JPS61128366A - カナ漢字変換装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 技術分野 本発明は、カナ漢字変換装置に関し、特に、単語間の接
続性を示す接続行列表を圧縮するのに好適なカナ漢字変
換装置に関する。

従来技術 カナ漢字変換装置における入力方式としては。

■単語単位方式、■漢字部指定方式、■文節単位方式、
■べた書き方式等があるが、■単語単位方式以外の、■
漢字部指定方式、■文節単位方式。

■べた書き方式等においては、入力文＆ζ対して文法解
析を行う必要がある。この文法解析の際、単語間の接続
可能性を判定する必要があり、そのために単語間の接続
情報を表わす接続検定機が広く使用されている。

接続検定機は通常、行列の形式で示され、接続行列表と
呼ばれている。

第７図は、従来の一般的な接続行列表を示す図である。

第７図に示すように、ｒ前の語」の項目にはｒ前の語」
の品詞を配し、「後の語」の項目ｌ；は「後の語」の品
詞を配して、ｒ前の語」と「後の語」の接続性は、ｒ前
の語」と「後の語」の品詞レベルでの接続性を判断して
いる。なお、第７図において、接続値゛０′は接続不能
であることを示し、接続値’１’、’２’、３′は接続
可能であることを示し、接続値が大きいほど接続の確率
が高いことを示している０例えば、動詞ｌの後に動詞１
が接続することは有り得ない、また１名詞１の後には、
動詞１，２，３．名詞１，２．助詞１，２が接続し得る
が、接続する確率の最も高いのは接続値゛３′の助詞１
であり１次位が接続値゛２′の助詞２であり、第３位は
接続値゛ｌ′の動詞１，２，３、名詞１，２である。

従来、接続行列表は、ｒＮＨＫ技術研究」第２５巻、第
５号に掲載された論文、相沢、江原「計算機におけるカ
ナ漢字変換ＪＰＰ２６１〜２９８に示されているように
、２５６行×１２８列程度のものが用いられているが、
これを単純に表形式で記憶すると、単語と単語の接続の
可否を１ビツト（０，１）で表す場合でも２５６Ｘ１２
８＝３２７６８ビツト−４０９６バイトで約４にバイト
もの記憶容量を必要とする。この接続行列表は１通常、
主記憶上に置かれるので、主記憶占有量が問題となって
いる。さらに単語の品詞分類を細分化しく３４０行×２
５６列）、接続の可否も０．１ではなく、上記第７図の
ように、接続の強さを表す接続重み、または接続確率（
例えば０，１，２．３の２ビツトで表す）で示す場合に
は、３４０Ｘ２５６Ｘ２＝１７４０８０！２１７６Ｘ８
＝２１７６バイトで２２にバイトもの記憶容量を必要と
する。

従来、この接続行列表を圧縮するため。

■単語の種類によっては接続する単語の範囲が・限られ
、接続しないＯの部分がかたまっているので、単語を適
当に大分類して（例えば体言、助詞類、助動詞類等）接
続行列表を分割し、容量を少なくする方法。

＋３０でない要素だけを集めたノンゼロ要素表を用いる
方法１行列を幾つかのブロックに分け、要素がＯのみで
あるブロックは記憶しない等の、０要素の多い行列を扱
う一般的な手法、 が採られていた。

しかし、■の方法は１表の数が多くなり扱、いが複雑に
なるうえ、それほど大きな圧縮効果が得られず、さらに
、単純に分割しにくい例外的な単語の扱いが面倒である
。■の方法では１元の表に再構成する手続が面倒である
。　　　　“目　　　　　的 本発明の目的は、上記のような従来技術の問題点を解決
し、メモリ占有量を大幅に圧縮し、かつ容易に検索し得
る接続行列表を備えたカナ漢字変換装置を提供すること
にある。

構　　　成 上記目的を達成するため１本発明の構成は、単語辞書、
単語間の接続情報を示す接続行列表を有し１表音文字に
て入力された文字列に対し、前記単語辞書、要素が２進
ｎ桁で表現された接続行列表を用いてカナ漢字変換処理
を行うカナ漢字変換装置において、前記接続行列表を行
または列単位で複数個のブロックに分割した場合に各ブ
ロックに形成される各行または各列の中から、要素を桁
別に見たときにその要素の並び方が異なる行または列の
みを抽出して桁別に登録したｎ個の接続重。

列表本体と、該ｎ個の接続行列表本体の各要素が前記接
続行列表のどの要素に該当するかを示すｎ個の接続行列
表索引とにより構成したことに特徴がある。

以下、本発明の構成を一実施例により詳細に説明する。

第２図は１本発明の一実施例によるカナ漢字変換装置の
ブロック図である６ 第２図において、■は入力部、２は解析対象文字列作成
部、３は辞書検索部、４は単語辞書、５は接続可否検定
部、６は接続行列表、７は評価部、８はバックトラック
制御部、９は出力部である。

第３図は第２図における単語辞書４の具体的な内容の一
例を示す図である。

第３図に示すように、単語辞ＩＦ４には、「読み」、「
表記」、「品詞」、同音語選択に必要な「順位」が記載
しである。

日本語による文章は１表音文字（平仮名１バ仮名、ロー
マ字）にて入力部ｌから入力され、辞書検索の対象とな
る解析対象文字列は、解析対象文字列作成部２により作
成される。作成された解析対象文字列は、その先頭から
辞書検索部３により単語辞書４が検索され、その「読み
」に対応する全ての変換候補が抽出される。

接続可否検定部５は、辞書検索部３により抽出された変
換候補について、直前の変換済単語（変換結果）との接
続の可否を、接続行列表６をもとに検定し、接続可能な
変換候補があるか否かを検定する。

評価部７は、接続可能な変換候補について、順位、読み
長、接続の重み等をパラメータとする評価式を用いて評
価を行い、評価値の最も高い変換候補を変換結果として
、出力部９より出力する。

バックトラック制御部８は、辞書検索の結果、該当する
変換候補が１個も存在しない場合、および直前の変換済
単語（変換結果）に接続し得る変換候補が１個も存在し
ない場合は、前の解析が誤っている可能性があるので、
ただちに未登録語処理を行うことなく、直前での解析を
やり直す。

第１図は１本発明の一実施例による接続行列表の圧縮過
程を説明するための図である。

第１図（、）は圧縮前の接続行列表を示し、３４０行×
２５６列で、各要素は２ビツト（０、’ｌ　、　２　。

３の４段階）の情報を有する。

第１図（ｂ）は、第１図（ａ）の接続行列表を縦（列単
位）に等分に４分割した、３４０行×６４列の４つの表
（ブロック）を示す図である０分割により得られた４つ
の表は、それぞれ行の長さが６４列で、各要素は２ビツ
トの情報を有する。

なお１図中の記号の、■、■、■は、分割によす得られ
た４つの表を識別するために、便宜上印したものである
。

第１図（ｅ）は本発明の一実施例による接続行列表索引
、および接続行列表本体を示す図である。

まず、第１図（ｂ）の４つの各機■〜（りの各行を１つ
のレコードとみなす、この場合、第１図（ｄ）に示した
ように、各レコードの要素は、０，１゜２．３の４段階
の情報を持ち、２進２桁”ｏｏ’。

’０１’、”１０’、’１１’で表現されているので、
上記レコードを上位桁と下位桁に分けて見ると、上位術
、下位桁には、それぞれビット列の並び方が同じものが
存在する。例えば、第１図（ｄ）の「桁別２進１指ビツ
ト列」欄では、■に下位桁、■に上位桁を示しているが
１本図番；おいて、第３レコードと第３レコードの下位
桁は、ともに００１０１１０１・・・であり、同じであ
る。そこで。

上位術のビット列の並び方が異なるもの（これを、上位
桁異なりビット列と呼ぶ）、　および下位桁のビット列
の並び方が異なるもの（これを、下位桁異なりビット列
と呼ぶ）のみを、それぞれ桁別に。

第１図（ｂ）の表■〜■の順に登録する。上位桁異なり
ビット列のみを登録したものを上位桁接続行列表本体、
下位桁異なりビット列のみを登録したものを下位桁接続
行列表本体と呼ぶ。下位桁接続行列表本体、上位桁接続
行列表本体は、それぞれのレコード位置を指標する下位
桁接続行列表索引。

下位桁接続行列表索引を個別に有する。

このようにした場合、実測結果では、下位桁異なりビッ
ト列は５４３個、上位桁異なりビット列は１８２個であ
った。したがって、第１図の方法で圧縮すると、第１１
１（ａ）では３４０行×２５６列×２ビット＝２１７６
０バイトであるのに対し、第１図（Ｃ）では、 下位術接続行列表本体二６４列×下位桁異なりビット列
数（５４３行）ｘｌビット＝４３４４バイト 上位術接続行列表本体二６４列×上位桁異なりビット列
数（１８２行）ｘｉビット＝１４５６パイト となる、また、下位桁接続行列表索引を２バイト。

上位桁接続行列表索引を１バイトで表現すれば、下位桁
接続行列表索引：３４０行×４個×２バイト＝２７２０
バイト 上位桁接続行列表索引：３４０行×４個×１バイト＝１
３６．０バイト となり、接続行列表全体では、４３４４バイト＋１４５
６バイト＋２７２０バイト＋１３６０バイト＝９８８０
バイトで約９．９バイトとなり約１／２に圧縮すること
ができる。

第４図は、第１図（Ｃ）に示した下位桁、上位桁接続行
列表索引を用いて下位桁、上位桁接続行列表本体を検索
する際の接続可否検定部の処理フローを示す図であ、る
０、− 前の語の「品詞」を示すコード（単語辞書４から得られ
る）から、圧縮前の仮想的な接続行列表（正規の接続行
列表）における行アドレスをセットする（４０１）、次
に、後の語の「品詞」を示すコードから、圧縮前の仮想
的な接続行列表における列アドレスをセットする（４０
２）。

この行２列アドレスから、本実施例による下位桁接続行
列表索引、上位桁接続行列表索引それぞれの行アドレス
、および下位桁接続行列表本体。

上位桁接続行列表本体それぞれの列アドレスを求める（
４０３）。

今、正規の接続行列表において、前の語の位置を示す行
アドレスをｉ、後の語の位はを示す列アドレスをｊとす
る。この場合、ｊ／６４の商の第１位をｎとすると、後
の語は、第１図（ｂ）の（ｎ、＋１）表に属することと
なる。したがって、下位桁接続行列表索引、下位桁接続
行列表索引の対応する行アドレスＰＬ＋Ｐ２は、 ＰＬまたはｐ　２　＝　ｉ　＋　ｎ　Ｘ　３４０　　　
　　　（１）により求めることができる。

一方、後の語の位はを示す列アドレスｊＴこ対応する下
位桁接続行列表本体、下位桁接続行列表本体の列アドレ
ス（１１＋’１２は。

（Ｉｌ＊たはＣＩｚ＝ｊ−ｎＸ６４　　　　　’　　（
２）により求めることができる。

前の語に対応する下位桁接続行列表索引、下位桁接続行
列表索引の行アドレスＰ１＋Ｐ２が得られると、それら
行アドレスＰＬ＋Ｐ２により、下位桁接続行列表本体、
上位桁接続行列表本体との接続番号をそれぞれ認識する
ことができるので（４０４）、認識した接続番号に相当
する下位桁接続行列表本体、上位桁接続行列表本体の行
をそれぞれ検索し、上記列アドレスｑｌ＋’１２との交
点よりそれぞれ１ビツトの情報を得る（４０５）。２個
の１ビツトの情報を得た後、これらにより２進２術の情
報を生成し、これを接続値とする（４０６）。

このように、本実施例では、簡単な手続により元の表（
正規の接続行列表）に再構成することができる。

第５図は、第２の実施例を説明するための図である。本
実施例は、接続行列表を４分割して下位桁、上位桁ごと
に見た場合の、異なりビット列のみを下位桁接続行列表
本体、上位桁接続行列表本体にそれぞれ登録した点は、
第１図と同じである。

第１図と異なるのは、下位桁接続行列表本体を２５６レ
コードの頁単位に分割することで、下位桁接続行列表索
引のルコードを、１０ビツト（本体ページ選択ビット２
ビツト十ページ内アドレス８ビツト）で表現し、下位桁
接続行列表索引の圧縮化を図った点である。

もっとも、本実施例においては、１頁を、２５６レコー
ドとしたため第１図のように下位桁接続行列表本体の総
行数が５４３行の場合、実質的には第３頁の第３１行ま
でに全ての情報が格納され、それ以降は空きとなる。

この方法によれば、下位桁接続行列表索引は、１０ビッ
ト×３４０行×４個＝１７００バイトとなり、上位桁接
続行列表索引の１３６０バイト。

下位桁接続行列表本体の４３４４バイト、上位桁接続行
列表本体の１４５６バイトと合わせると。

接続行列表全体を約８．９にバイトにすることができ、
メモリ容量を第１の実施例よりさらに約ＩＫバイ１−削
減することができる。

第６図は、第３の実施例による接続行列表を示す図であ
る。

第１図に示した下位桁接続行列表本体の下位桁異なりビ
ット列と、上位桁接続行列表本体の上位桁具なりビット
列との間には、同一のビット列が存在する。そこで、本
実施例では、この同一のビット列の重複を避け、共通接
続行列表本体に一括して登録した。

すなわち、共通接続行列表本体の前部に、まず上位桁具
なりビット列を格納し、後部に、下位桁具なりビット列
と上位桁具なりビッート列との同一のビット列を除外し
た残りの下位桁具なりビット列を格納した。なお、上記
格納方法とは逆に、共通接続行列表本体の前部に、まず
下位桁具なりビット列を格納し、後部に、下位桁具なり
ビット列と上位桁具なりビット列との同一のビット列を
除外した残りの上位桁具なりビット列を格納することも
できる。

実測結果によると、同一のビット列は３０個存在し、接
続行列表本体の総行数は６９５行となフた。したがって
、共通接続行列表本体のメモリ容量は、６４列×６９５
行×１ビット＝５５６０バイトとなる。下位桁接続行列
表索引を第２の実施例のように圧縮しく１７００バイト
）、上位桁接続行列表索引のルコードを１バイトで表現
した場合（１３６０バイト）、本実施例による接続行列
表全体のメモリ容量は８６２０バイトとなり、第２の実
施例よりさらにメモリ容量を低減することができる。

なお、上記各実施例は、正規の接続行列表を４分割した
例であったが９本発明は４分割に限定されることなく１
分割数は自由である。

また、接続行列表の要素が０〜３の２進２桁の例で説明
したが、２進２桁以上の多値で示される要素の場合も同
様に１桁ごとの具なりビット列に、注目して上記各実施
例と同様の手法により接続行列表を構成することにより
、接続行列表に必要なメモリ容量を大幅に低減すること
ができる。さらに、列単位で分割する例により説明した
が１行単位で分割した場合にも同様の効果を得ることが
できる。また、メモリ占有量が問題となるシステムでは
、下位術、上位桁接続行列表本体を外部ファイルとし、
内部メモリ上の下位桁、上位桁接続行列表索引により検
索することも可能である。もちろん、下位桁、上位桁接
続行列表本体、下位桁。

上位桁接続行列表索引の両方を外部ファイルとすること
も可能である。さらに、上記各実施例は、べた書き入力
方式のカナ漢字変換装置に適用した例であったが、本発
明は、漢字部指定方式、文節単位方式のカナ漢字変換装
置にも適用し得ることは言うまでもない。

効　　　果 以上説明したように、本発明のカナ漢字変換装置によれ
ば、メモリ占有量を大幅に圧縮し、かつ容易に検索し得
る接続行列表を実現することが可能となる。

【図面の簡単な説明】

第１図は本発明の一実施例による接続行列表を説明する
ための図、第２図は第１図を適用したカナ漢字変換装置
のブロック図、第３図は第２図における単語辞書の一例
を示す図、第４図は第２図における接続可否検索部の処
理フローを示す図、第５図は本発明の第２の実施例によ
る接続行列表を説明するための図、第６図は本発明の第
３の実施例による接続行列表を示す図、第７図は従来の
一般的な接続行列表を示す図である。 に入力部、２：解析対象文字列作成部、３：辞書検索部
、４：単語辞書、５：接続可否検定部、６：接続行列表
、７：評価部、８：バックトラック制御部、９：出力・
部。 第１図 図 第　　　　　１　　　　　図 （ｄ） 第２図 第　　　３　　　図 第　　　４　　　図 ■ 第　　　　６　　　　図 第　　　　７　　　　図

Claims (3)

【特許請求の範囲】
1. （１）単語辞書、単語間の接続情報を示す接続行列表を
   有し、表音文字にて入力された文字列に対し、前記単語
   辞書、要素が２進ｎ桁で表現された接続行列表を用いて
   カナ漢字変換処理を行うカナ漢字変換装置において、前
   記接続行列表を行または列単位で複数個のブロックに分
   割した場合に各ブロックに形成される各行または各列の
   中から、要素を桁別に見たときにその要素の並び方が異
   なる行または列のみを抽出して桁別に登録したｎ個の接
   続行列表本体と、該ｎ個の接続行列表本体の各要素が前
   記接続行列表のどの要素に該当するかを示すｎ個の接続
   行列表索引とにより構成したことを特徴とするカナ漢字
   変換装置。
2. （２）前記ｎ個の接続行列表本体の一部、または全部は
   ページ単位に分割され、ページ単位に分割された接続行
   列表本体に対応する前記接続行列表索引は、分割された
   当該接続行列表本体のページ番号を示すページ選択ビッ
   トを有することを特徴とする特許請求の範囲第１項記載
   のカナ漢字変換装置。
3. （３）前記ｎ個の接続行列表本体は、要素の並び方の重
   複を避けて一体化されたことを特徴とする特許請求の範
   囲第１項記載のカナ漢字変換装置。