特許 6599188 対訳辞書作成装置、対訳辞書作成方法およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6599188

(24)【登録日】2019年10月11日

(45)【発行日】2019年10月30日

(54)【発明の名称】対訳辞書作成装置、対訳辞書作成方法およびプログラム

(51)【国際特許分類】

   G06F 17/27 20060101AFI20191021BHJP

   G06F 17/28 20060101ALI20191021BHJP

【ＦＩ】

   G06F17/27 635

   G06F17/28 627

【請求項の数】5

【全頁数】10

(21)【出願番号】特願2015-185421(P2015-185421)

(22)【出願日】2015年9月18日

(65)【公開番号】特開2017-59151(P2017-59151A)

(43)【公開日】2017年3月23日

【審査請求日】2018年3月23日

(73)【特許権者】

【識別番号】000102728

【氏名又は名称】株式会社エヌ・ティ・ティ・データ

(74)【代理人】

【識別番号】110001243

【氏名又は名称】特許業務法人 谷・阿部特許事務所

(72)【発明者】

【氏名】新海 正吾

(72)【発明者】

【氏名】佐藤 大輔

(72)【発明者】

【氏名】松永 務

【審査官】 成瀬 博之

(56)【参考文献】

【文献】 特開２０１２−１７７９７２（ＪＰ，Ａ）

【文献】 越前谷博 他３名，局所着目方式によるアイヌ語−日本語名詞対訳語の抽出について，電子情報通信学会技術研究報告，日本，社団法人電子情報通信学会，２００３年１０月３１日，Ｖｏｌ．１０３ Ｎｏ．４０８，９３−９８頁，（ＩＳＳＮ ０９１３−５６８５／ＮＬＣ２００３−４９）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｆ １７／２０−１７／２８

(57)【特許請求の範囲】

【請求項1】

コンピュータが対訳辞書を作成する対訳辞書作成方法であって、
第１言語文と第２言語文とが文単位であらかじめ対応付けられた対訳コーパスから、対応文を取得するステップと、
前記対応文の中から抽出された異なる言語間の用語対を、対訳作成対象として決定するステップと、
前記用語対にかかる第１言語の用語が前記第１言語文中に出現する出現位置と、前記用語対にかかる第２言語の文字列が前記第２言語文中に出現する出現位置とに基づいて、当該用語対を構成する用語間の対応関係の強さを評価するステップであって、前記文字列の出現位置は、前記異なる言語間の文構造的特徴が同一となるように並び替えられる、ステップと、
評価結果に応じて、前記用語対を、異なる言語間の対訳辞書として作成して出力するステップと
を含むことを特徴とする対訳辞書作成方法。

【請求項2】

前記用語の出現位置は、対応する言語文中における当該用語の出現順であり、
前記評価するステップは、前記対応する言語文に含まれる形態素または複数の形態素をまとめあげた用語と、前記用語の出現順との関係に基づいて、前記対応関係の強さを表すスコアを計算し、
前記出力するステップは、前記スコアに応じて、前記異なる言語間の対訳辞書を作成することを特徴とする請求項１に記載の対訳辞書作成方法。

【請求項3】

前記評価するステップは、異なる対応文から同一の用語対が取得された場合には、前記同一の用語対に対するすべてのスコアを計算して、当該同一の用語対に対する最終的なスコアを決定することを特徴とする請求項２に記載の対訳辞書作成方法。

【請求項4】

第１言語文と第２言語文とが文単位であらかじめ対応付けられた対訳コーパスから、対応文を取得する取得部と、
前記対応文の中から抽出された異なる言語間の用語対を、対訳辞書作成対象として決定する決定部と、
前記用語対にかかる第１言語の用語が前記第１言語文中に出現する出現位置と、前記用語対にかかる第２言語の文字列が前記第２言語文中に出現する出現位置とに基づいて、当該用語対を構成する用語間の対応関係の強さを評価する評価部であって、前記文字列の出現位置は、前記異なる言語間の文構造的特徴が同一となるように並び替えられる、評価部と、
前記評価部による評価結果に応じて、前記用語対を、異なる言語間の対訳辞書として作成して出力する出力部と
を含むことを特徴とする対訳辞書作成装置。

【請求項5】

請求項１ないし３のいずれか１項に記載の対訳辞書作成方法をコンピュータに実行させるための対訳辞書作成プログラム。

【発明の詳細な説明】

【背景技術】

【0001】

本発明は、異なる言語間の対訳辞書を作成する技術に関する。

【0002】

従来、異なる言語間において、同一の意味内容の単語対を作成することが知られている。例えば、公知の辞書自動作成方式では、対訳コーパスから、原言語と目的言語との間の対応データを読み込み、対応データに示された原言語の単語と目的言語の単語との尤度に基づいてそれらの単語間の対応付けを行うものがある（特許文献１）。

【先行技術文献】

【特許文献】

【0003】

【特許文献1】特開平７−２８８１９号公報

【発明の概要】

【発明が解決しようとする課題】

【0004】

従来の辞書自動作成方式では、異なる言語間の単語対を尤度に基づいて作成する。しかしながら、対訳コーパスに出現する頻度が少ない単語については、出現頻度に基づく尤度（＝確からしさ）が同じ値または同等の値になるので、正しい単語対を作成するために必要な尤度が得られず、正確な対訳辞書を作成することができないという問題があった。

【0005】

本発明は、上述した状況においてなされたものであり、出現頻度の少ない語についても正確な対訳辞書を作成することができる対訳辞書作成装置等を提供することにある。

【課題を解決するための手段】

【0006】

上記の課題を解決するための本発明は、コンピュータが対訳辞書を作成する対訳辞書作成方法であって、第１言語文と第２言語文とが文単位であらかじめ対応付けられた対訳コーパスから、対応文を取得するステップと、 前記対応文の中から抽出された異なる言語間の用語対を、対訳辞書作成対象として決定するステップと、前記用語対にかかる第１言語の用語が前記第１言語文中に出現する出現位置と、前記用語対にかかる第２言語の文字列が前記第２言語文中に出現する出現位置とに基づいて、当該用語対を構成する用語間の対応関係の強さを評価するステップと、前記評価部による評価結果に応じて、前記用語対を、異なる言語間の対訳辞書として作成して出力するステップとを含む。

【0007】

ここで、前記文字列の出現位置は、前記異なる言語間の文構造的特徴が同一となるように並び替えられるようにしてもよい。

【0008】

前記用語の出現位置は、対応する言語文中における当該用語の出現順であり、前記評価するステップは、前記対応する言語文に含まれる形態素または複数の形態素をまとめあげた用語と、前記用語の出現順との関係に基づいて、前記対応関係の強さを表すスコアを計算し、前記出力するステップは、前記スコアに応じて、前記異なる言語間の対訳辞書を作成するようにしてもよい。

【0009】

前記評価するステップは、異なる対応文から同一の用語対が取得された場合には、前記同一の用語対に対するすべてのスコアを計算して、当該同一の用語対に対する最終的なスコアを決定するようにしてもよい。

【0010】

上記の課題を解決するための本発明は、第１言語文と第２言語文とが文単位であらかじめ対応付けられた対訳コーパスから、対応文を取得する取得部と、前記対応文の中から抽出された異なる言語間の用語対を、対訳辞書作成対象として決定する決定部と、前記用語対にかかる第１言語の用語が前記第１言語文中に出現する出現位置と、前記用語対にかかる第２言語の文字列が前記第２言語文中に出現する出現位置とに基づいて、当該用語対を構成する用語間の対応関係の強さを評価する評価部と、前記評価部による評価結果に応じて、前記用語対を、異なる言語間の対訳辞書として作成して出力する出力部とを含む。

【発明の効果】

【0011】

本発明によれば、出現頻度の少ない単語についても正確な対訳辞書を作成することができる。

【図面の簡単な説明】

【0012】

【図1】本発明の実施形態の対訳辞書作成装置を含む対訳辞書作成システム全体の概要構成例を示す図である。

【図2】図１の対訳辞書作成装置のハードウエア上の構成例を示す図である。

【図3】対訳辞書作成装置によって実現される対訳辞書作成の概略を説明するための図である。

【図4】対訳辞書作成装置の機能構成の一例を示す図である。

【図5】対訳辞書作成装置における処理全体の一例を示すフローチャートである。

【発明を実施するための形態】

【0013】

以下、本発明の一実施形態における対訳辞書作成装置を含む対訳辞書作成システム全体の概略構成について図１を参照して説明する。図１は、対訳辞書作成システム１全体の概要構成例を示す図である。

【0014】

図１において、対訳辞書作成システム１は、通信端末１０と、通信端末１０と例えばインターネット等の通信網２０を介して接続可能な対訳辞書作成装置３０と、対訳辞書作成装置３０と接続可能な外部システムとしての対訳コーパス４０とを含んで構成されている。

【0015】

対訳辞書作成システム１では、通信端末１０と対訳辞書作成装置３０との間は、ＨＴＴＰ（HyerText Transfer Protocol）通信が行われるようになっているが、それ以外の通信方式もとり得る。

【0016】

通信端末１０は、ＣＰＵ(Central Processing Unit)と、ＲＯＭ(Read Only Memory)と、ＲＡＭ(Random Access Memory)と、液晶ディスプレイ等の表示装置と、タッチパネル等の入力装置とを備える。この実施形態では、通信端末１０は、一例として、ラップトップパソコン(Laptop computer)とするが、携帯端末、ＰＤＡ（Personal Digital Assist）、パーソナルコンピュータなどでもよい。

【0017】

対訳コーパス４０は、例えばネットワークの伝送路上に設けられ、ネットワーク上の対訳辞書作成装置３０との間で通信可能な文書データベースである。後述するように、対訳コーパス４０は、異なる言語（英語、日本語など）間の同じ意味内容を有する文同士を互いに対応付けて記憶している。なお、対訳コーパス４０は、ＣＰＵ(Central Processing Unit)と、ＲＯＭ(Read Only Memory)と、ＲＡＭ(Random Access Memory)とを含む。

【0018】

[対訳辞書作成装置のハードウエア構成]
次に、図１に示した対訳辞書作成装置３０のハードウエア構成例について、図２を参照して説明する。図２は、対訳辞書作成装置３０の構成例を示す図である。

【0019】

対訳辞書作成装置３０は、図２に示すように、ＣＰＵ（Central Processing Unit）３１と、ＲＯＭ（Read Only Memory）３２と、ＲＡＭ（Random Access Memory）３３と、通信インターフェース３４と、外部アクセス部３５とを含むサーバ装置である。

【0020】

ＣＰＵ３１は、各構成要素とバスで接続されて制御信号やデータの転送を行うとともに、対訳辞書作成装置３０全体の処理を実現するためのプログラムの実行、演算処理等を行う。

【0021】

ＲＯＭ３２には、対訳辞書作成装置３０全体の動作に必要な対訳辞書作成プログラムが記憶されており、本実施形態の対訳辞書作成装置３０は、当該プログラムが実行されることにより実現される。このようなＲＯＭ３３に変えて、クラウドサービスを用いて必要なプログラムおよびデータを取り込むことももちろん可能である。

【0022】

上述したプログラムは、ＣＤ−ＲＯＭ等の記憶媒体に格納されていてもよい。

【0023】

ＲＡＭ３３には、後述する対訳辞書作成処理を行うためのプログラムおよび各種のデータが一時的に保持される。

【0024】

通信インターフェース３４は、ネットワークインターフェース機能を有しており、通信端末１０との通信を行う。

【0025】

外部アクセス部３５は、ＣＰＵ３１が対訳コーパス４０にアクセスして対訳コーパス４０と通信を行うためのインターフェースである。この実施形態では、対訳コーパス４０内の後記する対応文が外部アクセス部３５を介してＣＰＵ３１へ伝送される。なお、対訳辞書作成装置３０は、対訳コーパス４０内における異なる言語文の対訳を読み込む機能を兼ね備える単一のサーバ装置として構成してもよい。

【0026】

［対訳辞書作成の概略］
次に、対訳辞書作成装置３０によって実現される対訳辞書作成の概要について、図１〜図３を参照して説明する。図３は、対訳辞書作成の概略を説明するための図であって、（ａ）は予め対応付けられた異なる言語文Ａ，Ｂと、（ｂ）形態素の解析処理と、（ｃ）用語の抽出処理と、（ｄ）用語対の決定処理と、（ｅ）用語の並び替え処理と、（ｆ）用語対の評価処理と、（ｇ）対訳辞書作成処理とを示している。なお、図３（ａ）〜（ｇ）は、対訳辞書作成処理を例示的に示しているに過ぎない。

【0027】

先ず、この対訳辞書作成装置３０において、対訳辞書作成の処理時には、異なる言語文が文単位であらかじめ対応付けられた対応文（対訳文）が対訳コーパス４０から読み込まれる。図３（ａ）の例では、対訳辞書作成装置３０のＣＰＵ３１が、「彼は、東京にある会社で働いている。」という日本語文Ａと、「He works for a company in Tokyo」という英語文Ｂとを含む対応文を読み込む。

【0028】

次に、図３（ｂ）に示すように、ＣＰＵ３１は、日本語文Ａおよび英語文Ｂの各々を、言語学的に意味を持つ最小単位の形態素に区切る処理として、例えば形態素解析を行う。そして、ＣＰＵ３１は、各文Ａ，Ｂ中の用語（この実施形態では、例えば、その用語自体で意味を表すことができる自立語）として、例えば図３（ｃ）に示すように、「彼」、「東京」、「会社」、「働い」、「he」、「works」、「company」および「tokyo」という文字列を抽出し、さらに例えば図３（ｄ）に示すように、それらの用語を組み合わせた用語対（「彼」と「he」の対など）を作成する。

【0029】

図３（ｅ）に示すように、ＣＰＵ３１は、日本語と英語との間の文構造的特徴（文法構造、用語の意味内容など）が同一となるように、「he works for a company in Tokyo」という英語文Ｂの用語を並び替えて、「He ga Tokyo in company for works」という並び替え文Ｂ１に変換する。換言すれば、上記並び替え文Ｂ１は、日本語文Ａの語順と整合するように、英語文Ｂを主辞後置変換したものである。なお、異なる言語間の文構造的特徴が同一または類似する場合には、ＣＰＵ３１は、上記並び替え処理を行わないようにしてもよい。

【0030】

そして、図３（ｆ）に示すように、ＣＰＵ３１は、日本語文Ａ中の「会社」の出現位置（文頭からの出現が７語目）と、並び替え文Ｂ１中の「company」の出現位置（文頭からの出現が５語目）とから、「会社」と「company」の用語対を構成する２つの用語間の対応関係の強さを評価する。なお、以下の説明では、文頭から何番目の形態素として出現するかを示した上記「５語目」および「７語目」を、「出現順」と称する。

【0031】

この実施形態では、対応関係の強さを評価する一例として、｛（日本語Ａに含まれる用語の出現順）／（日本語文Ａに含まれる形態素の総数）−（並び替え文Ｂ１に含まれる用語の出現順）／（並び替え文Ｂ１に含まれる形態素の総数）｝の式（１）で与えられる値の絶対値がスコアとして求められる。図３（ｆ）の例では、日本語Ａの「会社」の出現順＝７語目；日本語Ａに含まれる形態素の総数＝１２語；並び替え文Ｂ１の「company」の出現順＝５語目；並び替え文Ｂ１に含まれる形態素の総数＝８語、となるので、上記スコアは、｛（７／１２）−（５／８）｝から、約０．０４となる。

【0032】

図３（ｇ）の例によれば、ＣＰＵ３１は、他の用語対のスコアについても求め、例えば、０．０４のスコアを有する用語対（（彼、he）、（東京、tokyo）、（会社、company））を、対訳辞書として採用する。すなわち、スコアが小さいほど、用語対を構成する用語間の対応関係が強いと評価することができるので、スコアの値を考慮することで、正しい対訳辞書を作成することができる。

【0033】

［対訳辞書作成装置の機能構成］
次に、対訳辞書作成装置３０の機能構成について図４を参照して説明する。図４は、図２に示したハードウエア構成上で実現される対訳辞書作成装置３０の機能構成の一例を示す図である。

【0034】

図４において、対訳辞書作成装置３０は、取得部３０１と、決定部３０２と、評価部３０３と、出力部３０４とを備える。決定部３０２は、用語抽出部３０２１と、用語対作成部３０２２とを含む。これらの構成要素については、以下の対訳辞書作成装置３０の処理説明において適宜参照される。

【0035】

［対訳辞書作成装置の処理］
以下、この対訳辞書作成を実現するために実行される対訳辞書作成装置３０の処理について、図１〜図５を参照して説明する。図５は、対訳辞書作成装置３０における処理全体の一例を示すフローチャートである。

【0036】

図５において、ＣＰＵ３１は、対訳コーパス４０から、異なる言語間の対応文を取得する（ステップＳ１０）。対応文は、図３（ａ）に一例を示すように、「彼は、東京にある会社で働いている。」という日本語文Ａと、「He works for a company in Tokyo」という英語文Ｂである。

【0037】

ステップＳ１０において、ＣＰＵ３１は、外部アクセス部３５と協働して、取得部３０１として機能する。

【0038】

次にＣＰＵ３１は、ステップＳ１０で取得された異なる言語間の対応文の中から抽出された用語対を、対訳辞書作成対象として決定する（ステップＳ１１）。図３（ｄ）では、（彼、he）などの用語対が決定されて、その用語対が作成されることになるが、その決定の前に、ＣＰＵ３１は、図３（ｂ）および図３（ｃ）に一例を示すように、日本語文Ａと英語文Ｂとをそれぞれ形態素解析し、「彼」、「he」などの自立語を、用語として抽出することになる。

【0039】

ステップＳ１１の決定処理において、ＣＰＵ３１は、決定部３０２として機能する。また、上記用語の抽出処理において、ＣＰＵ３１は用語抽出部３０２１として機能し、上記用語対の作成処理において、ＣＰＵ３１は用語対作成部３０２２として機能する。

【0040】

ＣＰＵ３１は、ステップＳ１１で決定された用語対のすべてを対象として、対応する用語対のスコアを計算する。この場合、ＣＰＵ３１は、スコアを計算する前に、日本語の文構造的特徴（文法構造、意味内容）に合わせるため、英語文Ｂの並び替えを行う。図３（ｅ）では、例えば、英語文Ｂが主辞後置変換されて並び替え文Ｂ１として設定され、この並び替え文Ｂ１では、「company」の出現順が文頭から５番目になる（図３（ｆ））。この並び替えが行われた後に、ＣＰＵ３１は、日本語文Ａの「会社」の出現順（＝７語目）と、並び替え文Ｂ１の「company」の出現順（＝５語目）とに基づいて、「会社」と「company」の用語対のスコアを計算する。このときのスコアは、上記式（１）に示したように、｛（日本語Ａに含まれる「会社」の出現順）／（日本語文Ａに含まれる形態素の総数）−（並び替え文Ｂ１に含まれる「company」の出現順）／（並び替え文Ｂ１に含まれる形態素の総数）｝の関係式から、｛（７／１２）−（５／８）｝＝約０．０４となる。

【0041】

上述したスコアが小さいほど、用語対を構成する用語間の対応関係が強くなるので、スコアによって、用語対の対応関係が強いか否かを評価することができる。

【0042】

ステップＳ１２において、ＣＰＵ３１は、評価部３０３として機能する。

【0043】

図５において、ＣＰＵ３１は、ステップＳ１０で対訳コーパス４０から取得されたすべての対応文を対象として、ステップＳ１１およびステップＳ１２の処理を逐次繰り返し実行する。

【0044】

なお、対象はすべての対応文ではなく、一部の指定した対応文のみであってもよい。

【0045】

なお、上記並び替え処理は、ステップＳ１２で行われることになるが、スコアが計算される前（ステップＳ１０またはステップＳ１１）に行われるようにしてもよい。

【0046】

ＣＰＵ３１は、ステップＳ１２で計算されたスコアに基づいて、用語対を対訳辞書として作成して出力する（ステップＳ１３）。例えば、スコアが予め設定された閾値以上の場合に、用語対を対訳辞書として作成して出力される。図３（ｇ）では、例えば、上記閾値が０．０４で設定されているので、０．０４のスコアを有する用語対（（彼、he）、（東京、tokyo）、（会社、company））が対訳辞書として作成されて出力される。対訳辞書の作成は、用語対を対訳辞書として示すものであればよく、例えば一覧表や辞書形式など種々の方法によって実施することができる。出力先は、例えば通信端末１０である。

【0047】

ステップＳ１３において、ＣＰＵ３１は、通信インターフェース３４と協働して、出力部３０４として機能する。

【0048】

以上説明したように、本実施形態の対訳辞書作成装置３０によれば、異なる言語文の対応文中の用語対の各々の用語の出現位置に基づいて、その用語対に対するスコアを計算することにより、異なる言語間の対訳辞書が作成される。ここで、スコアは、出現頻度とは異なり、出現位置に基づいて計算されるので、出現頻度の少ない用語に対しても出現位置次第で異なる値が得られる。これにより、出現頻度の少ない用語についても正確な対訳辞書を作成することができる。

【0049】

なお、上記実施形態は、変更するようにしてもよい。

【0050】

例えば、図５のスコア計算処理（ステップＳ１２）において、異なる対応文から同一の用語対が取得された場合には、同一の用語対に対するすべてのスコアを計算して、当該同一の用語対に対する最終的なスコアを決定する。最終的なスコアは、例えば、相加平均、相乗平均などの値を適用する。

【0051】

上述したスコアの計算において、用語対にかかる用語の出現頻度に応じて重みを付けるようにしてもよい。

【0052】

以上では、上記式（１）を参照して、（言語文に含まれる形態素の総数）を用いたスコアを計算する処理について説明したが、これに代えて、（複数の形態素をまとめあげた用語の総数）を用いるようにしてもよい。例えば、言語文を形態素で区切った後に、連続する複数の形態素からなる文章が名詞となる場合には、ＣＰＵ３１は、複数の形態素からなる形態素群を一つの用語として認識して上記スコアを計算することができる。

【0053】

上述した対訳辞書作成処理は、出現位置に基づくスコアを考慮して対訳辞書を作成するものであればよい、日本語と英語以外の言語についても適用することができる。

【符号の説明】

【0054】

１０ 通信端末
３０ 対訳辞書作成装置
４０ 対訳コーパス
３０１ 対訳取得部
３０２ 決定部
３０３ 評価部
３０５ 出力部
３０２１ 用語抽出部
３０２２ 用語対作成部

【図1】

【図2】

【図3】

【図4】

【図5】