JP2001357065A

JP2001357065A - 類似文検索方法及び装置並びに類似文検索プログラムを記録した記録媒体

Info

Publication number: JP2001357065A
Application number: JP2000178367A
Authority: JP
Inventors: Takayuki Adachi; 貴行足立; Kura Furuse; 蔵古瀬
Original assignee: Nippon Telegraph and Telephone Corp
Current assignee: Nippon Telegraph and Telephone Corp
Priority date: 2000-06-14
Filing date: 2000-06-14
Publication date: 2001-12-26

Abstract

(57)【要約】【課題】本発明の課題は、文法的または意味的に類似し
た文が検索できる類似文検索方法及び装置並びに類似文
検索プログラムを記録した記録媒体を提供することにあ
る。【解決手段】本発明は、例文集の類似候補文について事
前に文法的もしくは意味的に置換、削除、追加が可能な
箇所と種類の情報を付与し、入力文にも同様に置換が可
能な箇所や類似候補文の追加箇所との一致が可能な箇所
と種類の情報を付与した上で、入力文と類似候補文との
類似度計算の際に、各文の差分箇所に対しての同種の置
換箇所の一致、不要箇所の削除や不足箇所の追加を考慮
した処理を行い、最も類似度の高い類似候補文を類似文
として類似度とともに抽出することを特徴とする。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、自然言語の入力文
に対し類似文を検索する類似文検索方法及び装置並びに
類似文検索プログラムを記録した記録媒体に関する。な
お、検索した類似文に対応する訳文が存在する場合、そ
の訳文を抽出する。また、その類似文と訳文を利用して
入力文の訳文を生成する実例型翻訳方法およびその装置
の一部に適用できる。

【０００２】

【従来の技術】従来の類似文検索方法として、従来方法
１「ＥｍｍａｎｕｅｌＰｌａｎａｓ，ｅｔａｌ．，
“ＦｏｒｍａｌｉｚｉｎｇＴｒａｎｓｌａｔｉｏｎ
Ｍｅｍｏｒｉｅｓ”，ＭＴＳｕｍｍｉｔＶＩＩ，Ｓｅ
ｐｔｅｍｂｅｒ，１９９９」内に記載されている方法が
ある。この方法では形態素解析で区切った単位を利用
し、語の表記だけでなく標準形さらに品詞まで一致対象
を拡張して処理を行うもので、入力文中の表記で一致し
た語の割合、入力文中の標準形で一致した語の割合、入
力文中の品詞で一致した語の割合、候補文中で入力文中
の語と共通な語の割合、入力文中で候補文中の語と共通
な語の割合について、上記列挙した順に２文間の類似度
を比較して、類似文検索を行っている。

【０００３】また、別の類似文検索方法として、従来方
法２「特開平６−２９０２１０号の自然言語の翻訳装
置」内に記載されている方法がある。この方法では入力
文および検索対象の文から構文的な表層パターンを生成
してそれらを比較し、パターンの類似度によって類似文
検索を行っている。

【０００４】また、別の類似文検索方法として、従来方
法３「隅田英一郎，堤豊，“翻訳支援のための類似用例
の実用的検索法”，電子情報通信学会論文誌Ｄ−ＩＩ，
Ｖｏｌ．Ｊ７４−Ｄ−ＩＩ，Ｎｏ．１０，１９９１」に
記載されている方法がある。この方法では形態素解析し
た後、入力文に完全一致する文を検索する。一致しない
場合には入力文の品詞を一般化して、入力文と完全一致
する文を検索する。

【０００５】

【発明が解決しようとする課題】しかしながら、従来方
法１は、一致対象が形態素解析で区切った形態素単位で
あるため、ある文の複数の形態素からなる表現と別の文
の表現を一致させて類似度計算を行うことができない。

【０００６】従来方法２では、パターンに必ず動詞が現
れている必要があり、動詞が省略された文は扱えない。

【０００７】従来方法３では、一般化するのが入力文の
みで、検索対象の文に関しては一般化が行われないの
で、検索の適用範囲は狭い。

【０００８】従来方法１、３では、入力文と対訳用例の
同じ自然言語の文で類似文検索を行い、類似文の訳文を
編集して翻訳を行う実例型翻訳の一部として利用する場
合に、入力文と比べて不足している語句を類似文に追加
し、その訳文にも対応する語句を追加して適切な訳文を
生成する場合を考慮した類似文検索を行っていない。

【０００９】また、従来方法１〜３では、文法的に類似
した文の検索であり、意味的な類似文の検索は考慮され
ていない。

【００１０】本発明は上記の事情に鑑みてなされたもの
で、表記だけでは類似度が高くない場合でも、文法的ま
たは意味的に類似した文が検索でき、また、入力文に似
ていない文をあらかじめ削除することで、類似度計算の
時間を短縮できる類似文検索方法及び装置並びに類似文
検索プログラムを記録した記録媒体を提供することを目
的とする。

【００１１】

【課題を解決するための手段】上記目的を達成するため
に本発明は、例文集から入力文の類似文を検索する類似
文検索方法において、例文集の類似候補文について事前
に文法的もしくは意味的に置換、削除、追加が可能な箇
所に各情報を付与し、入力文にも同様に置換が可能な箇
所や類似候補文の追加可能箇所との一致が可能な箇所に
各情報を付与した上で、入力文と類似候補文との類似度
計算の際に、各文の差分箇所に対しての同種の置換箇所
の一致、不要箇所の削除や不足箇所の追加を考慮した処
理を行い、最も類似度の高い類似候補文を類似文として
類似度とともに抽出することを特徴とする。

【００１２】また本発明は、前記類似文検索方法におい
て、類似度の最も高い類似候補文に加え、類似度が高い
方から所定の数の類似候補文を類似文として出力するこ
とを特徴とする。

【００１３】また本発明は、前記類似文検索方法におい
て、置換、削除、追加の情報を付与するための基となる
データとして、汎用的に利用できるものと、文書の分野
に依存するものに分けて各データを作成し、文書分野に
依存するデータの自動作成において、既存の汎用的もし
くは分野依存のデータを用いて情報を例文に付与し、置
換可能かつ削除可能な箇所を削った例文集から類似して
いる文を集め、文中の置換情報が付与されていない箇所
で、その前後の箇所の表記や置換の種類が一致してお
り、該当箇所の情報が同じで表記の異なるものの集合を
新たな置換対象のデータとして作成し、同時に、新たな
置換対象のデータと前後の表記などを考慮して、新たな
削除対象のデータとして作成することを特徴とする。

【００１４】また本発明は、前記類似文検索方法におい
て、類似候補文について、例文集の文が大量にある場合
に、入力文の語句と同じ語句の数が所定の閾値以上であ
る類似候補文を新たな類似候補文とすることを特徴とす
る。

【００１５】また本発明は、前記類似文検索方法におい
て、例文集の各文と訳文の組である対訳用例を用いて、
入力文の類似文とその対訳を抽出することを特徴とす
る。

【００１６】また本発明の類似文検索装置は、用例文を
複数保存した用例部と、入力文を読み込む入力手段と、
前記用例部の用例文から得られる類似候補文を語句単位
に解析し、文法的もしくは意味的に置換、削除、追加が
可能な箇所に各情報を付与する用例解析・情報付与手段
と、前記入力手段によって読み込まれた入力文を語句単
位に解析し、文法的もしくは意味的に置換が可能な箇所
や類似候補文の追加可能箇所との一致が可能な箇所に各
情報を付与する解析・情報付与手段と、解析された類似
候補文について、入力文と類似候補文との類似度計算の
際に、各文の差分箇所に対して同種の置換箇所の一致、
不要箇所の削除や不足箇所の追加を考慮した上で類似度
を計算し、最も類似度が高い類似候補文を類似文として
抽出する検索手段、前記検索手段により抽出された類似
文を類似度とともに出力する出力手段とを有することを
特徴とするものである。

【００１７】また本発明は、前記類似文検索装置におい
て、検索手段が、類似度の最も高い類似候補文に加え、
類似度が高い方から所定の数の類似候補文を類似文とし
て抽出することを特徴とするものである。

【００１８】また本発明は、前記類似文検索装置におい
て、置換、削除、追加の情報の付与において、基となる
データとして、汎用的に利用できるものと、文書の分野
に依存するものに分けて各データを記述しておき、文書
の分野に依存するデータの自動作成において、既存の汎
用的もしくは分野依存のデータを用いて置換可能かつ削
除可能な箇所を削った例文集の文から類似している文を
集め、文中の置換情報が付与されていない箇所で、その
前後の箇所の表記や置換の種類が一致しており、該当箇
所の情報が同じで表記の異なるものの集合を新たな置換
対象のデータとして作成し、同時に、新たな置換対象の
データと前後の表記などを考慮して、新たな削除対象の
データとして作成するデータ作成手段を有することを特
徴とするものである。

【００１９】また本発明は、前記類似文検索装置におい
て、検索手段において、事前に入力文の語句と同じ語句
の数が所定の閾値以上の文を類似候補文として検索対象
とすることを特徴とするものである。

【００２０】また本発明は、前記類似文検索装置におい
て、用例文に対して訳文が対応づけられた対訳用例を用
いた場合に、前記検索手段により抽出された類似文とそ
の訳文を出力する出力手段とを有することを特徴とする
ものである。

【００２１】また本発明は、例文集から入力文の類似文
を検索する類似文検索プログラムを記録した記録媒体に
おいて、例文集の類似候補文について事前に文法的もし
くは意味的に置換、削除、追加が可能な箇所に各情報を
付与し、入力文にも同様に置換が可能な箇所や類似候補
文の追加可能箇所との一致が可能な箇所に各情報を付与
した上で、入力文と類似候補文との類似度計算の際に、
各文の差分箇所に対しての同種の置換箇所の一致、不要
箇所の削除や不足箇所の追加を考慮した処理を行い、最
も類似度の高い類似候補文を類似文として類似度ととも
に抽出する処理をコンピュータに実行させるためのもの
である。

【００２２】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、類似度の最も高い類似候
補文に加え、類似度が高い方から所定の数の類似候補文
を類似文として出力する処理をコンピュータに実行させ
るためのものである。

【００２３】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、置換、削除、追加の情報
を付与するための基となるデータとして、汎用的に利用
できるものと、文書の分野に依存するものに分けて各デ
ータを作成し、文書分野に依存するデータの自動作成に
おいて、既存の汎用的もしくは分野依存のデータを用い
て情報を例文に付与し、置換可能かつ削除可能な箇所を
削った例文集から類似している文を集め、文中の置換情
報が付与されていない箇所で、その前後の箇所の表記や
置換の種類が一致しており、該当箇所の情報が同じで表
記の異なるものの集合を新たな置換対象のデータとして
作成し、同時に、新たな置換対象のデータと前後の表記
などを考慮して、新たな削除対象のデータとして作成す
る処理をコンピュータに実行させるためのものである。

【００２４】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、類似候補文について、例
文集の文が大量にある場合に、入力文の語句と同じ語句
の数が所定の閾値以上である類似候補文を新たな類似候
補文とする処理をコンピュータに実行させるためのもの
である。

【００２５】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、例文集の各文と訳文の組
である対訳用例を用いて、入力文の類似文とその対訳を
抽出する処理をコンピュータに実行させるためのもので
ある。

【００２６】本発明は対訳例文集にある類似候補文から
入力文の類似文を検索する方法において、文法的もしく
は意味的に置換可能箇所、類似候補文の追加可能箇所と
の一致が可能な箇所の情報を付与された入力文と事前に
文法的もしくは意味的に置換、削除、追加可能箇所の情
報を付与された類似候補文を用いて、入力文と類似候補
文で表現が異なる箇所について、置換（入力文と類似候
補文）および削除、追加（類似候補文）を行って類似度
を計算し、最も類似度が高い類似候補文を類似文として
類似度とともに抽出すると同時に類似文の訳文を抽出す
るようにした。

【００２７】また、装置構成として対訳用例に関するデ
ータを保存した用例部と、入力文を読み込む入力手段
と、前記用例部による類似候補文を語句単位に解析し、
文法的もしくは意味的に置換、削除、追加が可能な箇所
と種類の情報を付与する用例解析・情報付与手段と、前
記入力手段による入力文を語句単位に解析し、文法的も
しくは意味的に置換が可能な箇所や類似候補文の追加可
能箇所との一致が可能な箇所に各情報を付与する解析・
情報付与手段と、解析された類似候補文と解析された入
力文とで語句が異なる箇所について、入力文と類似候補
文の語句を置換したり、類似候補文の語句を削除した
り、類似候補文に語句を追加して、入力文との類似度を
計算し、最も類似度が高い類似候補文を類似文として抽
出すると同時に対訳も抽出する検索手段、検索結果を出
力する出力手段とを有するようにした。

【００２８】また、用例部において、用例文をあらかじ
め解析し、かつ解析された語句に対して、置換、削除、
追加が可能な箇所に各情報を自動または手動により設定
するデータ作成手段を有するようにした。

【００２９】

【発明の実施の形態】以下図面を参照して本発明の実施
形態例を詳細に説明する。

【００３０】図１は、本発明の一実施形態例に係る類似
文検索装置の処理手順ならびに装置構成を示したもの
で、１は第１自然言語文を入力する入力部、２は解析・
情報付与部で、入力部１で読み込まれた文を図２（ｂ）
に示すように形態素解析等によって、文を語句に分解し
後述する置換可能箇所や類似候補文の追加可能箇所との
一致可能箇所を付与する。３は、解析された入力文と後
述する解析された用例文とを比較して類似文を検索する
検索部、４は、検索部３で抽出された類似文、類似度、
類似文の訳文を出力する出力部である。５は、後述する
対訳用例集などを含む用例部である。

【００３１】検索部３は、図１３に示すように解析・情
報付与部２で解析・情報付与し、入力文の類似文を解析
済み対訳用例集６０から検索する。まず、類似候補文抽
出部３０１では入力文に含まれる語句が閾値以上の数だ
け含まれている用例文を類似候補文として絞り込む。次
に類似候補文・入力文加工部３０２では、解析して情報
が付与された入力文と類似候補文を用いて、入力文と類
似候補文との差分箇所を同じ種類の記号に置換したり、
類似候補文だけにある不要箇所を削除したり、類似候補
文に不足している箇所の語句を追加して、お互いの文が
文法的もしくは意味的に類似するように加工を施す。次
に類似度計算部３０３で加工された入力文と類似候補文
を類似度計算し、最も類似度が高い文を類似度とともに
抽出する。

【００３２】１０〜６０は、用例部５に含まれ類似文検
索のためにあらかじめデータベースとして準備されてい
る対訳用例集およびその用例解析・情報付与部等で、４
０は図３に例示するように文番号の日本語文（第１自然
言語）とそれに対応する英語文（第２自然言語）とが対
になった対訳用例が複数データとして記憶されている対
訳用例集で、図３では、サッカーについての日本語と英
語の対訳の場合について示したもので、このような対訳
用例が必要に応じて分野毎、翻訳する言語間毎に用意さ
れている。

【００３３】１０は、分野毎の用例に依存しない共通的
に使用される用例非依存の語句データ（データベース）
であり、用例非依存の語句データの例を図４に示す。図
４では、語句をそのまま列挙した辞書、複数の品詞や表
記を列挙した対訳パターン、ある条件により後述の対象
を決定するルールに分けられ、かつそれぞれ、入力文に
おける置換対象、追加一致対象、類似候補文における置
換対象、削除対象、追加対象をあらかじめ定めてある。
この各対象の指定は、あらかじめ手動または自動で行わ
れる。入力文における追加一致対象は類似候補文の追加
対象との一致を調べる対象であり、類似候補文における
削除対象と共通である。

【００３４】入力文、類似候補文における置換対象は、
解析・情報付与部２、用例解析・情報付与部５０で形態
素解析した結果をもとに、接続詞や副詞や数詞や連体詞
などのパターンを置換対象とする。また、ルールによっ
て形容詞、形容動詞は各々の活用や型ごとに分けて指定
する。

【００３５】入力文における追加一致対象、類似候補文
における削除対象は、修飾する語や独立している語を主
に対象とする。解析・情報付与部２、用例解析・情報付
与部５０で形態素解析した結果をもとに、接続詞や副詞
や連体詞、形容詞の連体形および形容動詞の連体
形、“、”、名詞＋“に”などを削除対象として指定す
る。

【００３６】類似候補文における追加対象は、その種類
と語句の追加位置を指定する。図４のルールでは、ある
用例文１から削除可能箇所を挟んで前ｎ個の語、後ｍ個
の語を含むパターンを抽出し、そのうち削除可能箇所が
抜けているパターンを含むある用例文２を探し、前ｎ
個、後ｍ個の語に対応するものがそれぞれ品詞、型、活
用形で一致し、ある用例文１と同じ削除可能箇所の要素
がある用例文２に含まれていない場合に、その用例文２
の前ｎ個と後ｍ個の語間に追加可能箇所の情報を付与す
る。

【００３７】他の置換、削除、追加対象には、人手もし
くは既にある一般の辞書を利用して、必要最小限の辞
書、パターン、ルールを指定する。その例は図４のパタ
ーンの欄にある「［時間］」や「［時間］“に”」が該
当する。

【００３８】２０は用例依存の語句データ（データベー
ス）で、分野毎に用意されている。これは、分野非依存
な置換、削除、追加一致、追加対象とならない特有の表
現に関して補うことができる。用例依存の語句データ２
０の例を図５（ｂ）に示す。図５（ｂ）も図４と同様の
構成になっている。

【００３９】３０は用例依存データを自動的に作成する
データ作成部であり、例えば、置換対象などを得ること
ができる。置換対象を自動で得るためには、まず、対訳
用例集（データベース）４０を用例非依存、用例依存の
語句対応データ（図５（ａ））を順に用いて、用例解析
・情報付与部５０で用例文に情報を付与する。次に、そ
れらの情報を元に置換可能箇所と削除可能箇所が全く同
じ範囲に現れるものや、削除可能箇所に含まれていて全
ての名詞や形容詞といった自立語が置換可能箇所となっ
ている削除可能箇所を削り、得られた用例間で後述の入
力文と類似候補文との類似度計算（置換のみを考慮）を
利用し、類似度が閾値Ｔ以上の文を抽出し、各用例で置
換対象となっていないＬ語が同じ品詞列であり、その前
後Ｋ個が同じ要素である場合に、各用例のＬ語の語句を
新たな置換対象と定める。図６にその例を示す。その結
果追加されたものが図５（ｂ）の「［置換１］」であ
る。この場合、「ＰＫ」も「フリーキック」も名詞であ
るので文法的に一致しているが、分野依存の用例文から
似ている文を選び、前後の要素の一致で制限しているこ
とから、より意味的に類似しているものが得られてい
る。また、得られた置換対象が名詞の場合は、「［置換
１］“で”」を削除対象とする。閾値Ｔを最初は高めに
設定し、所定の下限まで順次閾値を下げて置換対象を抽
出する。

【００４０】５０は、用例非依存の語句データ１０、用
例依存の語句データ２０、対訳用例集４０から類似文と
して抽出された候補文を図２（ａ）に示すように形態素
解析等により解析する用例解析・情報付与部で、処理す
る入力文の解析・情報付与部２（図２（ｂ））と同様に
置換、削除、追加可能箇所を調べ、情報を付与する。

【００４１】６０は、解析済み対訳用例集（データベー
ス）で、用例解析・情報付与部５０の出力を保持し、情
報付与された入力文と検索部３において比較するための
部分であり、その例を図８および図９に示す。

【００４２】図８は、図３に示した対訳用例集の日本語
用例を、それぞれの文について解析し（図７）、図４に
示した用例非依存の語句データおよび図５（ｂ）に示し
た用例依存の語句データにしたがい置換、削除、追加可
能箇所を示したものである。解析結果からの情報付与
は、用例非依存、用例依存の順に、置換対象、削除対
象、追加対象の順で行う。用例非依存と用例依存の語句
データは同じ種類であれば、非依存、依存に関係なく同
じ集合として扱う（例、［時間］）。図７における品詞
および図８における置換、削除、追加の欄は、図９にあ
るように略称で示してある。ただし、図８の削除の欄は
削除語句の範囲を示したものである。また解析済み対訳
用例集６０には、図２（ａ）の処理により文中の単語と
文番号の対応表（図１０）も格納されている。

【００４３】用例解析・情報付与部５０および解析済み
対訳用例集６０は、実施例では各データ１０，２０，対
訳用例集４０に対応してあらかじめ解析済みデータを保
持している場合について説明するが、処理毎に各データ
１０，２０，対訳用例集４０から抽出し、情報を付与す
る方式としてもよい。

【００４４】

【実施例】以下、図面と共に本発明の実施例を説明す
る。以下の実施例では入力される語句を日本語、検索さ
れた類似文の訳文の語句を英語として説明するが、これ
に限定されない。

【００４５】［実施例１］まず、事前に図１の用例部５
にあるデータを準備する。

【００４６】図３を図１の対訳用例集４０の対訳用例と
すると、図１の用例解析・情報付与部５０内において、
図２の用例文の解析で形態素解析処理により図７が作成
される。図７は文節ごとに“｜”で、品詞ごとに“／”
で区切っており、品詞、型の番号、活用形を記してい
る。また、図７と用例非依存の語句データ１０と用例依
存の語句データ２０を用いて、用例文ごとに置換、削
除、追加可能箇所を調べ、情報を付与すると図８が作成
される。このとき同時に、用例文に含まれている単語と
文番号の対応表（図１０）も作成される。図８と図１０
は、図１の解析済み対訳用例集６０に蓄積される。

【００４７】図８を作成する際に利用される図１の用例
依存の語句データ２０（図５（ｂ））の一部は自動的に
作成される。まず、用例依存の語句対応データの置換箇
所を追加するために、対訳用例集４０について、用例非
依存の語句データ１０（図４）と用例依存の語句データ
２０（図５（ａ））を用いて情報付与を行う。次に、図
６に従うように置換可能箇所と削除可能箇所が全く同じ
範囲に現れているものや削除可能箇所に含まれている全
ての自立語が置換箇所となっている削除可能箇所を削
る。次に、後述の入力文と類似候補文の類似度計算と同
じ方法で得られた用例間の類似度計算（置換のみを考
慮）を行い、類似度が閾値Ｔ以上の文を抽出する。次
に、各用例で置換対象となっていないＬ語が同じ品詞列
であり、その前後Ｋ個が同じ要素となる場合に、各用例
のＬ語の語句を置換対象と定める。その結果、図５
（ｂ）の置換対象の辞書の欄に「［置換１］」が、「対
訳辞書：［置換１］」が追加される。また、得られた置
換対象である［置換１］が名詞の場合は、他の単語と同
じように「［置換１］“で”」を削除対象のパターンに
追加する。閾値Ｔを最初は高めに設定し、所定の下限ま
で順次閾値を下げて置換対象を抽出することも可能であ
る。

【００４８】次に、実際の処理において、図１の１から
入力文「中田がＰＫで貴重な得点をあげた。」が入力さ
れ、図１の解析、情報付与部２内において、図２の入力
文の解析で形態素解析処理により図１１が作成される。
また、置換可能箇所と類似候補文との追加一致箇所を調
べ、情報を付与すると図１２が作成される。

【００４９】次に、図１の検索部３において、入力文と
図３の用例文（日本語用例）から入力文の類似文を検索
する。検索部３は図１３のようになっている。

【００５０】類似候補文抽出部３０１では、事前にあま
り似ていない用例文の処理を省くために、入力文の単語
と同じ単語が所定の閾値以上含んでいる文を選択する。
実際は入力文の単語を図１０で調べ、入力文の単語数に
おける一致単語数の割合が閾値以上の文を選択する。文
１＝８／１０＝０．８、文２＝８／１０＝０．８、文３
＝９／１０＝０．９、文４＝１／１０＝０．１となり、
閾値が０．７であったとすると、文１〜３が選択され
る。

【００５１】類似候補文・入力文加工部３０２で、入力
文と類似候補文がより類似するように類似候補文につい
て置換箇所の一般化や不要語句の削除や必要語句の追加
を行い、入力文について置換箇所の一般化を行う。図１
４に入力文と文３の例を示す。まず、入力文、類似候補
文の解析結果から、文節ごとに表記の一致を調べる。図
１４のでは、入力文の先頭の文節から文３に同じもの
があるかどうか調べると、“中田が”、“ＰＫで”、
“貴重な”、“得点を”が一致するので、対応している
印として１を格納している。次に、表記が一致しない文
節について語句の置換を施した文節ごとに一致を調べ
る。置換を施す際には、図１４のの文３のように、１
文節内の表現が複数考えられる場合があるので、表記そ
のものが多く含まれるものを優先して、文節内の語と置
換可能箇所からなる要素の合計数が多く、置換可能箇所
に該当する単語数が少ない順に並列に蓄積しておき、そ
の順番で一致を調べる。文３の“３０分に”は、
“［数］分に”と“［時間］に”があるが、前者の方
が優先される。結果、図１４のでは、入力文の“［動
＿２４１＿用］た。”は一致しない。図１４のでは、
語句の置換を施した文節でも一致しない場合について、
その文節内で取りうる全ての単語や置換箇所を単位とし
て一致を調べる。ここでは、優先順位を複数の単語が一
致する置換可能箇所、１語の表記、１語の置換可能箇所
として順に並列に蓄積しておき、その順番で一致を調べ
る。結果、図１４のでは、“た”と“。”が一致する
ので、対応している印として１を格納している。図１４
のでは、類似候補文において１度も一致しない箇所に
ついて削除可能箇所ならば削除を施し、入力文において
１度も一致しない箇所と同じものが類似候補文に追加可
能箇所としてあれば、類似候補文にそれを追加する。ま
ず、入力文、文３ともに〜で対応した箇所を調べ、
次に文３の削除可能箇所を調べる。削除可能箇所は、ま
ず文節全体で削除できるものがあるか調べ、なければ残
りの削除可能箇所を組合せて最も多くの単語が削除でき
る削除可能箇所を選ぶ。結果、“そして、”と“３０分
に”が削除される。次に文３において追加可能箇所を調
べるが、そのようなものはないため、入力文は「中田／
が／ＰＫ／で／貴重な／得点／を／あげ／た／。」、文
３は「中田／が／ＰＫ／で／貴重な／得点／を／し／た
／。」に加工される。同様に、文１、文２も加工すると
図１５のようになる。

【００５２】次に、類似度計算部３０３において、加工
した入力文と類似候補文を類似度計算する。ここでは、
類似度の計算式を以下のようにするが、他の方法で適切
なものがあればそれを利用しても構わない。

【００５３】類似度＝２×一致要素数／（入力文の要素
数＋類似候補文の要素数）結果、図１５にあるように、文２が類似文として選択さ
れる。

【００５４】最後に、図１の出力部において類似文と類
似文の訳文が出力される。この例では、文２「中山がフ
リーキックで貴重な得点をあげた。」と「Ｎａｋａｙａ
ｍａａｄｄｅｄａｖａｌｕａｂｌｅｇｏａｌｆ
ｒｏｍａｆｒｅｅｋｉｃｋ．」が出力される。仮
に、類似度が同じものが複数あった場合は、図１５に示
すように、での削除後の要素（単語や置換可能箇所）
一致度、での要素一致度、での文節一致度、での
文節一致度を順に比較し、類似度に差が出た時点で類似
度の高い方を選択する。要素の一致とは、文節中に含ま
れる単語や置換箇所のレベルで行うことである。

【００５５】もし、図５（ｂ）の置換対象として「［置
換１］」と「対訳辞書：［置換１］」を自動的に追加で
きていなければ、文１〜文３まで類似度が２×９／（１
０＋１０）＝０．９となり、仮に複数の類似文を結果と
して出力せず、同じ類似度では文番号の早いものを出力
するとした場合、文全体の意味として他の文よりも入力
文に似ていない文１が選択されてしまう。

【００５６】この例では、特定の分野の用例文を用い
て、文書の分野に依存するデータを自動作成しているた
め、文法的または意味的な置換箇所を増やすことで、よ
り細かな点を考慮した類似度計算をすることができ、ま
た、入力文に似ていない文をあらかじめ削除すること
で、類似度計算の時間を短縮できることを示した。

【００５７】［実施例２］実施例１と同様に説明する。

【００５８】まず、事前に図１の用例部５にあるデータ
を準備する。

【００５９】図１６を図１の対訳用例集４０の対訳用例
とすると、図１の用例解析・情報付与部５０内におい
て、図２（ａ）の用例文の解析で形態素解析処理により
図１７が作成される。図１７は文節ごとに“｜”で、品
詞ごとに“／”で区切っており、品詞、型の番号、活用
形を記している。また、図１７と用例非依存の語句デー
タ１０と用例依存の語句データ２０を用いて、用例文ご
とに置換、削除、追加可能箇所を調べ、情報を付与する
と図１８が作成される。このとき同時に、各対訳用例の
文ごとに含まれている単語と文番号の対応表（図１９）
も作成される。図１８と図１９は、図１の解析済み対訳
用例集６０に蓄積される。

【００６０】用例依存の語句データ２０は、この例の対
訳用例が図１６であるため、図５（ａ）が利用される。
また、図１７、図１８の置換、削除可能箇所と図４の用
例非依存の語句データにある追加対象のルール（ｍ＝２
とした場合）により、図１８の文１の文頭に追加可能箇
所が付与されている（文２の文頭：「そして／、／固＿
１９０＿^*/が」と文１の文頭：「固＿１９０＿^*/が」に
おいて、「そして／、」が削除可能箇所となってい
る）。

【００６１】次に、実際の処理において、図１の入力部
１から入力文「そして、中田が貴重な得点をした。」が
入力され、図１の解析・情報付与部２内において、図２
（ｂ）の入力文の解析で形態素解析処理により図２０が
作成される。また、置換可能箇所と類似候補文との追加
一致箇所を調べ、情報を付与すると図２１が作成され
る。

【００６２】次に、図１の検索部３において、入力文と
図１６の用例文（日本語用例）から入力文の類似文を検
索する。図１３に沿って説明する。

【００６３】類似候補文抽出部３０１では、事前にあま
り似ていない用例文の処理を省くために、入力文の単語
と同じ単語が所定の閾値以上含んでいる文を選択する。
実際は入力文の単語を図１９で調べ、入力文の単語数に
おける一致単語数の割合が閾値以上の文を選択する。文
１＝７／１０＝０．７、文２＝８／１０＝０．８とな
り、閾値が０．７であったとすると、文１、文２の両方
が選択される。

【００６４】類似候補文・入力文加工部３０２では、入
力文と類似候補文がより類似するように類似候補文につ
いて置換箇所の一般化や不要語句の削除や必要語句の追
加を行い、入力文について置換箇所の一般化を行う。図
２２に入力文と文１の例を示す。まず、入力文、類似候
補文の解析結果から、文節ごとに表記の一致を調べる
と、において、“貴重な”、“得点を”、“した
。”が一致する。次に、表記が一致しない文節につい
て語句の置換を施した文節ごとに一致を調べると、に
おいて、“［固＿１９０］が”一致する。語句の置換を
施しても一致しない文節について、その文節内で取りう
る全ての単語や置換箇所の要素の一致を調べると、文１
にはそのようなものがないのでは処理が省略される。
では、類似候補文において１度も一致しない箇所につ
いて削除可能箇所ならば削除を施し、入力文において１
度も一致しない箇所と同じ追加可能箇所が類似候補文に
あれば、類似候補文にそれを追加する。まず、入力文、
文１ともに〜で対応した箇所を調べる。次に文１の
削除可能箇所を調べると、文１に削除可能箇所はないの
で削除は行われない。次に入力文に一致していないもの
があり、文１に追加可能箇所があるので、それが一致す
るか調べる。処理は、、と同様の処理を行うが、
違いは入力文側のまだ対応が付いていない箇所と、文１
側は追加可能箇所の一致である。結果、“［接］、”で
一致するので、入力文は「（接、）／［固＿１９
０］／が／貴重な／得点／を／し／た／。」、文１は
「（接、）／［固＿１９０］／が／貴重な／得点／を
／し／た／。」に加工される。同様に、文２も加工する
と図２３のようになる。

【００６５】次に、類似度計算部３０３において、加工
した入力文と類似候補文を類似度計算する。

【００６６】結果、図２３にあるように、文１が類似類
として選択される。

【００６７】最後に、図１の出力部４において類似文と
類似文の訳文が出力される。この例では、文１「中山が
貴重な得点をした。」と「Ｎａｋａｙａｍａａｄｄｅ
ｄａｖａｌｕａｂｌｅｇｏａｌ．」が出力される。
仮に、類似度が同じなのが複数あった場合は、図２３に
示すように、での削除後の要素（単語や置換可能箇
所）一致度、での要素一致度、での文節一致度、
での文節一致度の順に比較し、類似度に差が出た時点で
類似度の高い方を選択する。要素の一致とは、文節中に
含まれる単語や置換箇所のレベルで一致を行うことであ
る。

【００６８】もし、図１３の類似候補文・入力文加工部
３０２において、類似候補文に追加対象を扱えなけれ
ば、文１に「［接、］」を追加できなくなるので、文１
の類似度が２×８／（１０＋８）＝０．８８となり、文
全体の意味として文１よりも入力文に似ていない文２が
選択されてしまう。

【００６９】この例では、置換、削除のみならず、追加
も考慮することで、より細かな類似度計算をすることが
できることを示した。

【００７０】［実施例３］実施例１，２と同様に説明す
る。

【００７１】まず、事前に図１の用例部５にあるデータ
を準備する。

【００７２】図２４を図１の対訳用例集４０の対訳用例
とすると、図１の用例解析・情報付与部５０内におい
て、図２（ａ）の用例文の解析で形態素解析処理により
図２５が作成される。図２５は文節ごとに“｜”で、品
詞ごとに“／”で区切っており、品詞、型の番号、活用
形を記している。また、図２５と用例非依存の語句デー
タ１０と用例依存の語句データ２０を用いて、用例ごと
に置換、削除、追加可能箇所を調べ、情報を付与すると
図２６が作成される。このとき同時に、各対訳用例の文
ごとに含まれている単語と文番号の対応表（図２７）も
作成される。図２６と図２７は、図１の解析済み対訳用
例集６０に蓄積される。

【００７３】用例依存の語句データは、この例の対訳用
例が図２４であるため、図５（ａ）が利用される。

【００７４】次に、実際の処理において、図１の入力部
１から入力文「中山が３０分に貴重な得点をした。」が
入力され、図１の解析・情報付与部２内において、図２
（ｂ）の入力文の解析で形態素解析処理により図２８が
作成される。また、置換可能箇所と類似候補文との追加
一致箇所を調べ、情報を付与すると図２９が作成され
る。

【００７５】次に、図１の検索部３において、入力文と
図２４の用例文（日本語用例）から入力文の類似文を検
索する。図１３に沿って説明する。

【００７６】類似候補文抽出部３０１では、事前にあま
り似ていない用例文の処理を省くために、入力文の単語
と同じ単語が所定の閾値以上含んでいる文を選択する。
実際は入力文の単語を図２７で調べ、入力文の単語数に
おける一致単語数の割合が閾値以上の文を選択する。文
１＝９／１１＝０．８１、文２＝１０／１１＝０．９０
となり、閾値が０．７であったとすると、文１、文２の
両方が選択される。

【００７７】類似候補文・入力文加工部３０２では、各
類似候補文と入力文がより類似するように類似候補文に
ついて置換箇所の一般化や不要語句の削除や必要語句の
追加を行い、入力文について置換箇所の一般化を行う。
実施例１、実施例２と同様な方法で処理を行った結果、
図３０に示す文のようになる。

【００７８】類似度計算部３０３では、加工した入力文
と類似候補文を類似度計算する。

【００７９】結果、図３０にあるように、文１が類似文
として選択される。

【００８０】最後に、図１の出力部４において類似文と
類似文の訳文が出力される。この例では、文１「中山が
開始直後貴重な得点をした。」と「Ａｆｔｅｒｂｅｇ
ｉｎｎｉｎｇ，Ｎａｋａｙａｍａａｄｄｅｄａｖ
ａｌｕａｂｌｅｇｏａｌ．」が出力される。仮に、類
似度が同じものが複数あった場合は、図３０に示すよう
に、での削除後の要素（単語や置換可能箇所）一致
度、での要素一致度、での文節一致度、での文節
一致度の順に比較し、類似度に差が出た時点で類似度の
高い方を選択する。要素の一致とは、文節中に含まれる
単語や置換箇所のレベルで一致を行うことである。

【００８１】もし、図１３の類似候補文・入力文加工部
３０２において、置換対象として複数の形態素列を１つ
の置換対象として扱えないならば、文１の類似度が２×
９／（１１＋１１）＝０．８１となり、文全体の意味と
して他の文よりも入力文に似ていない文２が選択されて
しまう。

【００８２】この例では、置換可能箇所の単位を複数の
単語も許すことで、より細かな点を考慮した類似度計算
をすることができることを示した。

【００８３】尚、図１の検索部３は、類似度の最も高い
類似候補文に加え、類似度が高い方から所定の数の類似
候補文を類似文として抽出するようにしてもよい。

【００８４】また、本発明における類似文検索方法は、
具体的にはパーソナルコンピュータ（ＰＣ）等のコンピ
ュータにより、予め所定のコンピュータ読み取り可能な
記録媒体に記録された類似文検索プログラムに基づいて
実行される。すなわち、例文集から入力文の類似文を検
索する類似文検索プログラムを記録したコンピュータ読
み取り可能な記録媒体において、例文集の類似候補文に
ついて事前に文法的もしくは意味的に置換、削除、追加
が可能な箇所に各情報を付与し、入力文にも同様に置換
が可能な箇所や類似候補文の追加可能箇所との一致が可
能な箇所に各情報を付与した上で、入力文と類似候補文
との類似度計算の際に、各文の差分箇所に対しての同種
の置換箇所の一致、不要箇所の削除や不足箇所の追加を
考慮した処理を行い、最も類似度の高い類似候補文を類
似文として類似度とともに抽出する処理をコンピュータ
に実行させる。

【００８５】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、類似度の最も高い類似候
補文に加え、類似度が高い方から所定の数の類似候補文
を類似文として出力する処理をコンピュータに実行させ
る。

【００８６】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、置換、削除、追加の情報
を付与するための基となるデータとして、汎用的に利用
できるものと、文書の分野に依存するものに分けて各デ
ータを作成し、文書分野に依存するデータの自動作成に
おいて、既存の汎用的もしくは分野依存のデータを用い
て情報を例文に付与し、置換可能かつ削除可能な箇所を
削った例文集から類似している文を集め、文中の置換情
報が付与されていない箇所で、その前後の箇所の表記や
置換の種類が一致しており、該当箇所の情報が同じで表
記の異なるものの集合を新たな置換対象のデータとして
作成し、同時に、新たな置換対象のデータと前後の表記
などを考慮して、新たな削除対象のデータを作成する処
理をコンピュータに実行させる。

【００８７】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、類似候補文について、例
文集の文が大量にある場合に、入力文の語句と同じ語句
の数が所定の閾値以上である類似候補文を新たな類似候
補文とする処理をコンピュータに実行させる。

【００８８】また本発明は、前記類似文検索プログラム
を記録した記録媒体において、例文集の各文と訳文の組
である対訳用例を用いて、入力文の類似文とその対訳を
抽出する処理をコンピュータに実行させる。

【００８９】

【発明の効果】以上述べたように本発明によれば、第１
自然言語の文のみ、もしくは、それに対応する第２自然
言語の文の組を含む対訳例文集を用いて、読み込まれた
第１自然言語の入力文から類似文を選択する際に、解析
された入力文と、解析された対訳用例文の類似度の比較
において、表記そのままや置換や削除だけでなく追加も
考慮し、また、置換、削除、追加の単位を複数単語列も
考慮するので、表記だけでは類似度が高くない場合で
も、文法的または意味的に類似した文が検索できる。ま
た、一部の置換や削除や追加の情報を付与するための元
となるデータを特定分野の対訳用例から自動的に得るこ
とができる。また、入力文に似ていない文をあらかじめ
削除することで、類似度計算の時間を短縮できる。

【００９０】また、特に対訳用例文の訳文を編集して入
力文の翻訳を行う処理の一部として、編集が容易で適切
な訳文となる対訳用例を選択するのに利用できる。

【図面の簡単な説明】

【図１】本発明の実施形態例に係る類似文検索方法によ
る処理手順および類似文検索装置の構成説明図である。

【図２】本発明の実施例に係る解析処理の説明図であ
る。

【図３】本発明の実施例に係る対訳用例集の例（１）を
示す説明図である。

【図４】本発明の実施例に係る用例非依存の語句データ
の例を示す説明図である。

【図５】本発明の実施例に係る用例依存の語句データの
例を示す説明図である。

【図６】本発明の実施例に係る用例依存の語句データの
自動抽出例を示す説明図である。

【図７】本発明の実施例に係る対訳用例集の例（１）の
日本語用例の形態素解析結果を示す説明図である。

【図８】本発明の実施例に係る対訳用例集の例（１）の
日本語用例の解析済み用例集を示す説明図である。

【図９】本発明の実施例に係る品詞、区分の説明図であ
る。

【図１０】本発明の実施例に係る対訳用例集の例（１）
の日本語用例における各文に含まれている単語と文番号
の対応を示す説明図である。

【図１１】本発明の実施例に係る入力文の形態素解析結
果（１）を示す説明図である。

【図１２】本発明の実施例に係る入力文の解析結果
（１）を示す説明図である。

【図１３】本発明の実施例に係る検索部を示す構成説明
図である。

【図１４】本発明の実施例に係る類似候補用例文と入力
文の加工の例（１）を示す説明図である。

【図１５】本発明の実施例に係る類似度計算に利用する
文と類似度の例（１）を示す説明図である。

【図１６】本発明の実施例に係る対訳用例集の例（２）
を示す説明図である。

【図１７】本発明の実施例に係る対訳用例集の例（２）
の日本語用例の形態素解析結果を示す説明図である。

【図１８】本発明の実施例に係る対訳用例集の例（２）
の日本語用例の解析済み用例集を示す説明図である。

【図１９】本発明の実施例に係る対訳用例集の例（２）
の日本語用例における各文に含まれている単語と文番号
の対応を示す説明図である。

【図２０】本発明の実施例に係る入力文の形態素解析結
果（２）を示す説明図である。

【図２１】本発明の実施例に係る入力文の解析結果
（２）を示す説明図である。

【図２２】本発明の実施例に係る類似候補用例文と入力
文の加工の例（２）を示す説明図である。

【図２３】本発明の実施例に係る類似度計算に利用する
文と類似度の例（２）を示す説明図である。

【図２４】本発明の実施例に係る対訳用例集の例（３）
を示す説明図である。

【図２５】本発明の実施例に係る対訳用例集の例（３）
の日本語用例の形態素解析結果を示す説明図である。

【図２６】本発明の実施例に係る対訳用例集の例（３）
の日本語用例の解析済み用例集を示す説明図である。

【図２７】本発明の実施例に係る対訳用例集の例（３）
の日本語用例における各文に含まれている単語と文番号
の対応を示す説明図である。

【図２８】本発明の実施例に係る入力文の形態素解析結
果（３）を示す説明図である。

【図２９】本発明の実施例に係る入力文の解析結果
（３）を示す説明図である。

【図３０】本発明の実施例に係る類似度計算に利用する
文と類似度の例（３）を示す説明図である。

【符号の説明】

１入力部２解析・情報付与部３検索部４出力部５用例部１０用例非依存の語句データ２０用例依存の語句データ３０データ作成部４０対訳用例集５０用例解析・情報付与部６０解析済み対訳用例集３０１類似候補文抽出部３０２類似候補文・入力文加工部３０３類似度計算部

Claims

【特許請求の範囲】

【請求項１】例文集から入力文の類似文を検索する類
似文検索方法において、例文集の類似候補文について事
前に文法的もしくは意味的に置換、削除、追加が可能な
箇所に各情報を付与し、入力文にも同様に置換が可能な
箇所や類似候補文の追加可能箇所との一致が可能な箇所
に各情報を付与した上で、入力文と類似候補文との類似
度計算の際に、各文の差分箇所に対しての同種の置換箇
所の一致、不要箇所の削除や不足箇所の追加を考慮した
処理を行い、最も類似度の高い類似候補文を類似文とし
て類似度とともに抽出することを特徴とする類似文検索
方法。
【請求項２】類似度の最も高い類似候補文に加え、類
似度が高い方から所定の数の類似候補文を類似文として
出力することを特徴とする請求項１記載の類似文検索方
法。
【請求項３】置換、削除、追加の情報を付与するため
の基となるデータとして、汎用的に利用できるものと、
文書の分野に依存するものに分けて各データを作成し、
文書分野に依存するデータの自動作成において、既存の
汎用的もしくは分野依存のデータを用いて情報を例文に
付与し、置換可能かつ削除可能な箇所を削った例文集か
ら類似している文を集め、文中の置換情報が付与されて
いない箇所で、その前後の箇所の表記や置換の種類が一
致しており、該当箇所の情報が同じで表記の異なるもの
の集合を新たな置換対象のデータとして作成し、同時
に、新たな置換対象のデータと前後の表記などを考慮し
て、新たな削除対象のデータとして作成することを特徴
とする請求項１又は２記載の類似文検索方法。
【請求項４】類似候補文について、例文集の文が大量
にある場合に、入力文の語句と同じ語句の数が所定の閾
値以上である類似候補文を新たな類似候補文とすること
を特徴とする請求項１、２叉は３記載の類似文検索方
法。
【請求項５】例文集の各文と訳文の組である対訳用例
を用いて、入力文の類似文とその対訳を抽出することを
特徴とする請求項１、２、３叉は４記載の類似文検索方
法。
【請求項６】用例文を複数保存した用例部と、入力文
を読み込む入力手段と、前記用例部の用例文から得られ
る類似候補文を語句単位に解析し、文法的もしくは意味
的に置換、削除、追加が可能な箇所に各情報を付与する
用例解析・情報付与手段と、前記入力手段によって読み
込まれた入力文を語句単位に解析し、文法的もしくは意
味的に置換が可能な箇所や類似候補文の追加可能箇所と
の一致が可能な箇所に各情報を付与する解析・情報付与
手段と、解析された類似候補文について、入力文と類似
候補文との類似度計算の際に、各文の差分箇所に対して
同種の置換箇所の一致、不要箇所の削除や不足箇所の追
加を考慮した上で類似度を計算し、最も類似度が高い類
似候補文を類似文として抽出する検索手段、前記検索手
段により抽出された類似文を類似度とともに出力する出
力手段とを有することを特徴とする類似文検索装置。
【請求項７】検索手段が、類似度の最も高い類似候補
文に加え、類似度が高い方から所定の数の類似候補文を
類似文として抽出することを特徴とする請求項１記載の
類似文検索装置。
【請求項８】置換、削除、追加の情報の付与におい
て、基となるデータとして、汎用的に利用できるもの
と、文書の分野に依存するものに分けて各データを記述
しておき、文書の分野に依存するデータの自動作成にお
いて、既存の汎用的もしくは分野依存のデータを用いて
置換可能かつ削除可能な箇所を削った例文集の文から類
似している文を集め、文中の置換情報が付与されていな
い箇所で、その前後の箇所の表記や置換の種類が一致し
ており、該当箇所の情報が同じで表記の異なるものの集
合を新たな置換対象のデータとして作成し、同時に、新
たな置換対象のデータと前後の表記などを考慮して、新
たな削除対象のデータとして作成するデータ作成手段を
有することを特徴とする請求項６叉は７記載の類似文検
索装置。
【請求項９】検索手段において、事前に入力文の語句
と同じ語句の数が所定の閾値以上の文を類似候補文とし
て検索対象とすることを特徴とする請求項６、７叉は８
記載の類似文検索装置。
【請求項１０】用例文に対して訳文が対応づけられた
対訳用例を用いた場合に、前記検索手段により抽出され
た類似文とその訳文を出力する出力手段とを有すること
を特徴とする請求項６、７、８叉は９記載の類似文検索
装置。
【請求項１１】例文集から入力文の類似文を検索する
類似文検索プログラムを記録した記録媒体において、例
文集の類似候補文について事前に文法的もしくは意味的
に置換、削除、追加が可能な箇所に各情報を付与し、入
力文にも同様に置換が可能な箇所や類似候補文の追加可
能箇所との一致が可能な箇所に各情報を付与した上で、
入力文と類似候補文との類似度計算の際に、各文の差分
箇所に対しての同種の置換箇所の一致、不要箇所の削除
や不足箇所の追加を考慮した処理を行い、最も類似度の
高い類似候補文を類似文として類似度とともに抽出する
処理をコンピュータに実行させるための類似文検索プロ
グラムを記録したコンピュータ読み取り可能な記録媒
体。
【請求項１２】請求項１１記載の類似文検索プログラ
ムを記録した記録媒体において、類似度の最も高い類似
候補文に加え、類似度が高い方から所定の数の類似候補
文を類似文として出力する処理をコンピュータに実行さ
せるための類似文検索プログラムを記録したコンピュー
タ読み取り可能な記録媒体。
【請求項１３】請求項１１又は１２記載の類似文検索
プログラムを記録した記録媒体において、置換、削除、
追加の情報を付与するための基となるデータとして、汎
用的に利用できるものと、文書の分野に依存するものに
分けて各データを作成し、文書分野に依存するデータの
自動作成において、既存の汎用的もしくは分野依存のデ
ータを用いて情報を例文に付与し、置換可能かつ削除可
能な箇所を削った例文集から類似している文を集め、文
中の置換情報が付与されていない箇所で、その前後の箇
所の表記や置換の種類が一致しており、該当箇所の情報
が同じで表記の異なるものの集合を新たな置換対象のデ
ータとして作成し、同時に、新たな置換対象のデータと
前後の表記などを考慮して、新たな削除対象のデータと
して作成する処理をコンピュータに実行させるための類
似文検索プログラムを記録したコンピュータ読み取り可
能な記録媒体。
【請求項１４】請求項１１、１２又は１３記載の類似
文検索プログラムを記録した記録媒体において、類似候
補文について、例文集の文が大量にある場合に、入力文
の語句と同じ語句の数が所定の閾値以上である類似候補
文を新たな類似候補文とする処理をコンピュータに実行
させるための類似文検索プログラムを記録したコンピュ
ータ読み取り可能な記録媒体。
【請求項１５】請求項１１、１２、１３又は１４記載
の類似文検索プログラムを記録した記録媒体において、
例文集の各文と訳文の組である対訳用例を用いて、入力
文の類似文とその対訳を抽出する処理をコンピュータに
実行させるための類似文検索プログラムを記録したコン
ピュータ読み取り可能な記録媒体。