字原始文書の用語で、簡体字用語及びそれに対
応する繁体字用語をあらかじめ記憶している用語変換辞
書を検索し該当する対応語を見つけて原始文書の用語を
書き直す。システム辞書は読み記号とそれに対応する簡
体及び繁体の漢字或いは単語をあらかじめ記憶してい
る。文字対読み変換部は上記システム辞書を参照して原
始文書の文字を読み記号に変換する。簡繁体字対応辞書
は簡体字及びそれに対応する繁体字をあらかじめ組にし
て記憶している。読み対文字変換部はシステム辞書、簡
繁体字対応辞書を参照して読み記号から文字への所定の
変換アルゴリズムにより上記の読み記号を繁（簡）体字
の目的文書の文字に変換する。

【００１８】請求項２の発明においては、前記中国語簡
繁体字文書変換装置の簡体字と繁体字は言語フラグで区
別する。システム辞書は中国語の漢字や単語を簡、繁体
字にかかわらず非破音字と破音字をそれぞれ非破音字区
と破音字区に区分けして格納している（含む、文字コー
ド順に配列して、別途のフラグによる区分け）。読み対
文字変換部は、変換アルゴリズムとして最長一致法を採
用して変換する。

【００１９】請求項３の発明においては、前記中国語簡
繁体字文書変換装置の読み対文字変換部は使用頻度が高
い漢字、単語を優先して変換する。請求項４の発明にお
いては、前記使用頻度反映変換手段内の文書内容反映使
用頻度切換制御手段が、原始文書の内容に応じて上記変
換アルゴリズム若しくはそれが変換に使用する頻度表を
切り換え可能とする。

【００２０】

【実施例】以下、本発明を実施例に基づいて説明する。
図４は本発明に係る中国語簡繁体字文書変換装置の一実
施例の構成図である。本図において、１０は、外部と接
続する通信回線ＯＣＲ、ディスクドライバなどにより原
始文書及び言語フラグを入力する入力部である。２０
は、図５に示すような中国大陸と台湾との用語の差異の
対応表を記憶する用語変換辞書である。３０は、言語フ
ラグ及び用語変換辞書を参照して検索語と一致する原始
文書の該当用語を対応語に書き直す用語変換部である。
用語変換部３０の処理流れを図６に示す。なお、本図に
ついては後に詳しく説明する。５０は、各読み記号及び
それに対応する簡体の漢字や単語及び繁体の漢字や単語
（破音字も含む）を記憶するシステム辞書である。シス
テム辞書５０は、図７に示すように簡体と繁体に分けて
漢字や単語を記憶している。６０は、言語フラグ及びシ
ステム辞書５０を参照して、原始文書の文字を読み記号
に変換する文字対読み変換部である。変換部６０の処理
流れを図８に示す。本図についても、後に詳しく説明す
る。８０は、簡体字と繁体字との対応を記憶する簡繁体
字対応辞書である。図９に、簡繁体字対応辞書８０の構
成を示す。７０は、言語フラグ、システム辞書５０及び
簡繁体字対応辞書８０を参照して、原始文書の読み記号
を目的文書の文字に変換する読み対文字変換部である。
読み対文字変換部７０の処理流れを図１０に示す。本図
についても、後に詳しく説明する。９０は、変換処理の
結果得られた目的文書を出力する出力部である。４０
は、処理結果を一時記録するバッファである。

【００２１】以上の他、最終的に翻訳者がチェックする
文字修正部等を有しているが、これらは、自明かつ周知
技術であるため、図示や説明は省略する。以下、本実施
例の動作を流れ図を参照しつつ説明する。最初に、図６
に示す用語変換部３０の動作を説明する。（ａ１）入力部１０により言語フラグ及び原始文書を入
力すると共に、バッファ４０に記録する。

【００２２】（ａ２）バッファ４０に記録されている言
語フラグを参照して、用語変換辞書２０から順序に検索
語及びそれに対応する置換語を取り出す。（ａ３）検索語を全部取り出したか否かを判断する。検
索語がまだある場合には（ａ４）の処理に入り、検索語
を検索キーとして原始文書の文字とをマッチングしてか
ら、（ａ２）の処理に戻る。

【００２３】検索語がない場合には、用語変換部３０の
処理を終えて、文字対読み変換部６０の処理に入る。次
に、図８に示す文字対読み変換部６０の動作を説明す
る。（ｂ１）用語変換部３０から変換された原始文書の文字
を入力する。（ｂ２）区切り記号（例えば、文内の読点、句点）によ
り、原始文書の文字を音節毎に切り出してから、バッフ
ァ４０に記録する。

【００２４】（ｂ３）バッファ４０に記録されている各
音節を各々に取り出して、システム辞書５０を参照して
非破音字（曖昧性がない字を優先）の文字を読み記号に
変換した後、バッファ４０に記録する。（ｂ４）バッファ４０に記録されている破音字がある文
字をシステム辞書５０の破音字区を参照して、破音字を
該当する読み記号に変換する。

【００２５】（ｂ５）バッファ４０の原始文書の文字を
参照して、中国語の語法に基づき、バッファ４０の各文
字の読み記号を修正する。例えば、「媽」の読みは「ｍ
ａ１」であるが、「媽媽」の二番目の「媽」の声調は１
声（４声の中で最も高い）で読まなくて軽声（音節が連
続するため固有の声調を失って、弱く軽く発音される）
で読むべき「ｍａ０」なので二番目の「媽」の読み記号
を修正する。

【００２６】なお、文字対読みの変換については、例え
ば、特開平４−２３８３９７号、１９９２年８月２６日
にて開示している周知技術であるため、これ以上の説明
は省略する。以上で、文字対読み変換部６０の処理が終
り、図１０に示す読み対文字変換部７０の処理に入るこ
とになる。以下、その内容を説明する。

【００２７】（ｃ１）文字対読み変換部６０により得ら
れた原始文書の読み記号を入力する。（ｃ２）システム辞書５０を参照して、読み記号につい
て音節になれる可能性のあるすべての音節を切り出す。
そして、各音節に対応する候補の漢字や単語をバッファ
４０に記録する。

【００２８】（ｃ３）バッファ４０に記録されている原
始文書の文字を参照して、各文字を検索キーとして簡繁
体字対応辞書８０から各文字に対応できる文字を取り出
し、バッファ４０に記録する。（ｃ４）バッファ４０から音節になれる可能性のある各
音節の候補の漢字や単語を取り出し、バッファ４０内の
各読み記号に対応する文字を参照して、不適切な候補、
すなわち可能性の低い漢字や単語を削除する。

【００２９】（ｃ５）最長一致法を利用して、候補の漢
字や単語から適当な文字を選択する。以上により、読み
対文字変換部７０の処理が終了する。次に、中国語簡体
字文書を原始文書として、これから目的文書たる繁体字
文書への変換を例にとって、本実施例の動作をより具体
的に説明する。

【００３０】入力部１０から「他尚未使用ruan3（外
１）件」という原始文書及び「簡体」という言語フラグ
が入力されると、用語変換部３０は図５の（ａ）に示す
ような用語変換辞書２０を参照する。「ruan3（外１）
件」という検索語があるので、原始文書の「ruan3（外
１）件」を対応語の「ruan3（外１）体」に置換して、
原始文書を「他尚未使用体」に書き直してから、置換さ
れた原始文書及び言語フラグをバッファ４０に記録す
る。次に、文字対読み変換部６０はバッファ４０に記録
されている言語フラグ及び図７に示すシステム辞書５０
を参照して、この書き直された文字を下記のような読み
記号「talshang4uei4sh3yueng4ruan3ti3」に変換する。
そして、図１０のような読み対文字変換部７０の処理に
入る。上述の（ｃ１）にて、以上の読み記号を入力する
と、（ｃ２）にて音節を切り出し、変換で一つの漢字、
単語、用語に該当することとなる可能性のある音節を取
り出す。取り出された音節及びそれに対応する候補の漢
字や単語は図１１に示すようになる。

【００３１】

【外１】

【００３２】図１０の（ｃ３）では、図７に示している
簡繁体字対応辞書８０及びバッファ４０の原始文書の各
文字を参照して、図１２に示すような各漢字の読みに対
応する文字を取り出す。ついで、（ｃ４）では簡繁体字
対応辞書８０から取り出された上記の対応する漢字や単
語を参照しながら、不適切な候補の単漢字や単語を削除
することにより、図１３に示すような可能性の高い候補
の漢字や単語が得られる。

【００３３】（ｃ５）で、最長一致法を利用して、「他
尚未使用軟體」に変換する。最後に、出力部９０はこの
変換された文字列を出力する。以上、本発明を実施例に
基づいて説明してきたが、本発明は上記実施例に限定さ
れず、その要旨を変更しない範囲で、適宜変形して実施
してよいのは勿論である。すなわち、例えば、（１）システム辞書は簡体、繁体に分けて漢字や単語を
記憶するのでなく、その旨の記号で簡体と繁体とを区分
けして、読み記号の順序に記憶している。

【００３４】（２）読み対文字変換部の変換に用いられ
るアルゴリズムは最長一致法に限らず、未確認の文字数
の個数を考察する等の形態素解析を採用し、その他文
法、使用頻度などの情報を利用して変換結果の正確性を
判断するようにしている。具体的には、使用頻度やＯＣ
Ｒの認識確率から候補文字を絞り込んだり（特定した
り）、あるいは排除したりするようにしている。

【００３５】（３）製造等の都合で、本発明の一の必要
不可欠の構成要素（構成要件、事項、部）を複数とした
り、逆に複数のそれを一としたり、あるいは適宜これら
を組み合わせたりしている。（４）既存のワードプロセッサーや変換装置に必要なプ
ログラムを読み込ませたり、辞書を記憶したディスク等
を付加したりして本発明と同様の構成をしている。

【００３６】（５）使用頻度の高い文字は高価だがより
高速の記憶手段に記憶させる等、実施例の改良を図って
いる。（６）入力部は、変換装置本体とは別体のＬ／Ｅ型の読
み取り機で読み込んで、ビット情報として記憶している
ディスクから入力される（読み込む）ものである。ま
た、出力手段は、ディスクにコード化した文書として出
力するようにしている。

【００３７】（７）単語、文字の使用される頻度は、文
書の分野により相当異なる。例えば、動物関係の文書で
は、「動」、「貝」、「馬」、「猫（簡）」、「鳥」等
の文字の使用頻度が高く、特許関係では「開發」等の単
語の使用頻度が高い。従って、読み対文字１換部の変換
アルゴリズムとして使用頻度を採用若しくは反映させる
場合には、本装置の利用者から入力された文書の用途、
内容分野に応じて作成された頻度表を使うようにしてい
る。あるいは、「開發」等特定の単語の使用頻度で判断
し、以降自動的に参照する頻度表を変更するようにして
いる。

【００３８】（８）ＯＣＲで入力された文を変更対象と
する際に、そもそも辞書に掲載されていない漢字等につ
いてはＯＣＲの読み取り誤りと判断し、その旨を出力す
る機能を付加している。（９）似た形状の文字が多い、字画が多い、その他経験
からＯＣＲによる読み取りの精度が低いとあらかじめ判
明している文字については、該文字を含む単語、前後の
文字との相関に対するウェートを上げる、翻訳者にその
旨注意を促す等の機能を付加している。

【００３９】

【発明の効果】以上説明したように、本発明の中国語簡
繁体字文書互換装置によれば、従来の問題点を解決し、
以下に示すような効果が得られる。（１）文字と読みの情報を利用するので、読みを文字に
変換する際に、単語が辞書に載っていない場合や、相隣
接する二つの単語の変換の問題（例えば、「有一天」に
相応する読み記号列に「有益」、「一天」の前後単語が
あるので、「有益天」という誤変換が生じる）や、同音
異義語の選択の問題（例えば、「上位」、「尚未」、
「上尉」の三つの同音異義語）等により引き起こされた
問題点を有効に解決することができる。

【００４０】また、破音字の誤変換も語法、文法たる読
みの情報を利用することにより減少させることが可能と
なり、簡体字文書と繁体字文書との変換の正確率が向上
する。また、辞書のサイズを小さくすることも可能とな
る。（２）ＢＩＧＲＡＭ情報を使用しないので、コパスの内
容に影響されず、変換の正確性が向上する。また、コパ
スの収集の困難性による変換の不正確性もない。なお、
正確かつ分野毎に応じたものが得られるならば、これら
を用いるようにして、更に精度向上を図ってもよいのは
勿論である。

【００４１】（３）中国語ワードプロセッサー等とし
て、中国語文書を入力するときの字音記号から漢字への
変換と、簡体字と繁体字相互間の変換とに、同じシステ
ム辞書を使用しえる。このため、中国語ワードプロセッ
サー等と兼用する場合に、他の辞書を設ける必要がな
い。ひいては、辞書作成の工数の削減等を図れ、経費削
減ともなる。

【００４２】（４）用語変換辞書は一つの言語で記述し
ているので、この辞書を使用する限り、大陸、台湾での
使用にあたり簡体システム、あるいは繁体システムを煩
雑に切り替える必要がなく、経済的かつ省力的である。
このため、本発明の実用性が非常に高い。

【図面の簡単な説明】

【図１】従来の中国語簡繁体字文書変換装置の構成の一
例を示す図である。

【図２】従来の中国語簡繁体字文書変換装置の処理の流
れをハード面から示した図である。

【図３】従来の中国語簡繁体字文書変換装置の処理の流
れ図である。

【図４】本発明に係る中国語簡繁体字文書変換装置の一
実施例の構成図である。

【図５】上記実施例における用語変換辞書のデータ構造
の概念図である。本図において、（ａ）は簡体字文書か
ら繁体字文書への変換に用いられるものである。（ｂ）
は、繁体字文書から簡体字文書への変換に用いられるも
のである。

【図６】上記実施例における用語変換部の動作を中心に
示した流れ図である。

【図７】上記実施例におけるシステム辞書のデータ構造
の概念図である。

【図８】上記実施例における文字対読み変換部の動作を
中心に示した流れ図である。

【図９】上記実施例における簡繁体字対応辞書のデータ
構造を概念的に示した図である。

【図１０】上記実施例における読み対文字変換部の動作
を中心に示した流れ図である。

【図１１】上記実施例における簡体字文書から繁体字文
書への変換の具体例において、読み対文字変換部図１０
の（ｃ２）のステップの処理の結果取り出された漢字や
単語を示した図である。

【図１２】同じく、図１０の（ｃ３）のステップの結果
取り出された各漢字の読みに対応する文字を示した図で
ある。

【図１３】同じく、図１０の（ｃ４）のステップの結果
取り出された各漢字の読みに対応する文字を示した図で
ある。

【符号の説明】

１０入力部２０用語変換辞書３０用語変換部４０バッファ５０システム辞書６０文字対読み変換部７０読み対文字変換部８０簡繁体字対応辞書９０出力部

Claims

【特許請求の範囲】

【請求項１】文字及び読みの情報を利用し中国語の簡
体字若しくは繁体字で記載された原始文書を他方の文字
で記載された目的文書に変換する中国語簡繁体字文書変
換装置において、簡体字用語及びそれに対応する繁体字用語を組にして記
憶する用語変換辞書と、簡体字若しくは繁体字で記載された原始文書の用語で前
記用語変換辞書を検索し該当する対応語を見出して原始
文書の用語を書き直す用語変換部と、読み記号とそれに対応する簡体及び繁体の漢字或いは単
語を記憶するシステム辞書と、前記システム辞書を参照して原始文書の文字を読み記号
に変換する文字対読み変換部と、簡体字及びそれに対応する繁体字を記憶する簡繁体字対
応辞書と、前記システム辞書、前記簡繁体字対応辞書を参照して読
み記号から文字への所定の変換アルゴリズムにより上記
の読み記号を他の書体字の目的文書の文字に変換する読
み対文字変換部とを備えることを特徴とする中国語簡繁
体字文書変換装置。
【請求項２】上記中国語の簡体字と繁体字はその旨の
印で区別され、前記システム辞書は、中国語の漢字や単語を簡体字、繁体字にかかわらず非破
音字を非破音字区に格納する非破音字区手段と、破音字を非破音字区に格納する破音字区手段とを有し、前記読み対文字変換部は、変換アルゴリズムとして最長一致法を採用している最長
一致法反映変換手段を有していることを特徴とする請求
項１記載の中国語簡繁体字文書変換装置。
【請求項３】前記読み対文字変換部は、変換アルゴリズムとして使用頻度が高い文字、単語を優
先して変換する使用頻度反映変換手段を有していること
を特徴とする請求項１若しくは請求項２記載の中国語簡
繁体字文書変換装置。
【請求項４】前記使用頻度反映変換手段は、原始文書
の内容に応じて上記変換アルゴリズム若しくはそれが変
換に使用する頻度表を切り換え可能とする文書内容反映
使用頻度切換制御手段を有していることを特徴とする請
求項３記載の中国語簡繁体字文書変換装置。