JPH10326273A - データ圧縮装置及びデータ復元装置及びデータ圧縮方法及びデータ復元方法及びプログラム記録媒体 - Google Patents

Abstract

(57)【要約】 【課題】 日本語文書の圧縮に適したデータ圧縮装置、
復元装置を提供する。 【解決手段】 漢字熟語と、読み及び同音異義語識別情
報とを対応づけて記憶する同音異義語辞書１７を有する
表音変換部１２によって、平文データ内の漢字熟語を、
その漢字熟語の読みの文字数を示す文字数識別情報と読
みと同音異義語識別情報とからなる情報に置き換えたデ
ータである表音データが出力され、無歪圧縮部１３によ
って、その表音データが圧縮されるようデータ圧縮装置
を構成する。その際、文字数識別情報としては、平文デ
ータ中で使用されることがある２バイト文字の第１バイ
ト、１バイト文字と内容が異なる１バイトの情報を用い
る。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、複数バイトで表さ
れる文字を含む文書データを圧縮、復元するための装置
及び方法及びプログラム記録媒体に関し、例えば、日本
語文書データを圧縮、復元するための装置及び方法及び
プログラム記録媒体に関する。

【０００２】

【従来の技術】近年、電子メール等の普及に伴い、個人
所有のコンピュータで処理あるいは保存される電子化さ
れた文書の量が飛躍的に増大してきている。例えば、１
日に数百〜１０００通程度の電子メールを処理する人も
多く、１年間で数百ＭＢ以上に及ぶ文書データが保存さ
れることも珍しくなくなっている。

【０００３】このため、データの中の冗長な部分を省い
てデータ量を圧縮することによって、データの伝送時間
の短縮や、データの記憶に必要とされる容量の低減が図
られている。データを圧縮する方法としては、さまざま
なものが知られており、文字コード、ベクトル情報、画
像などといった様々なデータを圧縮できる方法も存在し
ている。このような圧縮方法では、ユニバーサル符号化
と呼ばれる符号化が用いられている。

【０００４】以下、ユニバーサル符号化に分類される幾
つかの符号化方法の概要を説明する。なお、以下の説明
においては、情報理論で用いられている呼称を踏襲し、
データの１単位を「文字」と表記し、「文字」が複数個
つながったものを「文字列」と表記する。

【０００５】まず、算術符号化の概要を説明する。算術
符号化には２値算術符号化と、３値以上の多値算術符号
化とがあり、多値算術符号化では、０以上、１未満の数
直線（以下［０、１）と記す）が、符号化すべきデータ
を構成する各文字の生起確率（出現頻度）に応じて順次
狭められていく。そして、全ての文字に対する処理が終
わったときに、狭められた区間内の１点を表す数値が符
号として出力される。

【０００６】たとえば、符号化対象となる文字がａ、
ｂ、ｃ、ｄ、ｅの５つであり、それらの文字の生起確率
が、それぞれ、０．２、０．１、０．０５、０．１５、
０．５であった場合、図２４に示したように、各文字に
対して、その生起確率に応じた区間幅を有する区間が割
り当てられる。

【０００７】そして、符号化すべき文字列が“ａｂｅ”
であった場合には、図２５に模式的に示したように、ま
ず、区間［０、１）は、文字“ａ”に対する区間［０、
０．２）に狭められる。次いで、その区間［０、０．
２）が各文字の生起確率に応じた区間に分割され、次の
文字である“ｂ”に対応する区間［０．０４、０．０
６）が文字列“ａｂ”に対する区間として選択される。
さらに、その区間［０．０４、０．０６）が各文字の生
起確率に応じた区間に分割され、次の文字である“ｅ”
に対応する区間［０．０５、０．０６）が文字列“ａｂ
ｅ”に対する区間として選択される。その後、その区間
内の任意の点（たとえば下限）の位置を２進表示した際
の少数点以下のビット列が符号化結果として出力され
る。

【０００８】なお、算術符号化は、生起確率（出現頻
度）に応じた区間の分割方法によって、さらに、各文字
の実際の出現頻度によらず、予め設定した出現頻度に従
って分割を行う静的(static)符号化方式と、最初に全文
字列を走査することによって得られた出現頻度で分割す
る準適応型(semi-adaptive)符号化方式、文字が出現す
る毎に、出現頻度を再計算し、区間を再設定する適応型
(adaptive)符号化方式に分類される。算術符号化に関す
る文献としては、Bell,T.C.,Cleary,J.G.,and Witten,
I.H.(1990) "Text Compression", Prentice Hall があ
る。

【０００９】また、スプレー符号化と呼ばれるユニバー
サル符号化も知られている。スプレー符号化では、文字
が符号化される度に、出現頻度がより高い文字に、より
短い符号が割り当てられるように、符号木（木構造の符
号表）を組み替える処理が行われる。なお、スプレー符
号化の詳細に関しては、例えば、Jones, Douglas W."Ap
plication of Splay Trees Data Compression", Commo
n. ACM, vol.31,no.8,pp.996-1007,Aug.,1998.を参照さ
れたい。

【００１０】また、ブレンド・スプレー符号化と呼ばれ
る符号化方法も知られている。ブレンド・スプレー符号
化は、スプレー符号化に、ブレンド・モデル(blending
model）と呼ばれる統計モデルを採用した符号化であ
る。

【００１１】ブレンド・スプレー符号化では、文脈毎に
符号木が用意される。ここで、文脈とは、図２６に模式
的に示したように、符号化対象文字（“ｃ”）の直前に
存在する文字列（“ａｂ”）のことである。ブレンド・
スプレー符号化（ブレンド・モデル）では、図２７に示
したような文脈木によって、文脈として用いる文字数
（次数）が文脈の出易さに応じたものに制御される。す
なわち、一般に、文字間の相関が強いデータを対象とす
る場合、高次の文脈を用いる程、高圧縮率を得ることが
できるが、文字間の相関が弱いデータを対象とした場
合、高次の文脈を用いるとかえって圧縮率が低下してし
まうこともある。このことを防止するために考案された
技術がブレンド・モデルであり、ブレンド・モデルで
は、ある文脈が出やすい場合には、その文脈に関する次
数を上げ、出にくい場合には低い次数のままといったよ
うに、各文脈の次数が入力データに適応したものに変更
される。

【００１２】

【発明が解決しようとする課題】上述した各符号化は、
アルファベットを使用する文化圏で開発されたものであ
るため、各符号化を用いた圧縮時には、１バイトが一文
字として取り扱われる。このため、日本語等、２バイト
で表される文字を含む文章を、各技術を用いて圧縮した
場合、英文文書ほど高い圧縮率が得られないといった問
題があった。

【００１３】すなわち、２バイト文字は、２バイトのデ
ータの組み合わせが意味を持ち、２バイト文字を構成す
る２つのバイトデータ間には何ら相関関係は存在しな
い。このため、２バイト文字を１バイトずつ処理してい
く従来の圧縮方法では、情報理論で言えば、情報源を縮
小（２バイトのデータを１バイトに分割）した上で圧縮
が行われていることになり、高い圧縮率が得られない。

【００１４】また、文脈の利用による高圧縮化が困難で
あるといった問題もあった。すなわち、漢字は、日常的
に用いられるものでも数千種あるため、同程度のサイズ
の文章を、同じバイト数の文脈を利用した符号化により
圧縮を行った場合、日本語文書の方が、英文文書に比し
て、多くの文脈が現れてしまう。実際、８ｋＢの日本語
文書と、８ｋＢの英文文書の圧縮時に現れる４バイトの
文脈の数を計数してみたところ、英文文書では、およそ
３０００種の文脈が現れたのに対し、日本語文書では、
およそ５０００種の文脈が現れた。また、圧縮が行われ
る日本語文書には、電子メールのように比較的容量の少
ない（Ａ４数枚程度）のものが多い。これらの結果とし
て、日本語文書の圧縮時には、各文脈に関して十分な統
計情報が収集される前に、全文書の圧縮が完了してしま
うことが多く、このことも、日本語文書の圧縮率を低下
させている要因となっていた。

【００１５】そこで、本発明の課題は、日本語のような
複数バイトで表される文字を有する言語の文書データの
圧縮に適したデータ圧縮装置、データ圧縮方法、プログ
ラム記録媒体を提供することにある。

【００１６】また、本発明の他の課題は、そのようなデ
ータ圧縮装置、データ圧縮方法によって圧縮されたデー
タを復元できるデータ復元装置、データ復元方法、プロ
グラム記録媒体を提供することにある。

【００１７】

【課題を解決するための手段】上記課題を解決するため
に、本発明の第１の態様では、一文字が複数バイトの情
報で表される文字情報を含む元文書データを圧縮するた
めのデータ圧縮装置を、圧縮すべき元文書データに含ま
れる各文字情報を、その文字情報に対応づけられる文字
を発音したときの音を表す表音文字情報で置き換えたデ
ータである表音文書データを作成する表音文書データ作
成手段と、この表音文書データ作成手段が作成する表音
文書データに対して圧縮を行う圧縮手段とを用いて構成
する。

【００１８】この第１の態様のデータ圧縮装置によれ
ば、元文書データが、種類がより少ない表音文字情報で
表された表音文書データに変換された上で圧縮されるの
で、元文書データを直接圧縮する場合に比して、高い圧
縮率での圧縮が実現できることになる。

【００１９】なお、このデータ圧縮装置で圧縮されたデ
ータを復元する際には、圧縮文書データを復元する復元
手段と、この復元手段で復元される、文字を発音したと
きの音を表す表音文字情報を、対応する文字情報に変換
することによって、圧縮文書データの元となったデータ
である元文書データを生成する元文書データ生成手段と
を備えるデータ復元装置を用いる。

【００２０】本発明の第２の態様では、一文字が複数バ
イトで表される文字情報を含む元文書データを圧縮する
データ圧縮装置を、一または複数の文字情報からなる複
数の変換対象語情報に対して、その変換対象語情報が示
す語を発音したときの音を表す情報である表音文字情報
が記憶された表音文字情報記憶手段と、元文書データか
ら、表音文字情報記憶手段内に記憶されている変換対象
語情報を探索するとともに、探索した変換対象語情報に
対応する表音文字情報を表音文字情報記憶手段から読み
出す探索・読出手段と、この探索・読出手段で探索され
た元文書データ内の変換対象語情報を、探索・読出手段
で読み出された表音文字情報を含む変換対象語置換情報
で置換することによって、表音文書データを作成する表
音文書データ作成手段と、この表音文書データ作成手段
により作成された表音文書データで使用されている情報
要素に対して、中間符号を対応づけるための中間符号表
を作成する中間符号表作成手段と、中間符号表作成手段
で作成された中間符号表を用いて、表音文書データを構
成する各情報要素を対応する中間符号に変換することに
よって、中間符号文書データを作成する中間符号文書デ
ータ作成手段と、この中間符号文書データ作成手段が作
成する中間符号文書データに対して圧縮を行う圧縮手段
とを用いて構成する。

【００２１】すなわち、本発明の第２の態様によるデー
タ圧縮装置では、まず、元文書データ内の変換対象語を
表音文字情報で置換することによって、元文書データよ
りも使用されている文字の種類の少ない表音文書データ
が作成される。その後、表音文書データに含まれる各情
報要素（文字）に対して新たな符号（中間符号）が割り
当てられ、その中間符号を用いて、表音文書データが中
間符号文書データに変換される。そして、その中間符号
データが圧縮される。このため、本データ圧縮装置によ
れば、表音文字情報で表現することが困難な、例えば記
号などの文字を含む文書データをも高い圧縮率で圧縮で
きることになる。

【００２２】この第２の態様のデータ圧縮装置で圧縮さ
れたデータを復元する際には、一または複数の文字情報
からなる変換対象語情報に対して変換対象語情報が示す
語を発音したときの音を表す情報である表音文字情報が
記憶された表音文字情報記憶手段と、圧縮文書データを
復元することによって中間符号文書データを出力する復
元手段と、復元手段が出力する中間符号文書データに含
まれる各中間符号を、圧縮文書データに関する中間符号
表においてその中間符号に対応づけられている情報に置
換することによって、表音文書データを生成する表音文
書データ生成手段と、この表音文書データ生成手段が生
成する表音文書データ中に含まれる変換対象語置換情報
を探索し、探索した変換対象語置換情報を、その変換対
象語置換情報に含まれる表音文字情報に対応づけられて
表音文字情報記憶手段に記憶された変換対象語情報で置
換することによって、圧縮文書データの元となった元文
書データを生成する元文書データ生成手段とを備えるデ
ータ復元装置を用いる。

【００２３】第２の態様のデータ圧縮装置を形成する際
には、中間符号表作成手段として、表音文書データで使
用されている各情報要素に対して、それらの情報要素を
表現可能な最小のビット数を有する中間符号を割り当て
るための中間符号表を作成する手段を用いることができ
る。

【００２４】また、表音文書データ作成手段として、所
定種類の文字情報を、その文字情報が所定種類の文字情
報であることを示す開始位置識別情報と終了位置識別情
報とで挟まれた置換情報に置換することによって、表音
文書データを作成する手段を用い、中間符号表作成手段
として、表音文書データ内の、開始位置識別情報に続く
情報と終了位置識別情報とには、中間符号が対応づけら
れない中間符号表を作成する手段を用い、中間符号デー
タ作成手段として、表音文書データ内の、開始位置識別
情報に続く情報と終了位置識別情報に関しては、中間符
号への変換を行わない手段を用いることも出来る。

【００２５】このような各手段を用いてデータ圧縮装置
を構成した場合には、例えば、音読み漢字１字などの所
定種類の文字情報に対しては、表音文字情報への変換並
びに中間符号への変換を行わせないことが可能となる。

【００２６】また、中間符号表作成手段として、表音文
書データで使用されている情報要素の種類が所定ビット
数で表現可能な情報数Ｎを越えていた場合、表音文書デ
ータで使用されている情報要素の中から中間符号を割り
当てる“Ｎ−１”個の情報要素を選択するとともに、選
択した“Ｎ−１”個の情報要素と開始位置識別情報と
に、内容が互いに異なる所定ビット数の中間符号を対応
づけるための中間符号表を作成する手段を用い、中間符
号データ作成手段として、表音文書データ内の、中間符
号表で中間符号が対応づけられている情報に関しては、
その情報を対応する中間符号に変換し、中間符号が割り
当てられていない情報である未割当情報に関しては、そ
の未割当情報を、開始位置識別情報に対応づけられてい
る中間符号を先頭に有し、かつ、未割当情報を含む情報
であって、終了位置が分かる形態の情報である未割当置
換情報で置換することによって、中間符号文書データを
作成する手段を用いることが出来る。

【００２７】また、表音文字情報記憶手段として、複数
の変換対象語に対して、表音文字情報と、同じ表音文字
情報が対応づけられる他の変換対象語との識別を行うた
めの同音異義語識別情報とを記憶する手段を用い、探索
・読出手段として、探索した変換対象語に対応する表音
文字情報と同音異義語識別情報とを読み出す手段を用
い、表音文書データ作成手段は、元文書データ内の変換
対象語情報を、探索・読出手段で読み出された表音文字
情報と同音異義語識別情報を含む変換対象語置換情報で
置換する手段を用い、中間符号作成手段は、同音異義語
識別情報を除く情報要素を対象として、中間符号表を作
成する手段を用いることも出来る。

【００２８】本発明の第３の態様では、１文字が複数バ
イトで表される文字情報を含む元文書データを圧縮する
データ圧縮装置を、一または複数の文字情報からなる変
換対象語情報に対して変換対象語情報が示す語を発音し
たときの音を表す情報である表音文字情報が記憶された
表音文字情報記憶手段と、元文書データから、表音文字
情報記憶手段内に記憶されている変換対象語情報を探索
するとともに、探索した変換対象語情報に対応する表音
文字情報を表音文字情報記憶手段から読み出す探索・読
出手段と、この探索・読出手段で探索された元文書デー
タ内の変換対象語情報を、探索・読出手段で読み出され
た表音文字情報を含む変換対象語置換情報で置換するこ
とによって、表音文書データを作成する表音文書データ
作成手段と、この表音文書データ作成手段が作成する表
音文書データに対して圧縮を行う圧縮手段とを用いて構
成する。

【００２９】この第３の態様のデータ圧縮装置によれ
ば、元文書データが、種類がより少ない表音文字情報で
表された表音文書データに変換された上で圧縮されるの
で、元文書データを直接圧縮する場合に比して、高い圧
縮率での圧縮が実現できることになる。

【００３０】第３の態様のデータ圧縮装置で圧縮された
データを復元する際には、一または複数の文字情報から
なる変換対象語情報に対して、各変換対象語情報が示す
語を発音したときの音を表す情報である表音文字情報が
記憶された表音文字情報記憶手段と、圧縮文書データを
復元することによって、表音文書データを出力する復元
手段と、この復元手段が生成する表音文書データ中に含
まれる変換対象語置換情報を探索し、探索した変換対象
語置換情報を、その変換対象語置換情報に含まれる表音
文字情報に対応づけられて表音文字情報記憶手段に記憶
された変換対象語情報で置換することによって、圧縮文
書データの元となった元文書データを生成する元文書デ
ータ生成手段とを備えるデータ復元装置を用いる。

【００３１】なお、各態様のデータ圧縮装置では、どの
ような表音文字情報をも使用することができる。例え
ば、アルファベットを表す情報や、ハングル文字の母音
と子音を表す情報を用いることが出来る。また、国際音
声記号や、注音字母を表す情報を用いることも出来る。

【００３２】

【発明の実施の形態】以下、図面を参照して、本発明の
実施形態を具体的に説明する。 ＜第１実施形態＞第１実施形態のデータ圧縮・復元装置
は、日本語文書の圧縮・復元を行う装置であり、コンピ
ュータを、圧縮・復元用プログラムに従って動作させる
ことによって実現されている。

【００３３】まず、図１に示した機能ブロック図を用い
て、第１実施形態のデータ圧縮・復元装置の概要を説明
する。図示したように、第１実施形態のデータ圧縮・復
元装置は、記憶部１１と表音変換部１２と無歪圧縮部１
３と無歪復元部１４と表音逆変換部１５とを備える。

【００３４】記憶部１１は、圧縮が行われるデータ（あ
るいは復元されたデータ）である平文データと、平文デ
ータの圧縮結果である圧縮データを記憶する。なお、記
憶部１１には、平文データとして、シフトＪＩＳコード
が用いられたデータが記憶される。

【００３５】表音変換部１２および無歪圧縮部１３は、
データ圧縮を行う際に機能する。表音変換部１２は、日
本語解析辞書１６と同音異義語辞書１７を有する。日本
語解析辞書１６は、非漢字文字（平仮名、片仮名、記号
等）と漢字からなる平文データから、漢字熟語や１文字
の漢字（音読み、訓読み）を抽出するための辞書であ
る。同音異義語辞書１７は、漢字熟語（あるいは漢字）
の読み（平仮名文字列）から、１つの漢字熟語（あるい
は漢字）を特定するための情報である同音異義語識別情
報が記憶された辞書である。すなわち、同音異義語辞書
１７には、図２に例示したように、読みが同じ複数の漢
字熟語に対して、互いに異なる内容の同音異義語識別情
報（０、１、…）が記憶されている。なお、本実施形態
では、同音異義語識別情報として、数値を２進数で表し
た１バイトの情報を用いている。

【００３６】表音変換部１２は、日本語解析辞書１６と
同音異義語辞書１７を用いて、記憶部１１内に記憶され
た平文データを変換し、変換結果である表音データを無
歪圧縮部１３に供給する。詳細については後述するが、
表音変換部１２は、平文データ中に含まれる漢字あるい
は漢字熟語を、その読み（平仮名文字列）の文字数を表
す文字数識別情報と、読みと、同音異義語識別情報とか
らなる情報に置き換えることによって、平文データの表
音データへの変換を行う。無歪圧縮部１３は、情報のロ
スがない(lossless)圧縮を表音データに対して施し、そ
の結果（圧縮データ）を記憶部１１に格納する。本実施
形態では、無歪圧縮部１３において、一例として、文脈
の最高次数が“２”であるブレンド・スプレー符号化を
行うものを用いている。

【００３７】無歪復元部１４および表音逆変換部１５
は、データ復元時に機能する。無歪復元部１４は、無歪
圧縮部１３が出力する圧縮データを復元する機能を有す
る。無歪復元部１４は、記憶部１１内に記憶された圧縮
データの復元を行い、復元結果（表音データ）を、表音
逆変換部１５に供給する。表音逆変換部１５は、同音異
義語辞書１７と同じ内容の同音異義語辞書１８を有す
る。表音逆変換部１５は、当該辞書を用いて表音データ
の変換を行い、変換結果である平文データを、記憶部１
１内に記憶する。

【００３８】以下、第１実施形態のデータ圧縮・復元装
置の動作を具体的に説明する。まず、データ圧縮時の動
作を説明する。図３に、データ圧縮時の表音変換部１２
の動作手順を示す。図示したように、データ圧縮時、表
音変換部１２は、まず、記憶部１１内の圧縮をおこなう
べき平文データから１バイト分のデータを取得する（ス
テップＳ１０１）。そして、そのデータが１バイト文字
（制御コード、アルファベット、数字、半角片仮名）で
あるか、２バイト文字の第１バイトであるかを判断（ス
テップＳ１０２）する。

【００３９】取得したデータが２バイト文字の第１バイ
トであった場合（ステップＳ１０２；2ハ゛イト文字）、表
音変換部１２は、平文データから次の１バイト分のデー
タを取得（ステップＳ１０３）する。次いで、表音変換
部１２は、取得した２バイトのデータが表す文字が漢字
であるか否かを判断する（ステップＳ１０４）。その文
字が漢字ではなかった場合（ステップＳ１０４；非漢
字）、すなわち、当該文字が、平仮名、片仮名、記号
（罫線素片etc.）等であった場合、表音変換部１２は、
取得したデータを無歪圧縮部１３に出力する（ステップ
Ｓ１０５）。また、ステップＳ１０１で取得したデータ
が１バイト文字であった場合（ステップＳ１０２；1ハ゛イ
ト文字）も、表音変換部１２は、取得したデータを無歪
圧縮部１４に出力する（ステップＳ１０５）。そして、
出力したデータが“ＥＯＦ”でなかった場合（ステップ
Ｓ１１４；Ｎ）には、ステップＳ１０１に戻り、平文デ
ータ内の残りのデータに対する処理を実行する。

【００４０】以下、説明の便宜上、１バイト文字を表す
１バイトのデータと、２バイト文字を表す２バイトのデ
ータを、共に、単位情報と表記することにする。取得し
た２バイトのデータからなる単位情報の表す文字が漢字
であった場合（ステップＳ１０４；漢字）、表音変換部
１２は、平文データから次の単位情報を取得する（ステ
ップＳ１０６）。すなわち、平文データから次の１バイ
トのデータを取得し、そのデータが１バイト文字であっ
た場合には、そのデータを単位情報とする。また、その
データが２バイト文字の第１バイトであった場合、表音
変換部１２は、さらに、１バイトのデータを取得し、そ
れら２バイトのデータを単位情報とする。

【００４１】その後、表音変換部１２は、新たに取得し
た単位情報が漢字を表すものであるか、非漢字あるいは
１バイト文字を表すものであるかを判断する（ステップ
Ｓ１０７）。その単位情報が漢字を表すものであった場
合（ステップＳ１０７；漢字）、表音変換部１２は、ス
テップＳ１０６に戻り、平文データから次の単位情報を
取得する。

【００４２】ステップＳ１０６において新たに取得した
単位情報が非漢字あるいは１バイト文字を表すものであ
った場合（ステップＳ１０７；その他）、表音変換部１
２は、それまでに取得した漢字数が“１”であるか否か
を判断する（ステップＳ１０８）。取得した漢字数が
“１”であった場合（ステップＳ１０８；Ｙ）、その漢
字が音読み漢字であるか否かを判断する（ステップＳ１
０９）。なお、表音変換部１２は、ステップＳ１０６，
Ｓ１０７のループで最後に取得した単位情報（送りがな
等）を利用して、ステップ１０９の判断を行う。

【００４３】表音変換部１２は、取得した漢字が１文字
であり、かつ、音読み漢字でなかった場合（ステップＳ
１０９；Ｎ）と、取得した漢字が２文字以上であった場
合（ステップＳ１０８；Ｎ）には、取得した漢字あるい
は漢字列と、その読み（平仮名文字列）を用い、同音異
義語辞書１３から同音異義語識別情報を検索する（ステ
ップＳ１１０）。次いで、読みの文字数に対応する文字
数識別情報と、読みと、検索した同音異義語識別情報と
を、この順で、無歪圧縮部１４に出力する（ステップＳ
１１１）。ここで、文字数識別情報とは、数値に対応づ
けられた１バイトのデータであり、各数値に対応する文
字数識別情報には、１バイト文字で使用されている00-7
F,A1-DF,２バイト文字の第１バイトとして使用されてい
る81-9F,E0-EF（１６進表記）を除くコードが割り当て
られている。

【００４４】例えば、取得した漢字列が“製品”であっ
た場合、表音変換部１２は、ステップＳ１１１におい
て、図４に模式的に示したように、“製品”の読みであ
る“せいひん”の文字数４を表す１バイトの文字数識別
情報と、“せいひん”を表す総計８バイトのデータと、
１バイトの同音異義語識別情報（同音異義語辞書１７の
内容が図３に示したものであった場合には、0x00）とを
出力する。

【００４５】同音異義語識別情報の出力後、表音変換部
１２は、ステップＳ１０６，Ｓ１０７のループで最後に
取得した単位情報を無歪圧縮部１３に出力（ステップＳ
１１２）する。そして、出力した単位情報が“ＥＯＦ”
でなかった場合（ステップＳ１１４；Ｎ）には、ステッ
プＳ１０１からの処理を再度実行する。

【００４６】取得した漢字が音読み漢字１文字であった
場合（ステップＳ１０９；Ｙ）、表音変換部１２は、取
得している２個の単位情報（漢字と、非漢字あるいは１
バイト文字）を無歪圧縮部１３に出力（ステップＳ１１
３）して、ステップＳ１１４に進む。なお、１文字の音
読み漢字に対して別処理を行わせているのは、以下の理
由による。音読み漢字には同音異義語が多数存在するも
のが多く、中には、１バイトで表現できない数の同音異
義語が存在するもの（例えば、「三省堂、新明解漢和辞
典 第３版１９８７年」には、“こう”の同音異義語と
して、３６２語が掲載されている。）もある。このた
め、音読み漢字１字に対して他の漢字と同処理を行った
場合、同音異義語識別情報の種類が多くなる結果とし
て、読みに変換する意義が薄れるためである。

【００４７】表音変換部１２は、このような処理を繰り
返し、“ＥＯＦ”の出力を行ったときに（ステップＳ１
１４；Ｙ）、圧縮対象である平文データに対する処理を
終える。

【００４８】なお、図示は省略したが、実際には、ステ
ップＳ１０８において“Ｎ”側への分岐を行う際、表音
変換部１２は、取得している漢字列を、同音異義語辞書
１７に同音異義語識別情報が定義されているサイズの漢
字熟語（漢字の場合もある）に分解し、分解した各漢字
熟語に対して、ステップＳ１１０、Ｓ１１１相当の処理
を行う。すなわち、同音異義語辞書１７に記憶されてい
る２つの漢字熟語からなる漢字列が平文データに含まれ
ていた場合、表音変換部１２は、その漢字列を構成する
第１番目の漢字熟語の前後に、文字数識別情報と同音異
義語識別情報とを付加したデータを出力した後、第２番
目の漢字熟語の前後に、文字数識別情報と同音異義語識
別情報とを付加したデータを出力する。その後、その漢
字列の次に存在していた漢字以外の文字を出力する。そ
して、表音変換部１２は、平文データから取得した単位
情報が漢字以外の文字を表すものであった場合には、そ
の単位情報をそのまま出力する。このため、例えば、
「半導体製品の売り上げは好調です。」という文章は、
表音変換部１２によって、図５に模式的に示したような
データ（表音データ）に変換されることになる。

【００４９】第１実施形態のデータ圧縮・復元装置で
は、表音変換部１２の出力するこのような表音データ
が、無歪圧縮部１３によって圧縮される。そして、無歪
圧縮部１３による圧縮結果が、圧縮データとして記憶部
１１に格納され、データ圧縮が完了する。すなわち、本
データ圧縮・復元装置では、平分データが、元の状態に
復元でき（復元手順については後述）、かつ、使用され
ている文字の種類がより少ないデータである表音データ
に変換される。そして、その表音データが圧縮される。
このため、本データ圧縮・復元装置では、圧縮時の統計
情報の収集が、平文データを直接圧縮する場合に比して
効率的に行われることになり、その結果として、高い圧
縮率でのデータ圧縮が実現されることになる。

【００５０】次に、第１実施形態のデータ圧縮・復元装
置のデータ復元時の動作を説明する。無歪復元部１４
は、復元すべきデータとして指示された圧縮データを記
憶部１１から読み出し、当該圧縮データの復元結果、す
なわち、表音変換部１２がある平文データに基づき作成
した表音データを、表音逆変換部１５に供給する。

【００５１】上述した表音変換部１２の動作から明らか
なように、表音データには、２バイト文字、１バイト文
字、文字数識別情報、同音異義語識別情報が含まれてい
る（図５参照）。このうち、同音異義語識別情報は、数
値を２進数で表した１バイトの情報であるため、１バイ
ト文字等との弁別が不可能な情報となっている。しか
し、同音異義語識別情報の前には、１バイト文字並びに
２バイト文字の第１バイトとの弁別が可能な文字数識別
情報が存在している。また、同音異義語識別情報は、文
字数識別情報が存在する位置並びに内容によって定まる
位置に存在している。

【００５２】このため、表音逆変換部１５は、図６に示
した流れに従って、表音データから平文データを復元す
る。表音逆変換部１５は、まず、無歪復元部１４から１
バイト分のデータを取得する（ステップＳ２０１）。そ
して、表音逆変換部１５は、そのデータが、１バイト文
字であるか、２バイト文字の第１バイトであるか、文字
数識別情報であるかを判断（ステップＳ２０２）する。

【００５３】取得したデータが１バイト文字を表すもの
であった場合（ステップＳ２０２；1ハ゛イト文字）、表音
逆変換部１５は、当該データをそのまま記憶部１１に出
力する（ステップＳ２０３）。そして、出力したデータ
が“ＥＯＦ”でなかった場合（ステップＳ２１０；Ｎ）
には、ステップＳ２０１に戻り、無歪復元部１４から次
の１バイト分のデータを取得する。また、取得したデー
タが２バイト文字の第１バイトであった場合（ステップ
Ｓ２０２；2ハ゛イト文字）、表音逆変換部１５は、さら
に、１バイト分のデータを取得し、それら２バイト分の
データを記憶部１１に出力する（ステップＳ２０４）。
そして、ステップＳ２０１に戻る。

【００５４】取得したデータが文字数識別情報であった
場合（ステップＳ２０２；文字数識別情報）、表音逆変
換部１５は、その文字数識別情報の内容に基づき、後続
する平仮名文字列の文字数を認識する（ステップＳ２０
５）。そして、表音逆変換部１５は、無歪復元部１４か
ら、認識した文字数分のデータ（文字数×２バイトのデ
ータ；読み）と、次の１バイト分のデータ（同音異義語
識別情報）を取得する（ステップＳ２０６、Ｓ２０
７）。次いで、表音逆変換部１５は、取得した読みと同
音異義語識別情報を用いて、同音異義語辞書１８から、
漢字あるいは漢字熟語を検索する（ステップＳ２０
８）。そして、検索した漢字あるいは漢字熟語を記憶部
１１に出力して、ステップＳ２０１に戻る。

【００５５】表音逆変換部１５は、このような動作を無
歪復元部１４からの各データに対して繰り返し、“ＥＯ
Ｆ”の出力を行ったときに（ステップＳ２１０；Ｙ）、
図示した処理を終了する。

【００５６】＜変形形態＞第１実施形態のデータ圧縮・
復元装置は、平文データ内の、漢字あるいは漢字熟語
を、文字数識別情報と読みと同音異義語識別情報とから
なるデータで置換した形態の表音データが作成される装
置であったが、文字数識別情報の後に、同音異義語識別
情報と読みがこの順で付加される形態の表音データが作
成されるように装置を構成しても良いことは当然であ
る。

【００５７】また、複数の文字数識別情報を用意してお
く代わりに、開始位置識別情報と終了位置識別情報とを
用意しておき、データ圧縮時に漢字の読みを出力する
際、その前後に開始位置識別情報と終了位置識別情報を
付加するように装置を構成しても良い。この際、同音異
義語識別情報の位置は、開始位置識別情報の直後あるい
は終了位置識別情報の直後としておく。また、開始位置
識別情報と終了位置識別情報との間に存在している読み
を漢字に戻すことによってデータ復元が行われるように
装置を構成しておく。

【００５８】また、第１実施形態のデータ圧縮・復元装
置は、１文字の音読み漢字が処理対象となったとき、そ
の漢字コードをそのまま出力する装置であったが、読み
を本来のものとせず、当該漢字の訓読みを読みとするこ
とによって、本来、音読み漢字である漢字１文字もが読
みに変換されるよう装置を構成することも出来る。

【００５９】また、第１実施形態のデータ圧縮・復元装
置は、シフトＪＩＳを対象とするものであったが、ＪＩ
Ｓ、ＥＵＣ等の他のコード体系を対象とする装置として
も良いことは当然である。さらに、本実施形態の技術
は、適用対象が日本語に限られるものではなく、複数バ
イト文字の定義が必要とされる言語であればどのような
言語にも適用可能である。

【００６０】＜第２実施形態＞第１実施形態のデータ圧
縮・復元装置は、平文データ内に含まれる漢字熟語を、
その漢字熟語の読みを含むデータに置換した形態の表音
データに変換した後、圧縮を行う装置であった。これに
対して、第２実施形態のデータ圧縮・復元装置は、表音
データを作成する際、漢字熟語以外のデータも、他形態
のデータに置換する。また、漢字熟語を置換するデータ
として、その漢字熟語の半角読み（読みを半角片仮名文
字列で表した情報）を含むデータを用いる。

【００６１】図７に、第２実施形態のデータ圧縮・復元
装置の機能ブロック図を示す。図から明らかなように、
第２実施形態のデータ圧縮・復元装置の基本的な構成
は、第１実施形態のデータ圧縮・復元装置と同じものと
なっている。ただし、第２実施形態のデータ圧縮・復元
装置が備える表音変換部１２′は、同音異義語辞書１
７′のみを有する。同音異義語辞書１７′は、同音異義
語辞書１７とは異なり、漢字あるいは漢字熟語と、半角
読み（読みを半角片仮名文字列で表した情報）及び同音
異義語識別情報との対応関係が記憶された辞書となって
いる。また、表音逆変換部１５′にも、同音異義語辞書
１７′と同じ内容の同音異義語辞書１８′が備えられて
いる。

【００６２】そして、表音変換部１２′は、データ圧縮
を行う際、図８に示した手順で、平文データから表音デ
ータを作成する。表音変換部１２′は、まず、圧縮の対
象である平文データから１単位情報分のデータを取得す
る（ステップＳ３０１）。そして、そのデータが１バイ
ト文字であった場合（ステップＳ３０２；1ハ゛イト文字）
には、そのデータが表す文字が半角片仮名であるか否か
を判断する（ステップＳ３０３）。当該文字が半角片仮
名でなかった場合（ステップＳ３０３；Ｎ）、すなわ
ち、制御文字、ローマ字であった場合、表音変換部１
２′は、そのデータをそのまま無歪圧縮部１３に出力す
る（ステップＳ３０９）。そして、そのデータが“ＥＯ
Ｆ”でなかったとき（ステップＳ３１０；Ｎ）には、ス
テップＳ３０１に戻り、平文データを構成する次のデー
タに対する処理を開始する。

【００６３】取得した１バイト文字が半角片仮名であっ
た場合（ステップＳ３０３；Ｙ）、表音変換部１２′
は、次の単位情報（１バイトあるいは２バイト文字）を
取得する（ステップＳ３０４）。そして、取得した単位
情報の表す文字が半角片仮名であった場合（ステップＳ
３０５；Ｙ）には、ステップＳ３０４に戻る。一方、当
該文字が半角片仮名でなかった場合（ステップＳ３０
５；Ｎ）には、ステップＳ３０６に進む。すなわち、表
音変換部１２′は、ステップＳ３０４，Ｓ３０５のルー
プを実行することによって、平文データから、半角片仮
名が連なっている文字列と次の１文字分の単位情報を取
得する。

【００６４】その後、表音変換部１２′は、半角片仮名
開始位置識別情報と、半角片仮名文字列を、終了位置識
別情報とを、この順で出力する（ステップＳ３０６）。
なお、半角片仮名開始位置識別情報、終了位置識別情報
は、１バイト文字、２バイト文字、文字数識別情報との
弁別が可能なようにその内容が設定された１バイトの情
報であり、データ復元時（詳細は後述）、これらの位置
識別情報間に存在するデータが、半角片仮名として出力
すべき（そのまま出力すべき）データと判断される。

【００６５】次いで、表音変換部１２′は、最後に実行
したステップＳ３０４で取得した単位情報が表す文字が
１バイト文字であるか２バイト文字であるかを判断する
（ステップＳ３０８）。そして、当該文字が１バイト文
字であった場合（ステップＳ３０８；1ハ゛イト文字）に
は、ステップＳ３０９に進み、その半角片仮名文字では
ない１バイト文字を、無歪圧縮部１３に出力する。

【００６６】一方、最後に取得した単位情報が２バイト
文字であった場合（ステップＳ３０８；2ハ゛イト文字）
と、ステップＳ３０１で取得した単位情報の表す文字が
２バイト文字であった場合（ステップＳ３０２；２バイ
ト文字）、表音変換部１２′は、図９に示してあるよう
に、その２バイト文字が、平仮名であるか、漢字、片仮
名あるいは記号（罫線素片等）であるかを判断する（ス
テップＳ３２０）。より具体的には、対応する半角片仮
名文字が存在する文字（平仮名、句読点等）であるか否
かを判断する。そして、対応する半角片仮名文字が存在
する文字であった場合（ステップＳ３２０；平仮名）、
その２バイト文字（処理対象文字）に対応する半角片仮
名文字コードを出力（ステップＳ３２１）し、図８のス
テップＳ３０１に戻る。

【００６７】一方、対応する半角片仮名文字が存在しな
い文字であった場合（ステップＳ３２０；片仮名、漢字
等）、表音変換部１２′は、処理対象文字と異なる種類
の文字が現れるまで、平文データからの単位情報の取得
を繰り返す（ステップＳ３２２、Ｓ３２３）。すなわ
ち、処理対象文字が片仮名であった場合には、片仮名以
外の文字（漢字、平仮名、１バイト文字）が現れるまで
単位情報の取得を繰り返し、処理対象文字が漢字であっ
た場合には、漢字以外の文字が現れるまで単位情報の取
得を繰り返す。また、処理対象文字が記号に分類される
ものであった場合には、漢字、片仮名等が現れるまで単
位情報の取得を繰り返す。

【００６８】そして、異なる種類の文字を表す単位情報
を取得できた際（ステップＳ３２３；Ｎ）に、表音変換
部１２′は、収集した文字の種類が漢字であった場合
（ステップＳ３２４；Ｎ）、取得した漢字列（あるいは
漢字）に対応づけられている半角読み並びに同音異義語
識別情報を、同音異義語辞書１７′から検索する（ステ
ップＳ３２５）。次いで、表音変換部１２′は、半角読
みの文字数（バイト数）に対応する文字数識別情報と、
半角読みと、検索した同音異義語識別情報とを、この順
で、無歪圧縮部１３に出力する（ステップＳ３２６）。
そして、図６のステップＳ３０２に戻って、最後に取得
した単位情報に対する処理を開始する。

【００６９】また、文字の種類が片仮名であった場合
（ステップＳ３２４；Ｙ）、取得した片仮名文字列情報
に対応する半角片仮名文字列情報を作成する（ステップ
Ｓ３２７）。そして、全角片仮名開始位置識別情報と半
角片仮名文字列情報と終了位置識別情報を、この順で、
無歪圧縮部１３に対して出力（ステップＳ３２８）し、
ステップＳ３０２に戻って、最後に取得した文字に対す
る処理を開始する。なお、全角片仮名開始位置識別情報
は、１バイト文字、２バイト文字、文字数識別情報、半
角片仮名開始位置識別情報、終了位置識別情報との弁別
が可能なようにその内容が設定された１バイトの情報で
ある。データ復元時には、全角片仮名開始位置識別情報
と終了位置識別情報間に存在するデータが、全角片仮名
に変換して出力すべきデータと判断される。

【００７０】また、文字の種類が記号であった場合（ス
テップＳ３２４；記号）、表音変換部１２′は、取得し
た記号（列）に関する単位情報（列）をそのまま無歪圧
縮部１３に出力し、図８のステップＳ３０２に戻って、
最後に取得した単位情報に対する処理を開始する。

【００７１】表音変換部１２′は、このような処理を繰
り返し、“ＥＯＦ”の出力を行ったときに（ステップＳ
３１０；Ｙ）、圧縮対象である平文データに対する処理
を終える。

【００７２】以上、説明したように、表音変換部１２′
は、平文データ内の平仮名を半角片仮名に置換し、漢字
熟語を、文字数識別情報と半角片仮名文字列で表された
読みと同音異義語識別情報からなる情報で置換する。ま
た、全角片仮名文字列を、全角片仮名開始位置識別情報
と、その全角片仮名文字列と同値の半角片仮名文字列
と、終了位置識別情報からなる情報で置換する。そし
て、半角片仮名文字列を、半角片仮名開始位置識別情報
と、その全角片仮名文字列と同値の半角片仮名文字列
と、終了位置識別情報からなる情報で置換する。

【００７３】このため、記号を含まない文章、例えば、
「テ゛ータをメモリに保存すると、…」という文章は、表音
変換部１２′によって、図１０に模式的に示したよう
に、１バイト文字と、１バイトの情報である何種類かの
識別情報のみを含む表音データに変換される。

【００７４】そして、そのような表音データが、無歪圧
縮部１３によって圧縮されるので、本データ圧縮・復元
装置では、平文データを直接圧縮する場合に比して効率
的に圧縮が行われることになる。具体的には、図１１に
模式的に示したように、平文データを直接圧縮している
従来装置では、１文字が２バイトとなっているので、あ
る２バイト文字（図では、“と”）の第１バイトが注目
文字となっているときには、その２バイト文字の前に存
在する１文字だけが文脈として取り扱われる。これに対
し、本装置では、１文字が１バイトとなっているので、
ある文字（“ト”）が注目文字となっているときには、
その文字の前に存在する２文字が文脈として取り扱われ
る。すなわち、本装置では、ある次数の文脈を考慮に入
れる圧縮手順が、実質上、２倍の次数の文脈を考慮に入
れる圧縮手順として機能することになる。このため、第
２実施形態のデータ圧縮・復元装置によれば、高い圧縮
率での圧縮が実現できる。

【００７５】ここで、第２実施形態のデータ圧縮・復元
装置のデータ復元時の動作を簡単に説明しておく。図１
２に示したように、データ復元時、表音逆変換部１５′
は、まず、無歪復元部１４が出力する１バイト分のデー
タを取得する（ステップＳ４０１）。次いで、表音逆変
換部１５′は、そのデータが、文字数識別情報である
か、全角片仮名開始位置識別情報であるか、半角片仮名
開始位置識別情報であるか、半角片仮名文字を表すデー
タであるか、漢字（記号）を表すデータであるかの判別
を行う（ステップＳ４０２）。

【００７６】そして、当該データが文字数識別情報であ
った場合（ステップＳ４０２；文字数識別情報）、表音
逆変換部１５′は、その文字数識別情報から文字数（バ
イト数）を認識（ステップＳ４０３）し、認識した文字
数分のデータ（半角読み）を無歪復元部１４から取得す
る（ステップＳ４０４）。その後、表音逆変換部１５′
は、次の１バイト分のデータ、すなわち、同音異義語識
別情報を取得する（ステップＳ４０５）。次いで、表音
逆変換部１５′は、取得した半角読みと同音異義語識別
情報を用いて同音異義語辞書１７′から漢字あるいは漢
字列を表す情報を検索（ステップＳ４０６）し、検索し
た漢字（列）情報を、記憶部１１に対して出力する（ス
テップＳ４０７）。そして、ステップＳ４０１に戻り、
残りのデータに関する処理を開始する。

【００７７】ステップＳ４０２において、ステップＳ４
０１で取得したデータが、全角片仮名開始位置識別情報
あるいは全角片仮名開始位置識別情報であることを検出
した場合、表音逆変換部１５′は、終了位置識別情報が
取得されるまで、無歪復元部１４からのデータ取得を繰
り返す（ステップＳ４１０）。そして、表音逆変換部１
５′は、終了位置識別情報を取得したときに、ステップ
Ｓ４１０を終了し、現在行っている処理が全角片仮名開
始位置識別情報の検出によるものであった場合（ステッ
プＳ４１１；Ｙ）には、ステップＳ４１０で取得した、
半角片仮名文字（列）に関するデータ（除く終了位置識
別情報）を、全角片仮名文字（列）に関するデータに変
換して、記憶部１１に出力する（ステップＳ４１３）。
そして、ステップＳ４０１に戻る。一方、現在行ってい
る処理が半角片仮名開始位置識別情報の検出によるもの
であった場合（ステップＳ４１１；Ｎ）には、取得した
半角片仮名文字（列）に関するデータ（除く終了位置識
別情報）を、そのまま、記憶部１１に出力（ステップＳ
４１２）し、ステップＳ４０１に戻る。

【００７８】ステップＳ４０１で取得したデータが、１
バイト文字あるいは２バイト文字の第１バイトであった
場合（ステップＳ４０２；その他）、表音逆変換部１
５′は、ステップＳ４１５において、以下の処理を実行
する。半角片仮名データに対しては、対応する平仮名コ
ードを出力する。２バイト文字の第１バイトに対して
は、さらに、もう１バイトのデータを無歪復元部１４か
ら取得し、それら２バイトのデータを出力する。その他
の１バイト文字に対しては、取得したデータをそのまま
記憶部１１に出力する。

【００７９】表音逆変換部１５′は、このような処理を
繰り返し、“ＥＯＦ”の出力を行ったときに（ステップ
Ｓ４１７；Ｙ）、図示した処理を終了する。 ＜変形形態＞第２実施形態のデータ圧縮・復元装置も、
第１実施形態のデータ圧縮・復元装置と同様の変形が可
能である。すなわち、複数の文字数識別情報を用意して
おく代わりに、開始位置識別情報と終了位置識別情報と
を用意しておき、データ圧縮時に漢字の半角読みを出力
する際、その前後に開始位置識別情報と終了位置識別情
報を付加するように装置を構成しても良いし、他のコー
ド体系の文書を対象とする装置としても良い。

【００８０】また、第２実施形態のデータ圧縮・復元装
置は、２バイト文字を、半角片仮名文字に変換する装置
であったが、２バイト文字がローマ字に変換されるよう
に装置を構成することも出来る。すなわち、“セイソ゛ウ”
を表すデータの代わりに、"SEIZOU"を表すデータが出力
されるように装置を構成しても良い。

【００８１】また、２バイトの表意文字だけからなる言
語に、本技術を適用する際には、例えば、国際音声記
号、ハングル文字の母音と子音を表す情報、注音字母を
表す情報等に１バイトコードを割り当てておき、各表意
文字データが、その表意文字の音を国際音声記号等で表
したコードに変換されるようにしておけば良い。

【００８２】＜第３実施形態＞図１３に、第３実施形態
のデータ圧縮・復元装置の機能ブロック図を示す。ま
ず、この図を用いて、第３実施形態のデータ圧縮・復元
装置の動作の概要を説明する。

【００８３】図示したように、第３実施形態のデータ圧
縮・復元装置は、平文データ、圧縮データの記憶に用い
られる記憶部２１を備える。また、データ圧縮時に機能
するブロックとして、表音変換部２２と中間符号変換部
２３と一時記憶部２４と無歪圧縮部２５を備える。そし
て、データ復元時に機能するブロックとして、無歪復元
部２６と中間符号逆変換部２７と表音逆変換部２８を備
える。

【００８４】表音変換部２２が有している日本語解析辞
書１６と同音異義語辞書１７は、第１実施形態の表音変
換部１２が有している辞書と同じものである。表音変換
部２２は、これらの辞書を用いて、第１実施形態の表音
変換部１２とほぼ同じ手順で、平文データ内の漢字を
“読み”に変換していくことによって、表音データを生
成する。ただし、表音変換部２２は、表音データの生成
時に、表音データ内で使用されている文字、識別情報の
リストである文字リストをも作成する。

【００８５】中間符号変換部２３は、表音変換部２２
が、一時記憶部２４内に生成する表音データと文字リス
トを用いて、表音データ内で使用されている文字や識別
情報に新たな符号（中間符号）を割り当てるための中間
符号対応表を作成する。そして、中間符号変換部２３
は、その中間符号表を用いて、表音データを、中間符号
を含むデータである中間符号データに変換する。なお、
中間符号変換部２３には、動作モードとして、中間符号
のビット数を指定しないモード（ビット長非指定モー
ド）と、中間符号のビット数を指定するモード（ビット
長指定モード）とが用意されており、ビット長指定モー
ドで動作させる場合、データ圧縮に先駆けて中間符号変
換部２３に中間符号のビット長を指定する情報が与えら
れる。

【００８６】無歪圧縮部１３は、中間符号変換部２３か
ら与えられる中間符号対応表と中間符号データをそれぞ
れ損失がない状態で圧縮し、それらの圧縮結果を、記憶
部２１内に、圧縮データとして記憶する。

【００８７】無歪復元部２６は、無歪圧縮部２５によっ
て圧縮されたデータを復元する機能を有し、復元を指示
された圧縮データに基づき、中間符号対応表と中間符号
データを復元、出力する。中間符号逆変換部２７は、無
歪復元部２６から与えられる中間符号対応表を用いて、
その後に与えられる中間符号データ内に含まれる中間符
号を元の情報（表音データ）に戻していく。表音逆変換
部２８は、同音異義語辞書１７と同じ内容を有する辞書
である同音異義語辞書１８を用いて、表音データに含ま
れる“読み”を漢字に戻すことによって、無歪復元部２
６が処理した圧縮データの元情報である平文データを記
憶部１１内に生成する。

【００８８】以下、各部の動作を具体的に説明する。ま
ず、図１４を用いて、表音変換部２２の動作を説明す
る。図示したように、データ圧縮の開始が指示された
際、表音変換部２２は、まず、変数Ｋに“０”をセット
する（ステップＳ５００）。変数Ｋの用途については後
述するが、変数Ｋは、表音変換部２２が出力する同音異
義語識別情報の最大値が記憶される変数となっている。

【００８９】次いで、表音変換部２２は、圧縮対象とし
て指定された平文データから１文字分のデータを取得す
る（ステップＳ５０１）。次いで、表音変換部２２は、
そのデータが表す文字の種類を判別し、当該文字が非漢
字であった場合（ステップＳ５０２；非漢字）には、取
得したデータを一時記憶部２４に出力するとともに、そ
のデータが文字リストに登録されていない未登録データ
であった場合には、当該データを文字リストに登録する
（ステップＳ５０３）。そして、出力したデータが“Ｅ
ＯＦ”でなかった場合（ステップＳ５１１；Ｎ）には、
ステップＳ５０１に戻り、平文データ内の次の１文字分
のデータに対する処理を開始する。

【００９０】ステップＳ５０１で読み出したデータが漢
字を表すデータであった場合（ステップＳ５０２；漢
字）、表音変換部２２は、非漢字データが取得されるま
で平文データからのデータ取得を繰り返す（ステップＳ
５０４、５０５）。そして、非漢字データが取得された
とき（ステップＳ５０５；非漢字）、表音変換部２２
は、ステップＳ５０６に進む。

【００９１】ステップＳ５０６において、表音変換部２
２は、その非漢字データの前に取得したデータが音読み
漢字１字分のデータであるか否かを判断する。そして、
音読み漢字１字分のデータであった場合（ステップＳ５
０６；Ｙ）には、開始位置識別情報とその音読み漢字デ
ータと終了位置識別情報とを一時記憶部２４に出力する
（ステップＳ５０７）。なお、開始位置識別情報と終了
位置識別情報は、１バイト文字、２バイト文字の第１バ
イトとの判別が可能なように、その内容が設定された１
バイトの情報であり、本実施形態では、同じ情報を、開
始位置識別情報並びに終了位置識別情報として使用して
いる。

【００９２】ステップＳ５０７の実行後、表音変換部２
２は、最後に取得したデータ（非漢字データ）を一時記
憶部２４に出力する（ステップＳ５０８）。次いで、ス
テップＳ５０７で出力した開始位置識別情報が文字リス
トに登録されていない未登録データであった場合には、
そのデータ（開始位置識別情報）を文字リストに登録す
る。また、ステップＳ５０８で出力したデータが未登録
データであった場合には、そのデータ文字リストに登録
する（ステップＳ５０９）。すなわち、表音変換部２２
は、最初にステップＳ５０９を実行したときには、文字
リストへの開始位置識別情報の登録を行い、終了位置識
別情報の次に存在していたデータが未登録データであっ
た場合には、そのデータの登録も行う。そして、２度目
以降にステップＳ５０９を実行したときには、既に開始
位置識別情報の登録は行われているので、終了位置識別
情報の次に存在していたデータが未登録データであった
場合にのみ、文字リストへのデータ登録を行う。

【００９３】そして、表音変換部２２は、ステップＳ５
０８で出力したデータが“ＥＯＦ”でなかった場合（ス
テップＳ５１１；Ｎ）には、ステップＳ５０１に戻る。
一方、非漢字データの前に取得したデータが音読み漢字
１字分のデータでなかった場合（ステップＳ５０６；
Ｎ）、表音変換部２２は、表音変換処理（ステップＳ５
１０）を実行する。

【００９４】図１５に、表音変換処理の流れを示す。図
示したように、表音変換処理時、表音変換部２２は、ま
ず、非漢字データの前に取得したデータが表す漢字列あ
るいは漢字を、仮名文字列（読み）に変換する（ステッ
プＳ６０１）。次いで、表音変換部２２は、同音異義語
辞書１７から、その読みと漢字列（漢字）に対応づけら
れている同音異義語識別情報を取得する（ステップＳ６
０２）。そして、読みの文字数を表す文字数識別情報と
読みと同音異義語識別情報とを、この順で、一時記憶部
２４に出力（ステップＳ６０３）し、さらに、最後に取
得したデータ（非漢字）を一時記憶部２４に出力する
（ステップＳ６０４）。

【００９５】その後、表音変換部２２は、ステップＳ６
０３、Ｓ６０４で出力したデータのうち、同音異義語識
別情報を除くデータの中に未登録データがあった場合に
は、その（あるいはそれらの）データを文字リストに登
録する（ステップＳ６０５）。また、同音異義語識別情
報の値がＫを越えていた場合には、Ｋにその値を設定
（ステップＳ６０６）し、表音変換処理を終了する（図
１４のステップＳ５１１に進む）。

【００９６】そして、“ＥＯＦ”を出力したことを検出
した際（ステップＳ５１１；Ｙ）に、表音変換部２２
は、図１４に示した処理を終了する。このように、表音
変換部２２は、一時記憶部２４内に、第１実施形態の表
音変換部１２が出力する表音データとほぼ同形態の表音
データを作成する。また、表音変換部２２は、その表音
データに含まれている文字数識別情報、開始位置識別情
報、１バイト文字、２バイト文字のリストである文字リ
ストをも作成し、表音データ内に含まれている同音異義
語識別情報の最大値を変数Ｋに記憶して、図示した処理
を終了する。

【００９７】中間符号変換部２３は、表音変換部２２に
よる処理が完了したときに、動作を開始する。既に説明
したように、中間符号変換部２３は２つの動作モードを
有する。ここでは、まず、図１６および図１７を用い
て、ビット長非指定モード時の動作の説明を行うことに
する。

【００９８】表音変換部２２による表音データの生成が
完了したとき、中間符号変換部２３は、図１６に示した
ように、まず、Ｋの値を２進数で表すのに必要な最小の
ビット数Ｍと、文字リストに記憶されている文字種数ｎ
とを求める（ステップＳ７０１）。次いで、中間符号変
換部２３は、２^L-1＜ｎ≦２^Lを満たすＬを算出する（ス
テップＳ７０２）。そして、算出した値Ｌが、Ｍ未満で
あった場合（ステップＳ７０３；Ｙ）には、ＬにＭの値
をセット（ステップＳ７０４）し、ステップＳ７０５に
進む。一方、Ｌ＜Ｍでなかった場合（ステップＳ７０
３；Ｙ）には、Ｌの値を更新することなく、ステップＳ
７０５に進む。

【００９９】ステップＳ７０５において、中間符号変換
部２３は、文字リスト内のｎ種の情報（文字数識別情
報、２バイト文字等）のそれぞれに、Ｌ桁の２進数、す
なわち、Ｌビットの中間符号を割り当てることにより、
中間符号対応表を作成する。次いで、中間符号変換部２
３は、その作成した中間符号対応表の内容を表すデータ
を無歪圧縮部２５に供給する（ステップＳ７０６）。

【０１００】その後、中間符号変換部２３は、一時記憶
部２４に記憶された表音データから、１単位情報分のデ
ータを取得する（ステップＳ７１１）。すなわち、この
ステップで、中間符号変換部２３は、１バイトのデータ
を取得し、そのデータが２バイト文字の第１バイトであ
った場合には、さらに１バイトのデータを取得する。一
方、取得したデータが１バイト文字、文字数識別情報あ
るいは開始位置識別情報であった場合には、それ以上、
データを取得することなく、ステップＳ７１１を終え
る。ステップＳ７１１で取得したデータが開始位置識別
情報であった場合（ステップＳ７１２；開始位置識別情
報）、中間符号変換部２３は、開始位置識別情報に対応
づけられて中間符号対応表に記憶されている中間符号
（以下、開始位置識別情報用中間符号と表記する）を、
無歪圧縮部２５に供給する（ステップＳ７１３）。次
に、表音データ内の、その開始位置識別情報に続く３バ
イトのデータ、すなわち、音読み漢字を表すデータ（２
バイト）と終了位置識別情報（１バイト）を、そのま
ま、無歪圧縮部２５に供給する（ステップＳ７１４）。
その後、中間符号変換部２３は、ステップＳ７１１に戻
り、表音データ内の次のデータに対する処理を開始す
る。

【０１０１】取得したデータが、文字数識別情報であっ
た場合（ステップＳ７１２；文字数識別情報）、中間符
号変換部２３は、その文字数識別情報から読みの文字数
を認識するとともに、その文字数識別情報に対応づけら
れて中間符号対応表に記憶されている中間符号を無歪圧
縮部２５に供給する（ステップＳ７１５）。次いで、認
識した文字数分のデータを取得し、各データに対応する
中間符号を無歪圧縮部２５に供給する（ステップＳ７１
６）。そして、表音データから次の１バイト分のデー
タ、すなわち、同音異義語識別情報を取得し、その同音
異義語識別情報をＬビットの情報に直して無歪圧縮部２
５に供給する（ステップＳ７１７）。すなわち、Ｌ＞８
であった場合、中間符号変換部２３は、同音異義語識別
情報の上位ビット側に“Ｌ−８”個の“０”を加えたＬ
ビットの情報を無歪圧縮部２５に供給する。また、Ｌ＜
８であった場合には、同音異義語識別情報に上位ビット
側から“８−Ｌ”個の“０”を取り除いたＬビットの情
報を無歪圧縮部２５に供給する、当然、Ｌ＝８であった
場合には、同音異義語識別情報をそのまま無歪圧縮部２
５に供給する。その後、中間符号変換部２３は、ステッ
プＳ７１１に戻る。

【０１０２】取得したデータが、１バイト文字あるいは
２バイト文字であった場合（ステップＳ７１２；その
他）、中間符号変換部２３は、そのデータに対応する中
間符号を無歪圧縮部２５に供給する（ステップＳ７１
８）。そして、供給したデータが“ＥＯＦ”でなかった
場合（ステップＳ７１９；Ｎ）には、ステップＳ７１１
に戻り、次のデータに対する処理を開始し、“ＥＯＦ”
であった場合（ステップＳ７１９；Ｙ）に、処理を終了
する。

【０１０３】このように、中間符号変換部２３は、ビッ
ト長非指定モード時、表音データに含まれる１バイト文
字、音読み漢字１字を除く２バイト文字、文字数識別情
報、開始位置識別情報を表しうる最小のビット数Ｌを求
める。その際、求めたＬが、同音異義語識別情報に必要
とされるビット数Ｍ未満であった場合には、Ｌの値をＭ
の値で更新する。そして、表音データ内の、音読み漢字
１字、同音異義語識別情報を除く各情報をＬビットの中
間符号に変換し、また、同音異義語識別情報の表現形態
をＬビットに変換する。音読み漢字１字に関しては、変
換は行わず、そのまま中間符号データの要素とする。

【０１０４】例えば、平文データに“製品”という漢字
熟語が存在していた場合、図１８に模式的に示したよう
に、表音データ内に、文字数識別情報と“せいひん”と
いう読みと同音異義語識別情報とからなる１０バイトの
情報が含まれることになる。中間符号変換部２３は、こ
の情報を、同図に示してあるように、６個のＬビットの
データ（５個の中間符号とＬビット形態の同音異義語識
別情報）からなる情報に変換する。

【０１０５】また、平文データに“その間”という音読
み漢字“間”（読み；かん）を含む語句が存在していた
場合、図１９に模式的に示したように、表音データ内に
は、“その”を表す４バイトの情報と、開始位置識別情
報と、“間”を表す２バイトの情報と、終了位置識別情
報とからなる情報が含まれる。中間符号変換部２３は、
この情報を、同図に示してあるように、３個のＬビット
の中間符号と、“間”を表す２バイトの情報と、１バイ
トの終了位置識別情報とからなる情報に変換する。

【０１０６】次に、ビット長指定モード時の中間符号変
換部２３の動作を説明する。ビット長指定モード時、中
間符号変換部２３は、図２０、２１に示した流れ図に従
って、表音データを中間符号データに変換する。

【０１０７】図２０に示したように、中間符号変換部２
３は、まず、ビット長非指定モード時と同様に、同音異
義語識別情報の最大値であるＫの値を２進数で表すのに
必要な最小のビット数Ｍと、文字リストに記憶されてい
る文字種数ｎとを求める（ステップＳ８０１）。次い
で、中間符号変換部２３は、指定ビット長Ｌ′とＭの大
小関係を判定し、Ｌ′＜Ｍであった場合（ステップＳ８
０２；Ｙ）には、Ｌ′にＭの値をセット（ステップＳ８
０３）し、ステップＳ８０４に進む。一方、Ｌ′＜Ｍで
なかった場合（ステップＳ８０２；Ｎ）には、Ｌ′の値
を更新することなく、ステップＳ８０４に進む。

【０１０８】ステップＳ８０４において、中間符号変換
部２３は、２^L′≧ｎが成立するか否かを判断する（ス
テップＳ８０４）。２^L′≧ｎが成立する場合（ステッ
プＳ８０４；Ｙ）、すなわち、Ｌ′ビットのデータで文
字リストに記憶されているｎ種の情報を全て表現するこ
とが出来る場合、中間符号変換部２３は、文字リスト内
のｎ種の情報（文字数識別情報、２バイト文字等）のそ
れぞれに、Ｌ′ビットの中間符号を割り当てることによ
り、中間符号対応表を作成する（ステップＳ８０５）。

【０１０９】一方、２^L′≧ｎが成立しない場合（ステ
ップＳ８０４；Ｎ）、すなわち、Ｌ′ビットのデータで
は、文字リストに記憶されているｎ種の情報を表現する
ことが出来ない場合、中間符号変換部２３は、ｎ
_exc（＝ｎ−２^L′）種の文字を文字リストから消去する
（ステップＳ８０６）。この際、中間符号変換部２３
は、平仮名以外の文字（記号）を消去することによっ
て、文字数識別情報、開始位置識別情報、平仮名文字を
文字リスト内に残す。そして、文字リスト内の２^L′種
の情報のそれぞれに、Ｌ′ビットの中間符号を割り当て
ることにより、中間符号対応表を作成する（ステップＳ
８０７）。

【０１１０】中間符号対応表の作成後、中間符号変換部
２３は、作成した中間符号対応表の内容を表すデータを
無歪圧縮部２５に供給（ステップＳ８０８）する。そし
て、表音データを中間符号データに変換するために、図
２１に示した処理を開始する。

【０１１１】図２１に示したステップＳ８１１〜Ｓ８１
７において、中間符号変換部２３は、それぞれ、ステッ
プＳ７１１〜Ｓ７１７（図１７）と同じ処理を行う。こ
のため、これらのステップにおける動作の説明は省略す
る。

【０１１２】さて、ビット長非指定モード時は、表音デ
ータ内に含まれている、音読み漢字１字を除く各２バイ
ト文字および各１バイト文字に対して、中間符号が割り
当てられている。このため、表音データから取得したデ
ータが１バイト文字あるいは２バイト文字であった場
合、そのデータに対応する中間符号が存在していた。

【０１１３】これに対して、ビット長指定モード時は、
表音データ内に含まれている幾つかの文字に関しては、
対応する中間符号が用意されていない。このため、中間
符号変換部２３は、ステップＳ８１２で“その他”側へ
の分岐を行った際、ステップＳ８１１で取得したデータ
が、中間符号が割り当てられていないデータ（以下、除
外文字データと表記する）であるか否かを判断する（ス
テップＳ８２０）。そして、除外文字データでなかった
場合（ステップＳ８２０；Ｎ）には、当該データに対応
する中間符号を無歪圧縮部１３に供給する（ステップＳ
８２１）。次いで、中間符号変換部２３は、出力したデ
ータが“ＥＯＦ”であるか否かの判断を行い、“ＥＯ
Ｆ”でなかった場合（ステップＳ８２５；Ｎ）には、ス
テップＳ８１１に戻り、次のデータに対する処理を開始
する。

【０１１４】一方、取得したデータが除外文字データで
あった場合（ステップＳ８２０；Ｙ）、中間符号変換部
２３は、除外文字データ以外のデータが現れるまで、表
音データからデータの取得を繰り返す（ステップＳ８２
３）。そして、開始位置識別情報用中間符号と、最後に
取得したデータ（除外文字データ以外のデータ）を除く
データと、終了位置識別情報を、無歪圧縮部２５に供給
する（ステップＳ８２４）。次いで、中間符号変換部２
３は、最後に取得した除外文字データではないデータを
処理するために、ステップＳ８１２に戻る。

【０１１５】すなわち、ビット長指定モード時、中間符
号変換部２３は、表音データ内に中間符号が割り当てら
れていない文字があった場合、その文字の前後に開始位
置識別情報用中間符号と終了位置識別情報を付加した情
報を無歪圧縮部２５に供給する。また、そのような文字
が複数個連なっていた場合には、その文字列の前後に開
始位置識別情報用中間符号と終了位置識別情報を付加し
た情報を無歪圧縮部２５に供給する。

【０１１６】例えば、表音データ内に“αβγは”とい
う文字列を表す情報が存在しており、ステップＳ８０６
において、文字リストから“α”、“β”、“γ”に関
する情報が削除されていたものとする。この場合、中間
符号変換部２３は、図２２に模式的に示したように、Ｌ
（＝Ｌ′）ビットの開始位置識別情報用中間符号と、
“αβγ”と、終了位置識別情報と、“は”に対応する
中間符号からなる情報を、無歪圧縮部２５に供給する。

【０１１７】第３実施形態のデータ圧縮・復元装置で
は、このような手順によって、表音データから生成され
る中間符号対応表と中間符号データとが、無歪圧縮部２
５によって圧縮され、平文データの圧縮が完了する。

【０１１８】最後に、第３実施形態のデータ圧縮・復元
装置のデータ復元時の動作を説明する。ある圧縮データ
の復元を指示された際、無歪復元部２６は、その圧縮デ
ータを構成する中間符号対応表に関する圧縮データを復
元する。次いで、無歪復元部２６は、中間符号データに
関する圧縮データを復元する。

【０１１９】これに呼応して、中間符号逆変換部２７
は、図２３に示した処理を実行する。すなわち、中間符
号逆変換部２７は、まず、無歪復元部２６から、中間符
号対応表を取得し、中間符号のビット数Ｌを認識する
（ステップＳ９０１）。次いで、無歪復元部２６から、
Ｌビットのデータ（中間符号）を取得する（ステップＳ
９０２）。そして、取得した中間符号に対応づけられて
いる情報を、中間符号対応表から読み出す（ステップＳ
９０３）。

【０１２０】その後、読み出した情報が開始位置識別情
報であった場合（ステップＳ９０４；開始位置識別情
報）、中間符号逆変換部２７は、次の１バイトあるいは
２バイト単位のデータを無歪復元部２６から取得する
（ステップＳ９０５）。そして、取得したデータが終了
位置識別情報でなかった場合（ステップＳ９０６；Ｎ）
には、当該データ（終了位置識別情報は含まない）をそ
のままを表音逆変換部２８に出力（ステップＳ９０７）
し、ステップＳ９０５に戻る。一方、取得したデータが
終了位置識別情報であった場合（ステップＳ９０６；
Ｙ）には、そのデータを出力することなく、ステップＳ
９０２に戻り、Ｌビット単位のデータ取得を再開する。

【０１２１】中間符号対応表から読み出したデータが文
字数識別情報であった場合（ステップＳ９０４；文字数
識別情報）、中間符号逆変換部２７は、後続する読みの
文字数を認識するとともに、読み出したデータを１バイ
トの文字数識別情報に変換して表音逆変換部２８に出力
する（ステップＳ９０８）。次いで、認識した文字数分
の中間符号を無歪復元部２６から取得し、取得した各中
間符号に中間符号対応表で対応づけられているデータを
出力する（ステップＳ９０９）。その後、中間符号逆変
換部２７は、Ｌビット分のデータ、すなわち、同音異義
語識別情報を取得し、その同音異義語識別情報を１バイ
トの情報に直して表音逆変換部２８に出力する（ステッ
プＳ９１０）。そして、ステップＳ９０２に戻り、Ｌビ
ット単位のデータ取得を再開する。

【０１２２】中間符号対応表から読み出したデータが開
始位置識別情報でも文字数識別情報でもなかった場合
（ステップＳ９０４；その他）、中間符号逆変換部２７
は、そのデータを表音逆変換部２８に出力する（ステッ
プＳ９１１）。そして、出力したデータが“ＥＯＦ”で
なかった場合（ステップＳ９１２；Ｎ）には、ステップ
Ｓ９０２に戻り、“ＥＯＦ”であった場合（ステップＳ
９１２；Ｙ）に、図示した処理を終了する。

【０１２３】このように、中間符号逆変換部２７は、開
始位置識別情報用中間符号が現れたときに、それ以後、
終了位置識別情報が現れるまでのデータがバイト単位の
データ（音読み漢字１字のデータあるいは除外文字デー
タ）であることを認識する。そして、開始位置識別情報
用中間符号と終了位置識別情報との間に挟まれたデータ
に関しては、そのまま、表音逆変換部２８に出力する。
その際、開始位置、終了位置識別情報の出力は行わな
い。また、単独では、中間符号と弁別ができない同音異
義語識別情報に関しては、文字数識別情報用中間符号の
位置に基づき、その位置を特定し、１バイトのデータに
戻す。

【０１２４】この結果、表音逆変換部２８には、表音変
換部２２が出力した表音データから開始位置識別情報と
終了位置識別情報を全て取り除いた表音データが供給さ
れることになる。このため、表音逆変換部２８は、第１
実施形態の表音逆変換部１５と全く同じ手順で表音デー
タを平文データに変換するよう構成されている。

【０１２５】

【発明の効果】以上、詳細に説明したように、本発明に
よれば、１文字が複数バイトで表される言語に関する文
書データを、高い圧縮率で圧縮することが可能となる。

【図面の簡単な説明】

【図１】本発明の第１実施形態によるデータ圧縮・復元
装置の機能ブロック図である。

【図２】第１実施形態のデータ圧縮・復元装置が備える
同音異義語辞書の説明図である。

【図３】第１実施形態のデータ圧縮・復元装置が備える
表音変換部の動作手順を示す流れ図である。

【図４】第１実施形態のデータ圧縮・復元装置が備える
表音変換部の動作の説明図である。

【図５】第１実施形態のデータ圧縮・復元装置が備える
表音変換部の動作の説明図である。

【図６】第１実施形態のデータ圧縮・復元装置が備える
表音逆変換部の動作手順を示す流れ図である。

【図７】本発明の第２実施形態によるデータ圧縮・復元
装置の機能ブロック図である。

【図８】第２実施形態のデータ圧縮・復元装置が備える
表音変換部の動作手順を示す流れ図である。

【図９】第２実施形態のデータ圧縮・復元装置が備える
表音変換部の動作手順を示す流れ図である。

【図１０】第２実施形態のデータ圧縮・復元装置が備え
る表音変換部の動作の説明図である。

【図１１】第２実施形態のデータ圧縮・復元装置によっ
て高い圧縮率で圧縮が行える理由の説明図である。

【図１２】第２実施形態のデータ圧縮・復元装置が備え
る表音逆変換部の動作手順を示す流れ図である。

【図１３】本発明の第３実施形態によるデータ圧縮・復
元装置の機能ブロック図である。

【図１４】第３実施形態のデータ圧縮・復元装置が備え
る表音変換部の動作手順を示す流れ図である。

【図１５】第３実施形態のデータ圧縮・復元装置が備え
る表音変換部が実行する表音変換処理の流れ図である。

【図１６】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部のビット長非指定時の動作手順を示す
流れ図である。

【図１７】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部のビット長非指定時の動作手順を示す
流れ図である。

【図１８】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部の動作の説明図である。

【図１９】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部の動作の説明図である。

【図２０】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部のビット長指定時の動作手順を示す流
れ図である。

【図２１】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部のビット長指定時の動作手順を示す流
れ図である。

【図２２】第３実施形態のデータ圧縮・復元装置が備え
る中間符号変換部の動作の説明図である。

【図２３】第３実施形態のデータ圧縮・復元装置が備え
る中間符号逆変換部の動作手順を示す流れ図である。

【図２４】算術符号化における、文字と生起確率と区間
との対応関係を示す図である。

【図２５】算術符号化における符号化手順を示す説明図
である。

【図２６】文脈の説明図である。

【図２７】文脈収集に使用される木構造の一例を示した
図である。

【符号の説明】

１１、２１ 記憶部 １２、２２ 表音変換部 １３、２５ 無歪圧縮部 １４、２６ 無歪復元部 １５、２８ 表音逆変換部 ２３ 中間符号変換部 ２４ 一時記憶部 ２７ 中間符号逆変換部

Claims (35)

【特許請求の範囲】
1. 【請求項１】 一文字が複数バイトの情報で表される文
   字情報を含む元文書データを圧縮するためのデータ圧縮
   装置において、 圧縮すべき元文書データに含まれる各文字情報を、その
   文字情報に対応づけられる文字を発音したときの音を表
   す表音文字情報で置き換えたデータである表音文書デー
   タを作成する表音文書データ作成手段と、 この表音文書データ作成手段が作成する表音文書データ
   に対して圧縮を行う圧縮手段とを備えることを特徴とす
   るデータ圧縮装置。
2. 【請求項２】 一文字が複数バイトで表される文字情報
   を含む元文書データを圧縮するデータ圧縮装置におい
   て、 一または複数の文字情報からなる複数の変換対象語情報
   に対して、その変換対象語情報が示す語を発音したとき
   の音を表す情報である表音文字情報が記憶された表音文
   字情報記憶手段と、 前記元文書データから、前記表音文字情報記憶手段内に
   記憶されている変換対象語情報を探索するとともに、探
   索した変換対象語情報に対応する表音文字情報を前記表
   音文字情報記憶手段から読み出す探索・読出手段と、 この探索・読出手段で探索された前記元文書データ内の
   変換対象語情報を、前記探索・読出手段で読み出された
   表音文字情報を含む変換対象語置換情報で置換すること
   によって、表音文書データを作成する表音文書データ作
   成手段と、 この表音文書データ作成手段により作成された表音文書
   データで使用されている情報要素に対して、中間符号を
   対応づけるための中間符号表を作成する中間符号表作成
   手段と、 前記中間符号表作成手段で作成された中間符号表を用い
   て、前記表音文書データを構成する各情報要素を対応す
   る中間符号に変換することによって、中間符号文書デー
   タを作成する中間符号文書データ作成手段と、 この中間符号文書データ作成手段が作成する中間符号文
   書データに対して圧縮を行う圧縮手段とを備えることを
   特徴とするデータ圧縮装置。
3. 【請求項３】 前記中間符号表作成手段は、前記表音文
   書データで使用されている各情報要素に対して、それら
   の情報要素を表現可能な最小のビット数を有する中間符
   号を割り当てるための中間符号表を作成することを特徴
   とする請求項２記載のデータ圧縮装置。
4. 【請求項４】 前記表音文書データ作成手段は、所定種
   類の文字情報を、その文字情報が所定種類の文字情報で
   あることを示す開始位置識別情報と終了位置識別情報と
   で挟まれた置換情報に置換することによって、表音文書
   データを作成し、 前記中間符号表作成手段は、前記表音文書データ内の、
   前記開始位置識別情報に続く情報と前記終了位置識別情
   報とには、中間符号が対応づけられない中間符号表を作
   成し、 前記中間符号データ作成手段は、表音文書データ内の、
   前記開始位置識別情報に続く情報と前記終了位置識別情
   報に関しては、中間符号への変換を行わないことを特徴
   とする請求項２または請求項３記載のデータ圧縮装置。
5. 【請求項５】 前記中間符号表作成手段は、前記表音文
   書データで使用されている情報要素の種類が所定ビット
   数で表現可能な情報数Ｎを越えていた場合、前記表音文
   書データで使用されている情報要素の中から中間符号を
   割り当てる“Ｎ−１”個の情報要素を選択するととも
   に、選択した“Ｎ−１”個の情報要素と開始位置識別情
   報とに、内容が互いに異なる前記所定ビット数の中間符
   号を対応づけるための中間符号表を作成し、 前記中間符号データ作成手段は、前記表音文書データ内
   の、前記中間符号表で中間符号が対応づけられている情
   報に関しては、その情報を対応する中間符号に変換し、
   中間符号が割り当てられていない情報である未割当情報
   に関しては、その未割当情報を、前記開始位置識別情報
   に対応づけられている中間符号を先頭に有し、かつ、未
   割当情報を含む情報であって、終了位置が分かる形態の
   情報である未割当置換情報で置換することによって、中
   間符号文書データを作成することを特徴とする請求項２
   記載のデータ圧縮装置。
6. 【請求項６】 前記表音文字情報記憶手段は、前記複数
   の変換対象語に対して、表音文字情報と、同じ表音文字
   情報が対応づけられる他の変換対象語との識別を行うた
   めの同音異義語識別情報とを記憶し、 前記探索・読出手段は、探索した変換対象語に対応する
   表音文字情報と同音異義語識別情報とを読み出し、 前記表音文書データ作成手段は、前記元文書データ内の
   変換対象語情報を、前記探索・読出手段で読み出された
   表音文字情報と同音異義語識別情報を含む変換対象語置
   換情報で置換し、 前記中間符号作成手段は、前記同音異義語識別情報を除
   く情報要素を対象として、中間符号表を作成することを
   特徴とする請求項２ないし請求項５のいずれかに記載の
   データ圧縮装置。
7. 【請求項７】 一文字が複数バイトで表される文字情報
   を含む元文書データを圧縮するデータ圧縮装置におい
   て、 一または複数の文字情報からなる変換対象語情報に対し
   て変換対象語情報が示す語を発音したときの音を表す情
   報である表音文字情報が記憶された表音文字情報記憶手
   段と、 前記元文書データから、前記表音文字情報記憶手段内に
   記憶されている変換対象語情報を探索するとともに、探
   索した変換対象語情報に対応する表音文字情報を前記表
   音文字情報記憶手段から読み出す探索・読出手段と、 この探索・読出手段で探索された前記元文書データ内の
   変換対象語情報を、前記探索・読出手段で読み出された
   表音文字情報を含む変換対象語置換情報で置換すること
   によって、表音文書データを作成する表音文書データ作
   成手段と、 この表音文書データ作成手段が作成する表音文書データ
   に対して圧縮を行う圧縮手段とを備えることを特徴とす
   るデータ圧縮装置。
8. 【請求項８】 前記表音文字情報記憶手段は、前記複数
   の変換対象語情報に対して、表音文字情報と、同じ表音
   文字情報が対応づけられる他の変換対象語との識別を行
   うための同音異義語識別情報とを記憶し、 前記探索・読出手段は、探索した変換対象語情報に対応
   する表音文字情報と同音異義語識別情報とを読み出し、 前記表音文書データ作成手段は、前記元文書データ内の
   変換対象語情報を、前記探索・読出手段で読み出された
   表音文字情報と同音異義語識別情報を含む変換対象語置
   換情報であって、同音異義語識別情報を特定の位置に含
   む変換対象語置換情報で置換することを特徴とする請求
   項２ないし請求項５または請求項７のいずれかに記載の
   データ圧縮装置。
9. 【請求項９】 前記表音文書データ作成手段は、前記探
   索・読出手段で読み出された表音文字情報の長さを示す
   数値識別情報を前記変換対象語置換情報の先頭に付与す
   ることを特徴とする請求項２ないし請求項８のいずれか
   に記載のデータ圧縮装置。
10. 【請求項１０】 前記表音文書データ作成手段は、前記
    変換対象語情報を、変換対象語情報が変換対象語情報の
    開始と終了を示す表音文字情報開始位置識別情報と表音
    文字情報終了位置識別情報とで挟まれた変換対象語置換
    情報に置換することによって、表音文書データを作成す
    ることを特徴とする請求項２ないし請求項９のいずれか
    に記載のデータ圧縮装置。
11. 【請求項１１】 圧縮文書データを復元する復元手段
    と、 この復元手段で復元される、文字を発音したときの音を
    表す表音文字情報を、対応する文字情報に変換すること
    によって、前記圧縮文書データの元となったデータであ
    る元文書データを生成する元文書データ生成手段とを備
    えることを特徴とするデータ復元装置。
12. 【請求項１２】 一または複数の文字情報からなる変換
    対象語情報に対して変換対象語情報が示す語を発音した
    ときの音を表す情報である表音文字情報が記憶された表
    音文字情報記憶手段と、 圧縮文書データを復元することによって中間符号文書デ
    ータを出力する復元手段と、 前記復元手段が出力する中間符号文書データに含まれる
    各中間符号を、前記圧縮文書データに関する中間符号表
    においてその中間符号に対応づけられている情報に置換
    することによって、表音文書データを生成する表音文書
    データ生成手段と、 この表音文書データ生成手段が生成する表音文書データ
    中に含まれる変換対象語置換情報を探索し、探索した変
    換対象語置換情報を、その変換対象語置換情報に含まれ
    る前記表音文字情報に対応づけられて前記表音文字情報
    記憶手段に記憶された変換対象語情報で置換することに
    よって、前記圧縮文書データの元となった元文書データ
    を生成する元文書データ生成手段とを備えることを特徴
    とするデータ復元装置。
13. 【請求項１３】 前記表音文書データ生成手段は、前記
    復元手段が出力する開始位置識別情報に相当する中間符
    号と終了位置識別情報とで挟まれた情報に関しては、前
    記中間符号表を用いた置換を行わず、その情報をそのま
    ま表音文書データの要素とすることを特徴とする請求項
    １２記載のデータ復元装置。
14. 【請求項１４】 前記中間符号表は、“Ｎ−１”個の情
    報要素と開始位置識別情報とに、内容が互いに異なる所
    定ビット数の中間符号を対応づけた符号表であり、 前記表音文書データ生成手段は、前記復元手段が出力す
    る中間符号文書データに含まれる前記開始位置識別情報
    に対応づけられた中間符号で始まる未割当置換情報に関
    してはその未割当置換情報から当該中間符号とその終了
    位置を識別するために付加されている情報を除去した情
    報を出力することを特徴とする請求項１３記載のデータ
    復元装置。
15. 【請求項１５】 前記表音文字情報記憶手段は、前記複
    数の変換対象語情報のそれぞれに対して、表音文字情報
    と、同じ表音文字情報が対応づけられる他の変換対象語
    との識別を行うための同音異義語識別情報とを記憶し、 前記元文書データ生成手段は、前記表音文書データ生成
    手段が生成する表音文書データ中に含まれる変換対象語
    置換情報を探索し、探索した変換対象語置換情報を、そ
    の変換対象語置換情報に含まれる前記表音文字情報並び
    に同音異義語識別情報に対応づけられて前記表音文字情
    報記憶手段に記憶された変換対象語情報で置換すること
    を特徴とする請求項１２ないし請求項１４記載のデータ
    復元装置。
16. 【請求項１６】 一または複数の文字情報からなる変換
    対象語情報に対して、各変換対象語情報が示す語を発音
    したときの音を表す情報である表音文字情報が記憶され
    た表音文字情報記憶手段と、 圧縮文書データを復元することによって、表音文書デー
    タを出力する復元手段と、 この復元手段が生成する表音文書データ中に含まれる変
    換対象語置換情報を探索し、探索した変換対象語置換情
    報を、その変換対象語置換情報に含まれる前記表音文字
    情報に対応づけられて前記表音文字情報記憶手段に記憶
    された変換対象語情報で置換することによって、前記圧
    縮文書データの元となった元文書データを生成する元文
    書データ生成手段とを備えることを特徴とするデータ復
    元装置。
17. 【請求項１７】 前記表音文字情報記憶手段は、前記複
    数の変換対象語情報のそれぞれに対して、表音文字情報
    と、表音文字情報が同じとなる他の変換対象語との識別
    を行うための同音異義語識別情報とを記憶し、 前記元文書データ生成手段は、前記復元手段が生成する
    表音文書データ中に含まれる変換対象語置換情報を探索
    し、探索した変換対象語置換情報を、その変換対象語置
    換情報に含まれる前記表音文字情報並びに同音異義語識
    別情報に対応づけられて前記表音文字情報記憶手段に記
    憶された変換対象語情報で置換することによって、前記
    圧縮文書データの元となった元文書データを生成するこ
    とを特徴とする請求項１２ないし請求項１４、請求項１
    ６のいずれかに記載のデータ復元装置。
18. 【請求項１８】 前記元文書データ作成手段は、前記変
    換対象語置換情報の探索時に、表音文字情報の長さを示
    す数値識別情報で始まる情報を探索することを特徴とす
    る請求項１２ないし請求項１７記載のデータ復元装置。
19. 【請求項１９】 前記元文書データ作成手段は、前記変
    換対象語置換情報の探索時に、表音情報開始位置識別情
    報と表音情報終了位置情報とで挟まれた情報を探索する
    ことを特徴とする請求項１２ないし請求項１７記載のデ
    ータ復元装置。
20. 【請求項２０】 一文字が複数バイトの情報で表される
    文字情報を含む元文書データを圧縮するためのデータ圧
    縮方法において、 前記元文書データに基づき、前記元文書データに含まれ
    る各文字情報を、その文字情報に対応づけられる文字を
    発音したときの音を表す表音文字情報で置き換えたデー
    タである表音文書データを作成する表音文書データ作成
    ステップと、 この表音文書データ作成ステップによる処理で作成され
    る表音文書データに対して圧縮を行う圧縮ステップとを
    備えることを特徴とするデータ圧縮方法。
21. 【請求項２１】 一文字が複数バイトで表される文字情
    報を含む元文書データを圧縮するデータ圧縮方法におい
    て、 圧縮を行うべき元文書データから、一または複数の文字
    情報からなる変換対象語情報に対して変換対象語情報が
    示す語を発音したときの音を表す情報である表音文字情
    報が記憶された辞書内に記憶されている変換対象語情報
    を探索するとともに、探索した変換対象語情報に対応す
    る表音文字情報を前記辞書から読み出す探索・読出ステ
    ップと、 この探索・読出ステップによって探索された前記元文書
    データ内の変換対象語情報を、前記探索・読出ステップ
    によって読み出された表音文字情報を含む変換対象語置
    換情報で置換することによって、表音文書データを作成
    する表音文書データ作成ステップと、 この表音文書データ作成ステップによって作成された表
    音文書データで使用されている各情報要素に対して、中
    間符号を対応づけるための中間符号表を作成する中間符
    号表作成ステップと、 前記中間符号表作成ステップで作成された中間符号表を
    用いて、前記表音文書データを構成する各情報要素を対
    応する中間符号に変換することによって、中間符号文書
    データを作成する中間符号文書データ作成ステップと、 この中間符号文書データ作成ステップが作成する中間符
    号文書データに対して圧縮を行う圧縮ステップとを備え
    ることを特徴とするデータ圧縮方法。
22. 【請求項２２】 前記中間符号表作成ステップは、前記
    表音文書データで使用されている各情報要素に対して、
    それらの情報要素を表現可能な最小のビット数を有する
    中間符号を割り当てるための中間符号表を作成するステ
    ップであることを特徴とする請求項２１記載のデータ圧
    縮方法。
23. 【請求項２３】 前記中間符号表作成ステップは、前記
    表音文書データで使用されている情報要素の種類が所定
    ビット数で表現可能な情報数Ｎを越えていた場合、前記
    表音文書データで使用されている情報要素の中から中間
    符号を割り当てる“Ｎ−１”個の情報要素を選択すると
    ともに、選択した“Ｎ−１”個の情報要素と開始位置識
    別情報とに、内容が互いに異なる前記所定ビット数の中
    間符号を対応づけるための中間符号表を作成するステッ
    プであり、 前記中間符号データ作成ステップは、前記表音文書デー
    タ内の、前記中間符号表で中間符号が対応づけられてい
    る情報に関してはその情報を対応する中間符号に変換
    し、中間符号が割り当てられていない情報である未割当
    情報に関しては前記開始位置識別情報に対応づけられて
    いる中間符号を先頭に有し、かつ、未割当情報を含む情
    報であって、終了位置が分かる形態の情報である未割当
    置換情報で置換することによって、中間符号文書データ
    を作成するステップであることを特徴とする請求項２２
    記載のデータ圧縮方法。
24. 【請求項２４】 一文字が複数バイトで表される文字情
    報を含む元文書データを圧縮するデータ圧縮方法におい
    て、 一または複数の文字情報からなる変換対象語情報に対し
    て変換対象語情報が示す語を発音したときの音を表す情
    報である表音文字情報が記憶された辞書を用いて、圧縮
    を行うべき元文書データから、前記辞書内に記憶されて
    いる変換対象語情報を探索するとともに、探索した変換
    対象語情報に対応する表音文字情報を前記辞書から読み
    出す探索・読出ステップと、 この探索・読出ステップによって探索された前記元文書
    データ内の変換対象語情報を、前記探索・読出ステップ
    によって読み出された表音文字情報を含む変換対象語置
    換情報で置換することによって、表音文書データを作成
    する表音文書データ作成ステップと、 この表音文書データ作成ステップが作成する表音文書デ
    ータに対して圧縮を行う圧縮ステップとを備えることを
    特徴とするデータ圧縮方法。
25. 【請求項２５】 前記探索・読出ステップは、前記複数
    の変換対象語のそれぞれに対して、表音文字情報と、表
    音文字情報が同じとなる他の変換対象語との識別を行う
    ための同音異義語識別情報とが記憶された辞書から、変
    換対象語に対応する表音文字情報と同音異義語識別情報
    とを読み出すステップであり、 前記表音文書データ作成ステップは、前記元文書データ
    内の変換対象語情報を、前記探索・読出ステップで読み
    出された表音文字情報と同音異義語識別情報を含む変換
    対象語置換情報で置換するステップであることを特徴と
    する請求項２１ないし請求項２４のいずれかに記載のデ
    ータ圧縮方法。
26. 【請求項２６】 前記表音文書データ作成ステップは、
    前記探索・読出ステップにより読み出された表音文字情
    報の長さを示す数値識別情報を前記変換対象語置換情報
    の先頭に付与することを特徴とする請求項２１ないし請
    求項２５のいずれかに記載のデータ圧縮方法。
27. 【請求項２７】 圧縮文書データを復元する復元ステッ
    プと、 この復元ステップで復元される、文字を発音したときの
    音を表す表音文字情報を、対応する文字情報に変換する
    ことによって、前記圧縮文書データの元となったデータ
    である元文書データを生成する元文書データ生成ステッ
    プとを備えることを特徴とするデータ復元方法。
28. 【請求項２８】 圧縮文書データを復元することによっ
    て中間符号文書データを出力する復元ステップと、 前記復元ステップの処理により出力される中間符号文書
    データに含まれる各中間符号を、前記圧縮文書データに
    関する中間符号表で対応づけられている情報に置換する
    ことによって、表音文書データを生成する表音文書デー
    タ生成ステップと、 一または複数の文字情報からなる変換対象語情報に対し
    て変換対象語情報が示す語を発音したときの音を表す情
    報である表音文字情報が記憶された辞書を用いて、前記
    表音文書データ生成ステップの処理により生成される表
    音文書データ中に含まれる変換対象語置換情報を探索
    し、探索した変換対象語置換情報を、その変換対象語置
    換情報に含まれる前記表音文字情報に対応する変換対象
    語情報で置換することによって、前記圧縮文書データの
    元となった元文書データを生成する元文書データ生成ス
    テップとを備えることを特徴とするデータ復元方法。
29. 【請求項２９】 前記中間符号表は、“Ｎ−１”個の情
    報要素と開始位置識別情報とに、内容が互いに異なる所
    定ビット数の中間符号を対応づけた符号表であり、 前記表音文書データ生成ステップは、前記復元ステップ
    の処理により出力される中間符号文書データに含まれる
    前記開始位置識別情報に対応づけられた中間符号で始ま
    る情報である未割当置換情報に関してはその未割当置換
    情報から当該中間符号とその終了位置を識別するために
    付加されている情報を除去した情報を出力することを特
    徴とする請求項２８記載のデータ復元方法。
30. 【請求項３０】 圧縮文書データを復元することによっ
    て表音文書データを出力する復元ステップと、 一または複数の文字情報からなる変換対象語情報に対し
    て変換対象語情報が示す語を発音したときの音を表す情
    報である表音文字情報が記憶された辞書を用いて、前記
    復元ステップの処理により生成される表音文書データ中
    に含まれる変換対象語置換情報を探索し、探索した変換
    対象語置換情報をその変換対象語置換情報に含まれる前
    記表音文字情報に対応する変換対象語情報で置換するこ
    とによって、前記圧縮文書データの元となった元文書デ
    ータを生成する元文書データ生成ステップとを備えるこ
    とを特徴とするデータ復元方法。
31. 【請求項３１】 前記元文書データ生成ステップは、前
    記複数の変換対象語情報のそれぞれに対して、表音文字
    情報と、表音文字情報が同じとなる他の変換対象語との
    識別を行うための同音異義語識別情報とが記憶された辞
    書を用い、前記復元ステップの処理により生成される前
    記表音文書データ内の、表音文字情報と同音異義語識別
    情報を含む変換対象語置換情報を、対応する変換対象語
    情報で置換することを特徴とする請求項２８ないし請求
    項３０のいずれかに記載のデータ復元方法。
32. 【請求項３２】 前記元文書データ作成ステップは、開
    始位置識別情報と終了位置情報とで挟まれた情報を探索
    することによって、前記変換対象語置換情報を探索する
    ことを特徴とする請求項２８ないし請求項３１記載のデ
    ータ復元方法。
33. 【請求項３３】 前記元文書データ作成ステップは、表
    音情報開始位置識別情報と表音情報終了位置識別情報と
    で挟まれた情報を探索することによって、前記変換対象
    語置換情報を探索することを特徴とする請求項２８ない
    し請求項３１記載のデータ復元方法。
34. 【請求項３４】 コンピュータを、 圧縮すべき元文書データに含まれる各文字情報を、その
    文字情報に対応づけられる文字を発音したときの音を表
    す表音文字情報で置き換えたデータである表音文書デー
    タを作成する表音文書データ作成手段と、 この表音文書データ作成手段が作成する表音文書データ
    に対して圧縮を行う圧縮手段として機能させるためのプ
    ログラムが記録されたプログラム記録媒体。
35. 【請求項３５】 コンピュータを、 圧縮文書データを復元する復元手段と、 この復元手段で復元される、文字を発音したときの音を
    表す表音文字情報を、対応する文字情報に変換すること
    によって、前記圧縮文書データの元となったデータであ
    る元文書データを生成する元文書データ生成手段として
    機能させるためのプログラムが記録されたプログラム記
    録媒体。