JPH11238061A - 日本語テキスト解析方法 - Google Patents

Abstract

(57)【要約】 【課題】 視覚的に類似した文字を用いて表記された単
語による悪影響の出ない日本語テキスト解析方法を提供
する。 【解決手段】 単語の表記マッチングによる辞書検索処
理によって単語辞書の表記である見出しと一致する最長
の単語を検索し、この検索した単語を用いて日本語テキ
ストの文頭から分割していく最長一致法に基づき、任意
の日本語テキストを文頭から文末まで単語に分割してい
く日本語テキスト解析方法において、視覚的に類似した
文字が格納されたテーブルを用いて次のような処理を行
う。即ち、単語の表記マッチングの際に、処理Ｓ２８に
おいて、前記テーブルを参照して、検出した類似文字を
同一の文字として表記マッチングを行う。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、日本語テキスト音
声変換装置、機械翻訳装置等といったテキスト解析処理
を必要とする様々な装置やシステムに組込まれ、任意の
日本語テキストを単語に分割する日本語テキスト解析方
法に関するものである。

【０００２】

【従来の技術】一般に、日本語テキスト音声変換装置等
に組込まれている日本語テキスト解析方法は、例えば、
日本語テキストが横書き文書の場合、応答速度やメモリ
容量の制限等から、処理が速く、使用メモリも少なく、
処理の簡単なメリットを有する左最長一致法が用いられ
ている。左最長一致法とは、単語辞書の見出しと一致す
る最長の単語を用いてテキストを左（文頭）から分割し
ていく方法である。図２は従来の一般的な左最長一致法
に基づく日本語テキスト解析方法の処理の流れを示すフ
ローチャート、及び図３は図２中の従来の表記マッチン
グによる辞書検索処理を示すフローチャートである。以
下、図２に示す従来の一般的な左最長一致法に基づく日
本語テキスト解析方法の全体説明（１）と、図３に示す
図２中の表記マッチングによる辞書検索処理の説明
（２）とを行う。なお、日本語テキストは普通、半角文
字（１バイト）と全角文字（２バイト）で構成されてい
るが、テキスト解析の前処理として入力テキスト中の半
角文字はそれに対応する全角文字に全て変換され、全角
文字だけで構成されたテキストに対して、以下のテキス
ト解析処理が行われるものとする。これは、表記マッチ
ング（文字の比較）による辞書検索の処理を簡便化する
ためである。

【０００３】（１） 左最長一致法に基づく日本語テキ
スト解析方法の全体説明 図２に示す日本語テキスト解析方法では、例えば、演算
制御機能を有する中央処理装置（以下、「ＣＰＵ」とい
う）、テキストポインタ、文字カウンタ、及び単語辞書
等が格納されたメモリ等を備えたコンピュータにより、
次のような処理Ｓ１〜Ｓ７が実行される。まず、Ｓ１で
は、解析しようとする横書きの入力日本語テキストの先
頭にテキストポインタｐをセットする。Ｓ２では、ポイ
ンタｐを先頭にして入力テキストと表記（即ち、見出
し）がマッチし、かつ、接続条件を満たす単語を単語辞
書に探しに行き、得られた単語全てを単語候補とする
（この表記マッチングによる辞書検索については、後で
詳しく説明する）。Ｓ３では、単語候補が得られたかど
うかをチェックし、得られたのであれば、その中から表
記の一番長い単語を選択する（Ｓ４）。但し、単語候補
が１つしか得られなかったのであれば、それをそのまま
選択する。Ｓ２で単語候補が１つも得られなかった場合
は、バックトラックする。バックトラックとは、ポイン
タｐを直前の単語の先頭まで戻し、その単語の次候補
（表記が２番目に長い単語）を選択することをいう（Ｓ
７）。そして、選択した単語の長さだけポインタｐを進
める（Ｓ５）。ポインタｐが入力テキストの終端まで来
ていれば解析処理を終了し、来ていなければＳ２へ戻
り、次の単語を解析しに行く（Ｓ６）。以上の手順を踏
むことにより、入力テキストが文頭から文末まで単語に
分割される。

【０００４】（２） 図２中の表記マッチングによる辞
書検索処理Ｓ２の説明 図２の表記マッチングによる辞書検索処理Ｓ２では、図
３に示すように、例えば、コンピュータを用いて次のよ
うな処理Ｓ１０〜Ｓ１７が実行される。但し、入力日本
語テキスト上でポインタｐの指す文字から数えてｎ番目
の文字をｐ［ｎ］、単語辞書から得られた単語ｗの表記
（見出し）上のｎ番目の文字をｗ［ｎ］と定義する。ｎ
はゼロオリジンであり、ｐ［０］はポインタｐの指す文
字、ｗ［０］は単語ｗの表記（見出し）の先頭文字を表
わす。まず、表記（見出し）が文字ｐ［０］で始まる単
語ｗを単語辞書から１つ取出し（Ｓ１０）、文字カウン
タｎに０をセットする（Ｓ１１）。そして、Ｓ１２にお
いて文字ｗ［ｎ］と文字ｐ［ｎ］を比較する。比較した
結果、同じでなければ、表記がマッチしなかったのでＳ
１７へ進み、同じであれば、文字カウンタｎの値を１つ
増やし（Ｓ１３）、ｎの値と単語ｗの表記（見出し）の
長さ（文字数）を比較する（Ｓ１４）。

【０００５】比較した結果、等しくなければＳ１２へ進
み、次の文字のマッチングを試みる。等しければ、表記
のマッチングが単語ｗの語末まで完了したので、次にこ
の単語の接続条件をチェックする（Ｓ１５）。接続条件
とは、文頭なら文頭として存在できるか、文中なら直前
の単語と文法的に接続可能であるか、という条件のこと
である。接続条件を満たすならば、単語ｗを単語候補の
１つとした後（Ｓ１６）、Ｓ１７へ進む。接続条件を満
たさなければ、そのままＳ１７へ進む。Ｓ１７では、表
記（見出し）が文字ｐ［０］で始まる単語が、現在の単
語ｗ以外にも単語辞書に登録されていないかどうかを調
べる。登録されていれば、Ｓ１０へ戻ってその単語を辞
書から取出し、新たな単語ｗとして同様の表記マッチン
グを試みる。登録されていなければ、Ｓ２の処理を終了
する。このようにして、入力テキストと表記（見出し）
がマッチし、かつ、接続条件を満たす、０個以上の単語
候補が辞書から得られる。

【０００６】

【発明が解決しようとする課題】しかしながら、従来の
日本語テキスト解析方法では、次の（ａ）〜（ｃ）のよ
うな問題があり、これらを解決することが困難であっ
た。 （ａ） 仮名文字で表記される単語（例えば、外来語）
は長母音の所を長音文字「ー」（ＪＩＳ漢字コード：２
１３Ｃ）で表記するのが普通である。例えば、「デパー
ト」の３文字目や「ノート」の２文字目は、長音文字
「ー」で表記される。しかし、この長音文字の代りにマ
イナス記号文字「−」（ＪＩＳ漢字コード：２１５Ｄ）
を用いて、「デパ−ト」や「ノ−ト」と表記される場合
がある。これが起こる理由としては、ワードプロセッサ
やパーソナルコンピュータ等の画面上で、長音文字とマ
イナス記号文字が区別できないこと等が挙げられる。ま
た、視覚上の個人的な好みから、長音文字ではなくマイ
ナス記号文字をあえて用いて表記することもありえる。
このように、ある単語が長音文字の代りにマイナス記号
文字を用いて表記されていると、図２のＳ２の処理にお
いて表記がマッチしないため、単語候補が辞書から得ら
れないことになり、入力日本語テキストを正しく解析で
きないことになる。

【０００７】（ｂ） 前記（ａ）の問題を解決する方法
として、例えば、長音文字の代りにマイナス記号文字を
用いて表記した単語を辞書に追加登録することが考えら
れる。こうすれば、前記（ａ）の表記マッチングの問題
をクリアできるからである。しかし、長音文字を表記に
含む単語は数が多いので、追加登録により単語辞書のサ
イズが膨れ上がることになるため、この方法は現実的で
はない。 （ｃ） 前記（ａ）のような視覚的に類似した文字の誤
用ないし代用に起因する問題は他にもある。例えば、
「霞ヶ浦」と「霞ケ浦」のように、小文字の「ヶ」（Ｊ
ＩＳ漢字コード：２５７６）と大文字の「ケ」（ＪＩＳ
漢字コード：２５３１）のどちらを使って表記するかは
全くの個人の自由であり、予測不可能である。また、平
仮名の「へ」、「べ」、「ぺ」（ＪＩＳ漢字コード：２
４５８〜２４５Ａ）と片仮名の「ヘ」、「ベ」、「ペ」
（ＪＩＳ漢字コード：２５５８〜２５５Ａ）も、それぞ
れ視覚的に非常に似ているために誤用ないし代用される
おそれが十分考えられる。こうした類似文字を用いて表
記した単語を考えられる限り辞書に追加登録するという
解決策もあるが、前述したように追加登録により単語辞
書のサイズが飛躍的に増えるという別の問題が生じてし
まう。本発明は、前記従来技術が持っていた課題を解決
し、視覚的に類似した文字を用いて表記された単語によ
る悪影響の出ない日本語テキスト解析方法を提供するこ
とを目的とする。

【０００８】

【課題を解決するための手段】前記課題を解決するため
に、本発明のうちの請求項１に係る発明では、単語の表
記マッチングによる辞書検索処理によって単語辞書の表
記である見出しと一致する最長の単語を検索し、この検
索した単語を用いて日本語テキストの文頭から分割して
いく最長一致法に基づき、任意の日本語テキストを文頭
から文末まで単語に分割していく日本語テキスト解析方
法において、視覚的に類似した文字が格納されたテーブ
ルを備え、前記単語の表記マッチングの際に、前記テー
ブルを参照して検出した類似文字を同一の文字として表
記マッチングを行うようにしている。請求項２に係る発
明では、請求項１の日本語テキスト解析方法において、
単語の表記マッチングの際に、長音文字「ー」とマイナ
ス記号文字「−」を同一の文字として表記マッチングを
行うようにしている。請求項３に係る発明では、請求項
１の日本語テキスト解析方法において、単語の表記マッ
チングの際に、小文字の「ヶ」、「ヵ」と大文字の
「ケ」、「カ」をそれぞれ同一の文字として表記マッチ
ングを行うようにしている。

【０００９】請求項４に係る発明では、請求項１の日本
語テキスト解析方法において、単語の表記マッチングの
際に、平仮名の「へ」、「べ」、「ぺ」と片仮名の
「ヘ」、「ベ」、「ペ」をそれぞれ同一の文字として表
記マッチングを行うようにしている。このような構成を
採用したことにより、日本語テキストが入力されると、
視覚的に類似した文字が格納されたテーブルが参照され
て、単語の表記マッチングの際に、検出された類似文字
が同一の文字として表記マッチングが行われ、その入力
された日本語テキストの文頭から文末まで単語に分割さ
れていく。請求項５に係る発明では、単語の表記マッチ
ングによる辞書検索処理によって単語辞書の表記である
見出しと一致する最長の単語を検索し、この検索した単
語を用いて日本語テキストの文頭から分割していく最長
一致法に基づき、任意の日本語テキストを文頭から文末
まで単語に分割していく日本語テキスト解析方法におい
て、対応する横書き文字と縦書き文字が格納されたテー
ブルを備え、前記単語の表記マッチングの際に、前記テ
ーブルを参照して検出した対応文字を同一の文字として
表記マッチングを行うようにしている。請求項６に係る
発明では、請求項５の日本語テキスト解析方法におい
て、単語の表記マッチングの際に、長音文字「ー」と縦
線記号文字「｜」を同一の文字として表記マッチングを
行うようにしている。このような構成を採用したことに
より、日本語テキストが入力されると、対応する横書き
文字と縦書き文字が格納されたテーブルが参照され、単
語の表記マッチングの際に、検出された対応文字が同一
の文字として表記マッチングが行われ、その入力された
日本語テキストの文頭から文末まで単語に分割されてい
く。

【００１０】

【発明の実施の形態】図１は本発明の実施形態を示す左
最長一致法に基づく日本語テキスト解析方法で行われる
表記マッチングによる辞書検索処理のフローチャート、
及び図４は図１の処理で用いられる類似文字テーブルの
一般例（視覚的に類似した文字）を示す図である。以
下、これらの図１及び図４を参照しつつ、本実施形態の
左最長一致法に基づく日本語テキスト解析方法の全体説
明（１）と、この解析方法の具体例の説明（２）とを行
う。

【００１１】（１） 左最長一致法に基づく日本語テキ
スト解析方法の全体説明 本実施形態の日本語テキスト解析方法では、例えば、演
算制御機能を有するＣＰＵ、文字カウンタ、及び単語辞
書や図４に示すような視覚的に類似した文字が記述され
ている類似文字テーブル等が格納されたメモリ等を備え
たコンピュータを用いて、従来と同様に図２のフローチ
ャートに従って実行される。本実施形態の特徴は、図２
の処理Ｓ２において、従来の図３のような処理に代え
て、図１に示すような表記マッチングによる辞書検索処
理を行うことである。この際、予め作成された図４のよ
うな類似文字テーブルを参照する。なお、図４中のＡ，
Ｂ，Ｃ，Ｄ，Ｅ，Ｆはテーブルの識別子である。このよ
うに、本実施形態の特徴は、図２の処理Ｓ２の表記マッ
チングによる辞書検索であるため、従来と同様の処理は
説明を省略し、本実施形態の特徴である図１の表記マッ
チングによる辞書検索処理について以下説明する。

【００１２】図１の辞書検索では、処理Ｓ２０〜Ｓ２８
が実行される。但し、図３と同様に、横書きの入力日本
語テキスト上でポインタｐの指す文字から数えてｎ番目
の文字をｐ［ｎ］、単語辞書から得られた単語ｗの表記
（見出し）上のｎ番目の文字をｗ［ｎ］と定義する。ｎ
はゼロオリジンであり、ｐ［０］はポインタｐの指す文
字、ｗ［０］は単語ｗの表記（見出し）の先頭文字を表
わす。まず、表記（見出し）が文字ｐ［０］で始まる単
語ｗを単語辞書から１つ取出し（Ｓ２０）、文字カウン
タｎに０をセットする（Ｓ２１）。そして、Ｓ２２にお
いて文字ｗ［ｎ］と文字ｐ［ｎ］を比較する。比較した
結果、同じでなければ、類似文字であるかどうかのチェ
ックをするためにＳ２８へ進み、同じであれば、文字カ
ウンタｎの値を１つ増やし（Ｓ２３）、ｎの値と単語ｗ
の表記（見出し）の長さ（文字数）を比較する（Ｓ２
４）。比較した結果、等しくなければ、Ｓ２２へ進み、
次の文字のマッチングを試みる。等しければ、表記のマ
ッチングが単語ｗの語末まで完了したので、次にこの単
語の接続条件をチェックする（Ｓ２５）。接続条件と
は、文頭なら文頭として存在できるか、文中なら直前の
単語と文法的に接続可能であるか、という条件のことで
ある。

【００１３】接続条件を満たすならば、単語ｗを単語候
補の１つとした後（Ｓ２６）、Ｓ２７へ進む。接続条件
を満たさなければ、そのままＳ２７へ進む。Ｓ２７で
は、表記（見出し）が文字ｐ［０］で始まる単語が、現
在の単語ｗ以外にも単語辞書に登録されていないかどう
かを調べる。登録されていれば、Ｓ２０へ戻ってその単
語を辞書から取出し、新たな単語ｗとして同様の表記マ
ッチングを試みる。登録されていなければ、辞書検索処
理を終了する。Ｓ２８では、図４に示す類似文字テーブ
ルの中に文字ｗ［ｎ］と文字ｐ［ｎ］があるかどうかが
調べられる。テーブル中にあるならば、文字ｗ［ｎ］と
文字ｐ［ｎ］が同一の文字であると判定し、表記がマッ
チしたことにしてＳ２３へ進む。テーブル中になけれ
ば、表記がマッチしなかったので、従来通りＳ２７へ進
む。以上の処理により、入力日本語テキストと表記（見
出し）がマッチし、かつ、接続条件を満たす、０個以上
の単語候補を辞書から取出す際に、類似文字を用いて表
記した単語であっても単語候補として正しく取出される
ようになる。

【００１４】（２） 解析方法の具体例の説明 前記（１）の具体例を幾つか挙げて説明する。例えば、
入力日本語テキストがマイナス記号文字で表記された
「ノ−ト」である場合を考える。図２において、初めに
ポインタｐは「ノ」を指しており（Ｓ１）、次に表記マ
ッチングによる辞書検索が行われる（Ｓ２）。Ｓ２で
は、図１に示す一連の処理が行われる。まず、Ｓ２０に
おいて、文字ｐ［０］即ち「ノ」で表記（見出し）が始
まる単語ｗが辞書から１つ取出される。ここでは、「ノ
ルマ」が取出されたとする。Ｓ２１で文字カウンタｎに
０がセットされ、Ｓ２２にて文字ｐ［ｎ］と文字ｗ
［ｎ］を比較すると、どちらも「ノ」であり同じなの
で、文字カウンタｎの値を１つ増やす（Ｓ２３）。ｎの
値は現在１であり、単語ｗの表記「ノルマ」の長さ（文
字数）３に等しくないので（Ｓ２４）、Ｓ２２へ進む。

【００１５】Ｓ２２にて文字ｐ［ｎ］と文字ｗ［ｎ］を
比較すると、前者が「−」、後者が「ル」で同じではな
いので、Ｓ２８へ進む。Ｓ２８では、文字ｐ［ｎ］即ち
「−」と文字ｗ［ｎ］即ち「ル」が、図４の類似文字テ
ーブルにあるかどうかが調べられるが、ないのでＳ２７
へ進む。Ｓ２７では、文字ｐ［０］で表記（見出し）が
始まる単語が「ノルマ」以外にまだ辞書に登録されてい
ないかどうかが調べられ、「ノート」が登録されている
ので、Ｓ２０へ戻り、「ノート」が新たな単語ｗとして
辞書から取出される。Ｓ２１で文字カウンタｎに０がセ
ットされ、Ｓ２２にて文字ｐ［ｎ］と文字ｗ［ｎ］を比
較すると、どちらも「ノ」であり同じなので、文字カウ
ンタｎの値を１つ増やす（Ｓ２３）。ｎの値は現在１で
あり、単語ｗの表記「ノート」の長さ（文字数）３に等
しくないので（Ｓ２４）、Ｓ２２へ進む。

【００１６】Ｓ２２にて文字ｐ［ｎ］と文字ｗ［ｎ］を
比較すると、前者がマイナス記号文字「−」、後者が長
音文字「ー」で同じではないので、Ｓ２８へ進む。Ｓ２
８では、文字ｐ［ｎ］即ちマイナス記号文字「−」と文
字ｗ［ｎ］即ち長音文字「ー」が、図４の類似文字テー
ブルにあるかどうかが調べられ、テーブルＡにあるの
で、Ｓ２３へ進み、文字カウンタｎの値が１つ増やされ
る。ｎの値は現在２であり、単語ｗの表記「ノート」の
長さ（文字数）３に等しくないので（Ｓ２４）、Ｓ２２
へ進む。Ｓ２２にて文字ｐ［ｎ］と文字ｗ［ｎ］を比較
すると、どちらも「ト」であり同じなので、文字カウン
タｎの値を１つ増やす（Ｓ２３）。ｎの値は現在３であ
り、単語ｗの表記「ノート」の長さ（文字数）３に等し
いので、Ｓ２５へ進む。Ｓ２５では接続条件がチェック
されるが、単語ｗは名詞「ノート」であり、文頭として
存在可能である。このため、接続条件を満足するので、
Ｓ２６にて単語「ノート」が単語候補の１つとして採択
される。そして、Ｓ２７において、文字ｐ［０］で表記
（見出し）が始まる単語が「ノルマ」、「ノート」以外
にまだ辞書に登録されていないかどうかが調べられ、
「ノー」が登録されているので、Ｓ２０へ戻り、「ノ
ー」が新たな単語ｗとして辞書から取出される。

【００１７】Ｓ２１で文字カウンタｎに０がセットさ
れ、Ｓ２２にて文字ｐ［ｎ］と文字ｗ［ｎ］を比較する
と、どちらも「ノ」であり同じなので、文字カウンタｎ
の値を１つ増やす（Ｓ２３）。ｎの値は現在１であり、
単語ｗの表記「ノー」の長さ（文字数）２に等しくない
ので（Ｓ２４）、Ｓ２２へ進む。Ｓ２２にて文字ｐ
［ｎ］と文字ｗ［ｎ］を比較すると、前者がマイナス記
号文字「−」、後者が長音文字「ー」で同じではないの
で、Ｓ２８へ進む。Ｓ２８では、文字ｐ［ｎ］即ちマイ
ナス記号文字「−」と文字ｗ［ｎ］即ち長音文字「ー」
が、図４の類似文字テーブルにあるかどうかが調べら
れ、テーブルＡにあるので、Ｓ２３へ進み、文字カウン
タｎの値が１つ増やされる。ｎの値は現在２であり、単
語ｗの表記「ノー」の長さ（文字数）２に等しいので、
Ｓ２５へ進む。Ｓ２５では接続条件がチェックされる
が、単語ｗは間投詞「ノー」であり文頭として存在可能
である。このため接続条件を満足するので、Ｓ２６にて
単語「ノー」が単語候補の１つとして採択される。そし
て、Ｓ２７において、文字ｐ［０］で表記（見出し）が
始まる単語が「ノルマ」、「ノート」、「ノー」以外に
まだ辞書に登録されていないかどうかが調べられ、もう
登録されていないので、図１の辞書検索処理（図２のＳ
２）を終了する。

【００１８】こうして、２つの単語候補「ノート」と
「ノー」が辞書から得られたので、図２のＳ３からＳ４
へ進む。Ｓ４では、２つの単語候補「ノート」と「ノ
ー」の中から、表記の一番長い単語即ち「ノート」が選
択される。Ｓ５において、選択した単語「ノート」の長
さ（＝３）だけポインタｐが進められ、このポインタｐ
が入力テキスト「ノ−ト」の終端まで来たので、図２の
テキスト解析処理を終了する（Ｓ６）。このように、マ
イナス記号文字で表記された入力テキスト「ノ−ト」
が、長音文字で表記された単語「ノート」を用いて正し
く解析される。以上のように、本実施形態では、次のよ
うな効果がある。本実施形態では、処理が速く、使用メ
モリも少ないという最長一致法のメリットを生かしつ
つ、かつ、視覚的に類似した文字の誤用ないし代用に起
因する日本語テキストの解析誤りを防ぐことができるよ
うになる。なお、本発明は上記実施形態に限定されず、
種々の変形や利用形態が可能である。この変形例や利用
形態としては、例えば、次の（ｉ），（ii）のようなも
のがある。

【００１９】（ｉ） 図５は、図１の類似文字テーブル
の特殊例（入力テキストが縦書きの場合）を示す図であ
る。上記実施形態では、入力日本語テキストが横書きの
場合について説明したが、この入力日本語テキストが縦
書き文書として作成されたものである場合、例えば、長
音文字「ー」（ＪＩＳ漢字コード：２１３Ｃ）の代り
に、縦線記号文字「｜」（ＪＩＳ漢字コード：２１４
３）を用いて表記されることがある。この場合において
も、上記実施形態の解析方法を用いることにより、表記
がマッチしないために正しく解析できないという問題を
解決することができる。即ち、長音文字「ー」（ＪＩＳ
漢字コード：２１３Ｃ）と縦線記号文字「｜」（ＪＩＳ
漢字コード：２１４３）は視覚的に類似した文字ではな
いが、図４の類似文字テーブルに特殊例として図５に示
す類似文字テーブルを追加することにより、この場合の
問題を解決することができる。また、図４と図５のテー
ブルに新しいテーブルデータを追加することにより、任
意の日本語テキストに対する解析精度をさらに高めてい
くことも可能である。 （ii） 図１や図２の処理内容は、図示以外の他の内容
に変更することも可能である。また、これらの処理を行
う装置は、コンピュータに限定されず、他の構成の装置
で実行することも可能である。

【００２０】

【発明の効果】以上詳細に説明したように、請求項１〜
４に係る発明によれば、最長一致法に基づく日本語テキ
スト解析方法において、単語の表記マッチングの際に、
視覚的に類似した文字が格納されたテーブルを参照し
て、検出した類似文字を同一の文字として表記マッチン
グを行うようにしている。このため、処理が速く、使用
メモリも少ないという最長一致法のメリットを生かしつ
つ、かつ、視覚的に類似した文字の誤用ないし代用に起
因する日本語テキストの解析誤りを防ぐことができるよ
うになる。請求項５及び６に係る発明によれば、最長一
致法に基づく日本語テキスト解析方法において、単語の
表記マッチングの際に、対応する横書き文字と縦書き文
字が格納されたテーブルを参照して、検出した対応文字
を同一の文字として表記マッチングを行うようにしてい
る。このため、入力される日本語テキストが横書き文書
であっても、あるいは縦書き文書であっても、請求項１
に係る発明と同様に、日本語テキストの解析誤りを的確
に防止できる。従って、本発明の日本語テキスト解析方
法は、日本語テキスト音声変換装置、機械翻訳装置等の
テキスト解析処理を必要とする様々な装置やシステムに
組込んで使用することができる。

【図面の簡単な説明】

【図１】本発明の実施形態を示す表記マッチングによる
辞書検索処理のフローチャートである。

【図２】従来の一般的な左最長一致法に基づく日本語テ
キスト解析方法のフローチャートである。

【図３】図２中の従来の表記マッチングによる辞書検索
処理のフローチャートである。

【図４】図１の類似文字テーブルの一般例（視覚的に類
似した文字）を示す図である。

【図５】図１の類似文字テーブルの特殊例（入力テキス
トが縦書きの場合）を示す図である。

【符号の説明】

Ｓ１ テキストポインタ初期化処理 Ｓ２ 表記マッチングによる辞書検索処理 Ｓ３ 単語候補が得られたか否かのチェック
処理 Ｓ４ 最長の単語選択処理 Ｓ５ テキストポインタ更新処理 Ｓ６ テキストポインタが文末まで来たか否
かの判定処理 Ｓ７ バックトラック処理 Ｓ２０ 表記が文字ｐ［０］で始まる単語ｗを
辞書から取出す処理 Ｓ２１ 文字カウンタｎの初期化処理 Ｓ２２ 文字ｗ［ｎ］と文字ｐ［ｎ］が同じか
否かの比較処理 Ｓ２３ 文字カウンタｎの更新処理 Ｓ２４ 文字カウンタｎが単語ｗの長さに等し
いか否かの比較処理 Ｓ２５ 単語ｗは接続条件を満たすか否かのチ
ェック処理 Ｓ２６ 単語ｗを単語候補に追加する処理 Ｓ２７ 表記がｐ［０］で始まる単語が他にま
だ辞書にあるか否かの検索処理 Ｓ２８ 類似文字テーブルを参照して文字ｗ
［ｎ］と文字ｐ［ｎ］が類似文字であるか否かの判定処
理

Claims (6)

【特許請求の範囲】
1. 【請求項１】 単語の表記マッチングによる辞書検索処
   理によって単語辞書の表記である見出しと一致する最長
   の単語を検索し、この検索した単語を用いて日本語テキ
   ストの文頭から分割していく最長一致法に基づき、 任意の日本語テキストを文頭から文末まで単語に分割し
   ていく日本語テキスト解析方法において、 視覚的に類似した文字が格納されたテーブルを備え、 前記単語の表記マッチングの際に、前記テーブルを参照
   して検出した類似文字を同一の文字として表記マッチン
   グを行うことを特徴とする日本語テキスト解析方法。
2. 【請求項２】 単語の表記マッチングの際に、長音文字
   「ー」とマイナス記号文字「−」を同一の文字として表
   記マッチングを行うことを特徴とする請求項１記載の日
   本語テキスト解析方法。
3. 【請求項３】 単語の表記マッチングの際に、小文字の
   「ヶ」、「ヵ」と大文字の「ケ」、「カ」をそれぞれ同
   一の文字として表記マッチングを行うことを特徴とする
   請求項１記載の日本語テキスト解析方法。
4. 【請求項４】 単語の表記マッチングの際に、平仮名の
   「へ」、「べ」、「ぺ」と片仮名の「ヘ」、「ベ」、
   「ペ」をそれぞれ同一の文字として表記マッチングを行
   うことを特徴とする請求項１記載の日本語テキスト解析
   方法。
5. 【請求項５】 単語の表記マッチングによる辞書検索処
   理によって単語辞書の表記である見出しと一致する最長
   の単語を検索し、この検索した単語を用いて日本語テキ
   ストの文頭から分割していく最長一致法に基づき、 任意の日本語テキストを文頭から文末まで単語に分割し
   ていく日本語テキスト解析方法において、 対応する横書き文字と縦書き文字が格納されたテーブル
   を備え、 前記単語の表記マッチングの際に、前記テーブルを参照
   して検出した対応文字を同一の文字として表記マッチン
   グを行うことを特徴とする日本語テキスト解析方法。
6. 【請求項６】 単語の表記マッチングの際に、長音文字
   「ー」と縦線記号文字「｜」を同一の文字として表記マ
   ッチングを行うことを特徴とする請求項５記載の日本語
   テキスト解析方法。