JPS6132169A - 単語抽出方式 - 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、カナ漢字変換処理装置に関し、より詳細には
日本語文書作成装置、電子計算機システム等に適用し得
るカナ漢字変換処理装置における単語抽出方式に関する
。

従来技術 カナ漢字変換処理装置では、表音文字（ひら仮名、カタ
仮名、ローマ文字）で入力された文章を適切な漢字カナ
混じり文に変換するため、カナ漢字変換用の単語辞書を
設けている。この単語辞書の検索は、入力されたカナ文
字列から単語を切出して被検索文字列とし、被検索文字
列と単語辞書中の見出し文字列とのマツチングを行うこ
とにより行う。しかし、日本語は文法が複雑で、かつ同
音異義語が多数存在するため、辞書検索により複数の候
補単語が抽出される。

この複数の候補単語の中から１つを選択し変換結果とす
るために、従来、次のような処理を行っている。すなわ
ち、抽出された候補単語のそれぞれに対し、前の変換済
単語（変換結果）との接続の可能性を判断し、さらに接
続可能な候補単語を読み長、出現頻度、接続の重み等を
パラメータとして評価し、評価の最も高い候補単語を変
換結果として出力する。

ところで、従来、単語辞書検索の容易化、誤解折の低減
化を図るため、入力文字列に対し漢字音による前処理を
行っている。

漢字音には、カナ表記した場合に、その長さが■１文字
である１字漢字音、■２文字である２字漢字音、■３文
字である３生膜字音がある。例えば、 ■１字漢字音・・・はとんどのカナニア「亜、」、イ「
以、意、位、医、異・・・」等 ■２字漢字音・・・アイ「愛、挨、哀・・・」、アク「
悪、握・・・」等 ■３字漢字音・・・シュウ「集、収、週、衆、終、習、
修、周、就・・・」、ショウ 「相、小、省、勝、少、商、証、 消、正・・・」等 である。

ところで、上記２字漢字音、３生膜字音において、２字
目、３字目を占めるカナは次に示す１８種に限定される
。

「イ、つ、キ、り、チ、ツ、ヤ、ユ、ヨ、ユウ、ヨウ、
ヤク、ユク、ヨウ、ユツ、ユン、ツ、ン」しかし、１８
種のカナの全てが１字目のカナに対して漢字音を構成す
るわけではない。例えば、１字目がアの場合。

アイ・・・漢字音（上記例参照） アク・・漢字音でない アキ・・・漢字音でない アク・・・漢字音（上記例参照） アチ・・・漢字音でない のようになる。

入力文字列を上記２字以上の漢字音により区切り、それ
を単位として被検索文字列を作成することにより、本来
、漢字の読みの一部であるものを格助詞等と誤解析する
ことがなくなる。また、上記漢字音は単独で用いられる
ことはなく、必ず他の漢字音との組合わされて使用され
る。したがって、３文字以上の入力文字列とこれら漢字
音をマツチングした結果、先頭の１文字はマツチするが
２字目、３字目がマツチしない場合は、当該先頭の１文
字は漢字音ではなく付属語等のカナである可能性が高い
ものである推測することができる。このため、漢字音検
索用の漢字音装には、１字漢字音を含めた全ての漢字音
を格納する必要はなく、第３図（、）、（ｂ）、（ｃ）
に示したように２字以上の漢字音を格納すればよい。

従来、第３図（ａ）、（ｂ）、（Ｃ）に示したような漢
字音装を用いて次のような前処理を行っている。

例えば、「ぶんしようのさくせいがひじようによういで
ある。」という入力カナ文字列に基づいて漢字音装をア
クセスし、漢字音とカナを最小単位とした次のような区
切りを施している。

「ジン／ショウ／の／サク／セイ／が／ひ／ジヨウ／に
／ヨウ／い／で／あ／る／。」 ただし、カタカナは漢字音、ひらがなはカナを示す。

上記の区切り処理後、漢字音とカナの並び方により、次
のように人文字列に属性を付加する。

（漢字音）＋（漢字音）十〜　・・・・・・ＴＹＰＥＩ
（漢字音）＋（カナ）十〜　　・・・・・・ＴＹＰＥ２
（カナ）＋（漢字音）十〜　　・・・・・・ＴＹＰＥ３
（カナ）＋（カナ）十〜　　　・・・・・ＴＹＰＥ４「
ブン＋ショウ＋〜」は（漢字音）＋（漢字音）十〜であ
るので上記例文はＴＹＰＥＩとなる。

次に、入力文字列の上記属性ＴＹＰＥＩ〜ＴＹＰＥ４に
したがって、被検索文字列を次のようにして作成する。

ＴＹＰＥｌの場合・・・・・・■（漢字音）＋（漢字音
）■（漢字音） ＴＹＰＥ２の場合・・・・・・■（漢字音）＋（カナ）
■（漢字音） ＴＹＰＥ３の場合・・・・・・■（カナ）＋（漢字音）
■（カナ） ＴＹＰＥ４の場合・・・・・・■（カナ）■（カナ）＋
（カナ） ■（カナ）＋（カナ）＋ （カナ） 上記例文の場合はＴＹＰＥＩであるので１次のように被
検索文字列を設定する。

［設定される被検索文字列コ・・・■ぶんしよう■ぶん 次に、設定された被検索文字列にしたがって、単語辞書
を検索し、得られた候補単語群に対して評価を行い、最
適な候補単語を選択する。

ここでは、仮に［文章Ｊが最適候補単語として抽出され
たとする。この場合、次の解析対象文字列は「のさくせ
いがひじようによういである。」であるので、これに対
して再び漢字音とカナを最小単位とした区給りを施す。

Ｙの／サク／セイ／が／ひ／ジヨウ／に／ヨウ／い／で
／あ／る。」 〔の＋サク十〜」は（カナ）＋（漢字音）十〜であるの
で上記入力文字列の属性はＴＹＰＥ３である。ＴＹＰＥ
３の属性にしたがって被検索文字列を作成すると、被検
索文字列は次のようになる。

［設定される被検索文字列コ・・・■のさく■の 以下、同様にして、残りの入力文字列に対し漢字音とカ
ナを最小単位とした区切りを施し、漢字音とカナの並び
による入力文字列の属性に応じて適切な被検索文字列を
作成する。

なお、２個の最小単位により被検索文字列を作成した理
由は、単語辞書に登録されている単語のほとんどは、２
個以下の最小単位に対応しているという事実を考慮して
、辞書検索のスピードアップを図るためである。

しかし、上記方式には、接尾語付単語が入力文字列に存
在する場合、次のような欠点がある。

入力文字列「せつめいかいでは−・」を例に説明する。

この場合、漢字音による前処理により、「セツ／メイ／
カイ／で／は〜」 のように区切りが施される。「セッ＋メイ十〜」は（漢
字音）＋（漢字音）十〜であるのでＴＹＰＥｌに属し、
被検索文字列として、 ■せつめい ■せつ が設定される。

したがって、例え「説明会」が単語辞書に登録されてい
たとしても、検索の対象とならず、「説明会」というカ
ナ漢字変換結果を得るためには。

少なくとも「せつめい」と「かい」の２度にわたって単
語辞書の検索（解析）を行う必要がある。また、２度に
わたる解析の結果、接尾語［会」が選択されるとは限ら
ず、「回」、「界」、「開」・「解」、「改ｊ等が選択
されるというような誤解析の可能性も高くなる。

目　　　　　的 本発明の目的は、上記のような従来技術の欠点をＭ消し
、カナ漢字変換処理装置における単語抽出に際し、単語
辞書検索速度の低下を抑制しつつ、単語辞書に登録され
た接尾語付単語を信頼性良く、かつ効果的に抽出するこ
とにある。

構　　　成 上記目的を達成するため、本発明による単語抽出方式は
、漢字音とカナを最小単位として入力文字列を区切る手
段を有するカナ漢字変換処理装置において、前記手段に
より区切られた入力文字列の漢字音とカナの並び方を判
定する第１の手段と、解析対象文字列の漢字音と同一の
読みを持つ接尾語が存在するか否かを判定する第２の手
段と、少なくとも解析対象文字列の１番目または２番目
の最小単位が漢字音であり、かつ３番目が接尾語と同一
の読みを持つ漢字音である場合、３個の最小単位により
被検索文字列を設定する第３の手段を設けたことに特徴
がある。

なお、入力文字列は順次解析されるため、当然、当面解
析されるべき入力文字列は次々に変化する。

本明細書では、当面解析されるべき入力文字列を解析対
象文字列と命名している。

以下、本発明の構成を一実施例により詳細に説明する。

第１図は、本発明の一実施例による単語抽出方式を適用
したカナ漢字変換処理装置のブロック図である。

第１図において、■は作成しようとする日本語文に対応
したカナ文字列を入力するためのカナ文字入力部、２は
入力されたカナ文字列を一時記憶しておく入力文字列記
憶部、３は入力文字列に対し漢字音とカナを最小単位と
する区切りを施す、漢字音による区切り部、４は第３図
（ａ）、（ｂ）、（Ｃ）に示したものと同様の漢字音装
、５は漢字音による区切りを施されたカナ文字列の、漢
字音とカナの並び方を基準とする属性を判定する入力文
字列の属性判定部、６は解析対象文字列中の漢字音と同
一の読みを持つ接尾語が存在するか否かを基準とする属
性を判定する、漢字音の属性判定部、７は、入力文字列
の属性判定部５と漢字音の属性判定部６から得られる情
報に基づいて、接尾語を含む単語を抽出するよう被検索
文字列を設定する被検索文字列設定部、９は単語辞書、
８は被検索文字列に基づいて単語辞書９を検索する辞書
検索部、１０は辞書検索部８より得られた候補単語を記
憶する候補単語記憶部、１１は候補単語を評価して最も
適切な候補単語を選択する候補単語評価部、１２は候補
単語評価部１１で選択された最適候補単語を記憶する最
適候補単語記憶部、１３は最適候補単語をカナ漢字変換
結果として表示するための表示部である。

漢字音による属性判定部５は、解析対象文字列を構成す
る個々の漢字音が次に示す２つの属性のうちどちらに属
するかを判定する。

漢字音の属性Ａ：その漢字音の読みと同じ読みを持つ接
尾語が存在する。

例：でき（的）、かい（会）等 漢字音の属性Ｂ：その漢字音の読みと同じ読みを持つ接
尾語は存在しない。

例：あく、せつ、いき等 第２図は、本発明の一実施例による単語抽出方式の動作
を示すフローチャートである。

まず、漢字音による区切り部３は、入力文字列記憶部２
から送出された入力カナ文字列に対し、漢字音装４を用
いて漢字音による区切りを施す（２０１）。入力文字列
の属性判定部５は、漢字音とカナを最小単位として区切
られた入力文字列（解析対象文字列）の漢字音とカナの
並び方による属性が、ＴＹＰＥＩまたはＴＹＰＥ２また
はＴＹＰＥ３であるか否かを判定する（２０２）。ＴＹ
ＰＥＩ、ＴＹＰＥ２、ＴＹＰＥ３以外の場合は、従来方
式により被検索文字列を設定する（２０３）ＴＹＰＥ　
１またはＴＹＰＥ２またはＴＹＰＥ３の場合は、以下に
述べる本実施例特有の被検索文字列の設定処理を実行す
る。その理由は、ＴＹＰＥＩ・・・（漢字音）＋（漢字
音）十〜ＴＹＰＥ２・・・（漢字音）＋（カナ）十〜Ｔ
ＹＰＥ３・・・（カナ）＋（漢字音）十〜の場合、３番
目の最小単位が接尾語となる可能性があるからである。

本実施例では、上記漢字音の属性Ａ、Ｂを利用すること
としたため、ステップ２０２の判定を行った後、まず解
析対象文字列がＴＹＰＥｌが否かを判定し、ＴＹＰＥＩ
である場合はその３番目の最小単位が漢字音か否かを判
定する（２ｏ４．２゜５）。３番目の最小単位が漢字音
であるときは、さらにその漢字音が属性Ａか否かを判定
し、属性Ａのときは３個の最小単位により被検索文字列
を作成する（２０５．２０６．２ｏ７）。その被検索文
字列は、 ■（漢字音）＋（漢字音）＋（属性Ａの漢字音）■（漢
字音）＋（漢字音） ■（漢字音） の３個である。

例えば、入力文字列「せっめいかいでは〜」の場合、漢
字音による区切りは「セッ／メイ／カイ／で／は〜」と
なり、被検索文字列は、■せつめいかい ■せつめい ■せつ のように設定される。

上記３個の被検索文字列の中で、［のせつめいかい］が
最も読み長が長く、高い評価が得られるので、「説明会
」が単語辞書９に登録されている場合、接尾語「会」を
有する単語「説明会」が選択される。また、最長−教法
による場合も当然「説明会」が選択される。

なお、３番目の漢字音に限って接尾語である可能性（属
性Ａ）を判定した理由は、１番目、２番目の最小単位が
接尾語であっても、それは従来の方式により抽出可能で
あるからである。

ＴＹＰＥＩの３番目の最小単位が漢字音でないとき、お
よび漢字音であっても属性がＡでいときは従来の方式に
より被検索文字列を設定する（■）。

上記のように、３番目の漢字音が接尾語である可能性を
有する場合にのみ、３個の最小単位に基づいて被検索文
字列を作成し、その他の場１合は、従来通り２個の最小
単位に基づいて被検索文字列を作成することにより、単
語辞書９に対する検索処理速度の低下率を抑制すること
ができる。

ＴＹＰＥＩでないときは、ＴＹＰＥ２か否かを判定し、
ＴＹＰＥＩである場合はその３番目の最小単位が漢字音
か否かを判定する（２０４．２０８．２０９）。３番目
の最小単位が漢字音である場合は、さらにその漢字音が
属性Ａか否かを判定し、属性Ａのときは３個の最小単位
により被検索文字列を作成する（２０９，２１０，２１
１）。

この場合の被検索文字列は、 ■（漢字音）＋（カナ）十（属性Ａの字音）■（漢字音
）＋（カナ）＋（漢字音） ■（漢字音） の３個である。

ＴＹＰＥ２の３番目の最小単位が漢字音でないとき、ま
た漢字音であっても属性がＡでいときは従来の方式によ
り被検索文字列を設定する（■）。

ステップ２０８の判定でＴＹＰＥ２でないと判定された
場合は、解析対象文字列はＴＹＰＥ３であると特定でき
るので、その３番目の最小単位が漢字音か否かを判定す
る（２０８．２１２）。漢字音である場合は、さらにそ
の属性を調べ属性がＡであるときは３個の最小単位によ
り被検索文字列を作成する（２１２．２１３．２１４）
。この場合の被検索文字列は、 ■（カナ）＋（漢字音）＋（属性Ａの漢字音）■（カナ
）＋（漢字音） ■（カナ） の３個である。

最後に、得られた被検索文字列により単語辞書９を検索
する（２１５）。

このように、３番目の最小単位が漢字音であり、かつそ
の漢字音が接尾語である可能性がある場合にのみ、３個
の最小単位により被検索文字列を作成することにより、
検索処理速度の低下を抑制しつつ、単語辞書に登録され
た接尾語付単語を抽出することができる。

効　　　果 以上説明したように、本発明の単語油路方式によれば、
カナ漢字変換処理装置における単語抽出し；際し、単語
辞書検索速度の低下を抑制しつつ。

単語辞書に登録された接尾語付単語を信頼性良く、かつ
効果的に抽出することができる。

【図面の簡単な説明】

第１図は本発明の一実施例による単語抽出方式を適用し
たカナ漢字変換処理装置のブロック図、第２図は本発明
の一実施例による単語抽出方式の動作を示すフローチャ
ート、第３図は漢字音装を示す図である。 ３：漢字音による区切り部、４：漢字音装、５：入力文
字列の属性判定部、６：漢字音の属性判定部、７：被検
索文字列設定部、８：辞書検索部、９：単語辞書。

Claims (1)

【特許請求の範囲】
1. （１）漢字音とカナを最小単位として入力文字列を区切
   る手段を有するカナ漢字変換処理装置において、前記手
   段により区切られた入力文字列の漢字音とカナの並び方
   を判定する第１の手段と、解析対象文字列の漢字音と同
   一の読みを持つ接尾語が存在するか否かを判定する第２
   の手段と、少なくとも解析対象文字列の１番目または２
   番目の最小単位が漢字音であり、かつ３番目の最小単位
   が接尾語と同一の読みを持つ漢字音である場合、３個の
   最小単位により被検索文字列を作成する第３の手段を設
   けたことを特徴とする単語抽出方式。