[go: up one dir, main page]

KR20040025642A - 확인 문장을 검색하기 위한 방법 및 시스템 - Google Patents

확인 문장을 검색하기 위한 방법 및 시스템 Download PDF

Info

Publication number
KR20040025642A
KR20040025642A KR1020030065039A KR20030065039A KR20040025642A KR 20040025642 A KR20040025642 A KR 20040025642A KR 1020030065039 A KR1020030065039 A KR 1020030065039A KR 20030065039 A KR20030065039 A KR 20030065039A KR 20040025642 A KR20040025642 A KR 20040025642A
Authority
KR
South Korea
Prior art keywords
query
sentence
terms
sentences
function
Prior art date
Application number
KR1020030065039A
Other languages
English (en)
Other versions
KR101004515B1 (ko
Inventor
조밍
우후아
장유에
자오지안펭
후앙창닝
Original Assignee
마이크로소프트 코포레이션
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 마이크로소프트 코포레이션 filed Critical 마이크로소프트 코포레이션
Publication of KR20040025642A publication Critical patent/KR20040025642A/ko
Application granted granted Critical
Publication of KR101004515B1 publication Critical patent/KR101004515B1/ko

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
    • G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
    • G06F16/33—Querying
    • G06F16/3331—Query processing
    • G06F16/334—Query execution
    • G06F16/3347—Query execution using vector based model
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/40—Data acquisition and logging
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10—TECHNICAL SUBJECTS COVERED BY FORMER USPC
    • Y10S—TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y10S707/00—Data processing: database and file management or data structures
    • Y10S707/99931—Database or file accessing
    • Y10S707/99933—Query processing, i.e. searching

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Computational Linguistics (AREA)
  • Computer Hardware Design (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Machine Translation (AREA)

Abstract

질의에 응답하여 문장 데이터베이스로부터 확인 문장을 검색하는 방법, 컴퓨터 판독가능 매체, 시스템이 제공된다. 검색 엔진은 질의에 응답하여 문장 데이터베이스로부터 확인 문장을 검색한다. 확인 문장을 검색시, 검색 엔진은, 질의에 기초하여 인덱싱 단위를 정의하며, 그 인덱싱 단위는 질의로부터의 렘마와 상기 질의에 관련되는 확장된 인덱싱 단위를 포함한다. 그 후, 검색엔진은 검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 문장 데이터베이스로부터 복수개의 문장을 검색한다. 상기 복수개의 검색된 문장 각각과 상기 질의 사이의 유사성은, 질의 내의 용어의 언어학적 가중치의 함수로서 결정된다. 그 후, 검색 엔진은 그 결정된 유사성에 기초하여 복수개의 검색된 문장의 순서를 정한다.

Description

확인 문장을 검색하기 위한 방법 및 시스템{METHOD AND SYSTEM FOR RETRIEVING CONFIRMING SENTENCES}
본 발명은 머신 지원 기재 시스템(machine aided writing system)과 방법에 관한 것이다. 특히, 본 발명은 사용자가 외국어로 기재하는 것을 지원하기 위한 시스템 및 방법에 관한 것이다.
글로벌 통신의 급격한 발전에 따라, 영어와 다른 외국어를 기재할 수 있는 능력이 점점 중요해지고 있다. 그러나 외국인(예를 들어, 중국어, 일본어, 한국어 또는 다른 비영어권 언어를 말하는 사람들)은 종종 영어로 기재하는 것이 매우 어렵다고 인식한다. 그 어려움은 철자 또는 문법이 아닌 관용 어법에 빈번하게 일어난다. 따라서, 이 외국인들이 영어를 기재하는 동안에 가장 큰 문제점은 어떻게 문장을 다듬을 지를 결정하는 것이다. 이는 임의의 외국어를 기재하는 과정에 있어서 참일 수 있지만, 영어를 기재하는 것을 참조하여 그 문제점이 주로 기술된다.
철자 검사 및 문법 검사는 사용자가 단어의 철자를 잘못 쓰거나 명확한 문법적 오류를 행할 때만 유용하다. 이들 검사 프로그램은 문장을 다듬는 것을 돕는 것으로는 의존될 수 없다. 사전도 또한 유용할 수 있지만, 대부분 독해와 번역을해결하는 데만 유용할 뿐이다. 통상, 사전에서 단어를 찾아보는 것은 저자에게 단어의 용법에 대한 여러 설명을 제공하지만, 문맥 정보를 제공하지는 않는다. 그 결과, 사용자가 어떠한 솔루션을 얻는 것이 매우 혼동스럽고 시간이 많이 걸린다.
통상, 저자는 저술시 문장을 다듬는 데 참고를 위한 우수한 용례를 갖는 것이 매우 유용함을 인식한다. 문제는 이들 용례가 입수하기 매우 힘들다는 점이다. 더욱이, 지금까지는, 영어 퇴고를 지원하는 효과적인 소프트웨어가 존재하지 않았으며, 이 분야에서 활동하는 연구원들이 거의 없었다.
사용자에게 영어 문자의 퇴고를 지원할 수 있는 시스템을 구현하는 수많은 도전이 있었다. 우선, 사용자의 문장이 주어지면, 확인 문장(confirming sentence)을 어떻게 검색할 지가 결정되어야 한다. 확인 문장은 사용자의 문장을 확인하는 데 사용된다. 확인 문장은 문장 구조 또는 형태에서 사용자의 입력 질의 또는 의도된 입력 질의에 근접해야 한다. 한정된 예시 근거가 주어지면, 완전히 유사한 문장을 검색하는 것이 어렵기 때문에, 통상, 기재된 문장(질의 문장)과 일부 유사한 부분을 포함하는 문장을 검색하는 것만이 가능하다. 따라서, 두개의 상호연관된 문제가 발생한다. 첫번째 문제는 사용자의 문장이 너무 길고 복잡하면, 어느 부분이 사용자의 초점으로 취해져야 하는 지이다. 두번째 문제는 다수의 문장들이 매칭되면, 저자에게 그유용성을 극대화하기 위해서 어떻게 이를 정확하고 효율적으로 순위를 정할 지이다.
두번째 도전은 힌트 문장을 어떻게 검색할 지를 결정하는 것이다. 힌트 문장은 확장 표현을 제공하는 데 사용된다. 다시 말하면, 힌트 문장은 사용자의 입력 질의 문장에 의미상 유사하여야 하며, 특정 사상을 표현하는 다른 방법을 사용자에게 제공하는 데 사용된다. 보다 복잡한 경우는, 사용자의 문장이 혼동시키는 표현을 포함하는 경우, 또는, 심지어 사용자의 문장이 영어로서 기재되었지만 다른 언어(예를 들어, "중국어와 유사한 영어 문장")에 적절한 문장 구조 또는 문법을 채용한 경우에, 적절한 힌트 문장을 검색하기 위해서 사용자의 진의를 어떻게 파악할 지를 결정하는 것이다. 세번째 도전은 그 또는 그녀의 모국어로서 기재된 질의를 이용하여 사용자가 검색할 수 있는 사실에 관한 것이다. 정확한 번역을 실현하기 위해서는, 질의 이해 및 번역 선택은 두가지 큰 기술상의 장애물이다.
상술한 문제점들은 영어가 모국어가 아닌 사람들(예를 들어, 모국어가 중국어, 일본어 또는 한국어인 사람들)에 의해 영어 문장을 작성하는 것을 참조하여 기술되었지만, 이들 문제는 제1 언어(외국어)로 작성하고 제2 언어(모국어)의 모국어 화자인 사람들에 대하여 공통이다. 상술된 이들 또는 다른 문제에 있어서, 관련 확인 및/또는 힌트 문장을 제공함으로써, 외국인이 영어 또는 다른 외국어를 작성하도록 지원하는 시스템 또는 방법은 해당 기술에 상당한 향상일 것이다.
질의에 응답하여 문장 데이터베이스로부터 확인 문장을 검색하는 방법, 컴퓨터 판독가능 매체 및 시스템이 제공된다. 확인 문장은 사용자의 문자 구조를 기재시에 확인 또는 가이드하는 데 사용된다. 따라서, 확인 문장이 문장 구조 또는 형태에서 사용자의 입력 질의 또는 의도된 입력 질의에 문법 예로서 기능하기 위해서는 근접해야 한다.
검색 엔진은 질의에 응답하여 문장 데이터베이스로부터 확인 문장을 검색한다. 질의가 수신되어 인덱싱 단위(indexing unit)가 그 질의에 기초하여 정의되며, 그 인덱싱 단위는 질의로부터의 렘마(lemma)와 그 질의에 관련되는 확장 인덱싱 단위(extended indexing unit)를 포함한다. 문장 데이터베이스로부터 문장은 검색 파라미터로서 정의된 인덱싱 단위를 사용하여 검색 엔진에 의해 검색된다.
검색 엔진의 순위 콤포넌트(ranking component)는 각각의 검색된 확인 문장과 질의 간에 유사성(similarity)을 판단한다. 유사성은 질의 내 용어(term)의 언어학적 가중치 함수로서 결정된다. 질의에서 용어의 언어학적 가중치는 품사의 함수로서 질의 내의 용어에 할당된 가중치이다. 그 후, 순위 콤포넌트는 결정된 유사성에 기초하여 검색된 확인 문장의 순위를 정한다.
일부 구현예에서, 각각의 유사성은 댕응하는 확인 문자의 길이에 대응하여 문장 길이 인자의 함수로서 또한 결정된다.
도 1은 본 발명이 실시될 수 있는 컴퓨팅 환경의 블록도.
도 2는 본 발명이 실시될 수 있는 다른 컴퓨팅 환경의 블록도.
도 3은 사용자가 영문을 구성하고 다듬는 것을 돕는 본 발명의 시스템 및 방법을 도시하는 블록도.
도 4a 내지 도 4b는 각각 영어 질의와 중국어 질의에 대한 의존성 트리플의 예를 나타내는 도면.
도 5a은 의존성 트리플 데이터베이스를 생성하는 방법을 도시하는 블록도.
도 5b는 문장 데이터베이스를 검색하는 데 사용하기 위한 다른 표현을 제공하는 질의 확장 방법을 도시하는 블록도.
도 6a은 사용자의 입력 질의 의도를 파악하는 번역 방법을 도시하는 블록도.
도 6b는 혼동 집합 데이터베이스를 구성하는 방법을 도시하는 블록도.
도 6c은 사용자의 입력 질의 의도를 파악하는 혼동 집합 방법을 도시하는 블록도.
도 7은 문장의 검색을 향상시키는 질의 번역 방법을 도시하는 블록도.
도 8은 도 3에 도시된 검색 엔진의 일 구현예를 도시하는 블록도.
<도면의 주요 부분에 대한 부호의 설명>
202: 프로세서212: 메모리
216: 오브젝트 저장315: 검색 엔진
320: 문장 베이스360: 트리플 데이터베이스
본 발명은 사용자가 외국어를 기재하고 제안된 문장을 참조함으로써 그들의 문장을 다듬을 수 있게 하는 효과적인 시스템을 제공한다. 제안된 문장은, 확인 문장 및 힌트 문장일 수 있으며, 질의로서 사용자의 문장을 이용하여 문장 데이터베이스로부터 자동적으로 검색된다. 이 시스템을 실현하기 위해서, 여러 기술들이 제안된다. 예를 들어, 첫번째는 향상된 예시 문장 추천 방법에 관한 것이다. 두번째는 사용자의 모국어 검색을 수월하게 하는 향상된 교차언어 정보 검색 방법 및 기술에 관한 것이며, 다른 것들도 또한 제안된다.
도 1은 본 발명이 구현될 수 있는 적절한 컴퓨팅 시스템 환경(100)의 일예를 도시한다. 컴퓨팅 시스템 환경(100)은 적절한 컴퓨팅 환경의 단지 일예이며, 본 발명의 사용 또는 기능의 범위에 대한 임의의 제한을 암시하려는 것은 아니다. 컴퓨팅 환경(100)은 예시적인 운용 환경(100)에서 도시된 임의의 하나의 콤포넌트 또는 조합에 관하여 임의의 의존성 또는 요건을 갖는 것으로 이해되어서는 안된다.
본 발명은 수많은 다른 범용 또는 특정 목적 컴퓨팅 시스템 환경 또는 구성을 이용하여 동작한다. 본 발명이 사용하기에 적합할 수 있는 공지된 컴퓨팅 시스템, 환경, 및/또는 구성의 예는 개인용 컴퓨터, 서버 컴퓨터, 핸드헬드, 또는 랩탑 장치, 셋탑 박스, 프로그래머블 소비자 전자제품, 네트워크 PC, 미니컴퓨터, 메인프레임 컴퓨터, 전화 시스템, 상기 시스템 또는 장치의 임의의 것을 포함하는 분산 컴퓨팅 환경 등을 포함하며 이에 한정되지는 않는다.
본 발명은 컴퓨터에 의해 실행되는 프로그램 모듈과 같은 컴퓨터 실행가능 명령의 일반적이 경우에 대하여 기재될 것이다. 통상, 프로그램 모듈은, 특정 태스크를 이행하거나 추사 데이터형을 구현하는 루틴, 프로그램, 오브젝트, 콤포넌트, 데이터 구조 등을 포함한다. 또한, 본 발명은 통신 네트워크를 통해 연결되는 원격 프로세싱 장치에 의해 태스크가 이행되는 분산 컴퓨팅 환경에서 실시될 수 있다. 분산 컴퓨팅 환경에서는, 프로그램 모듈이 메모리 스토리지 장치를 포함하는 로컬 및 원격 컴퓨터 스토리지 장치에 모두 배치될 수 있다.
도 1을 참조하면, 본 발명을 구현하기 위한 예시적인 시스템은, 컴퓨터(110) 형태의 범용 컴퓨팅 장치를 포함한다. 컴퓨터(110)의 콤포넌트는 처리부(120), 시스템 메모리(130) 및 시스템 메모리를 포함하는 여러 시스템 콤포넌트를 처리부(120)에 결합시키는 시스템 버스(121)를 포함할 수 있으며 이에 한정되지는 않는다. 시스템 버스(121)은 메모리 버스, 메모리 제어기, 병렬 버스, 및 다양한 버스 구조 중에서 임의의 것을 사용하는 로컬 버스를 포함하는 여러 유형의 버스 구조 중에서 임의의 것일 수 있다. 예를 들어 -한정이 아님-, 이러한 구조는 산업표준 구조(ISA) 버스, 마이크로 채널구조 (MCA) 버스, 향상된 ISA(EISA) 버스, 비디오 전자표준 협회(VESA) 로컬 버스, 및 메자닌(Messanine) 버스로도 알려진 병렬 콤포넌트 상호접속(PCI)을 포함한다.
통상, 컴퓨터(110)는 다양한 컴퓨터 판독가능 매체를 포함한다. 컴퓨터 판독가능 매체는 컴퓨터(110)에 의해 액세스될 수 있는 임의의 이용가능 매체일 수 있으며, 휘발성과 비휘발성, 분리형과 비분리형 매체를 모두 포함한다. 예를 들어 -한정이 아님-, 컴퓨터 판독가능 매체는 컴퓨터 스토리지 매체와 통신 매체를 포함할 수 있다. 컴퓨터 스토리지 매체는, 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈 또는 다른 데이터와 같은 정보의 스토리지에 대한 임의의 방법 또는 기술에서 구현되는 휘발성과 비휘발성, 분리형과 비분리형 매체를 포함한다. 컴퓨터 스토리지 매체는 RAM, ROM, EEPROM, 플래시 메모리 또는 다른 메모리 기술, CD-ROM, 디지털 다용도 디스크(DVD), 또는 다른 광 디스크 스토리지, 자기 카세트, 자기 테이프, 자기 디스크 스토리지 또는 다른 자기 스토리지 장치, 또는 원하는 정보를 저장하는 데 사용될 수 있고 컴퓨터(110)에 의해 액세스될 수 있는 임의의 다른 매체를 포함하며 이에 한정되지는 않는다. 컴퓨터 매체는 통상 반송파 또는다른 운송 매커니즘과 같이 변조된 데이터 신호에서 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈 또는 다른 데이터를 구체화하며 임의의 정보 운반 매체를 포함한다. "변조된 데이터 신호"라는 용어는 신호 내의 정보를 암호화하기 위한 방식으로 하나 이상의 설정 또는 변경된 특성을 갖는 신호를 의미한다. 예를 들어 -한정이 아님-, 통신 매체는, 유선 네트워크, 다이렉트 유선 접속, 및 음성, RF, 적외선과 다른 무선 매체와 같은 무선 매체를 포함한다. 또한, 상기의 임의의 조합은 컴퓨터 판독가능 매체의 범위 내에서 포함될 것이다.
시스템 메모리(130)는 판독 전용 메모리(ROM;131)와 랜덤 액세스 메모리(RAM;132)와 같이 휘발성 및/또는 비휘발성 메모리의 형태의 컴퓨터 스토리지 매체를 포함한다. 기본 입출력 시스템(133;BIOS)은 시동 동안과 같이 컴퓨터 내의 소자들 간의 정보를 전송할 수 있게 하는 기본 루틴을 포함하며, 통상 ROM(131) 내에 저장된다. 통상, RAM(132)은 처리부(120)에 즉시 액세스가능하고 또는 그에 의해 현재 실행되는 데이터 및/또는 프로그램 모듈을 포함한다. 예를 들어 -한정이 아님-, 도 1은 운용 시스템(134), 애플리케이션 프로그램(135), 다른 프로그램 모듈(136), 및 프로그램 데이터(137)를 포함한다.
컴퓨터(110)는 다른 분리형/비분리형 휘발성/비휘발성 컴퓨터 스토리지 매체를 포함할 수 있다. 단지 예를 들어, 도 1은 비분리형, 비휘발성 자기 매체로부터 판독하거나 이에 기재하는 하드 디스크 드라이브(141), 분리형, 비휘발성 자기 디스크(152)로부터 판독하거나 이에 기재하는 자기 디스크 드라이브(151), 및 CD ROM 또는 다른 광 매체와 같은 분리형, 비휘발성 광 디스크(156)로부터 판독하거나 이에 기재하는 광 디스크 드라이브를 도시한다. 예시적인 운용 환경에서 사용될 수 있는 다른 분리형/비분리형, 휘발성/비휘발성 컴퓨터 스토리지 매체는, 자기 테이프 카세트, 플래시 메모리 카드, 디지털 다용도 디스크, 디지털 비디오 테이프, 고체상태 RAM, 고체상태 ROM 등을 포함하며 이에 한정되지는 않는다. 하드 디스크 드라이브(141)는 통상 인터페이스(140)와 같은 비분리형 메모리 인터페이스를 통해 시스템 버스(1231)에 접속되며, 자기 디스크 드라이브(151)와 광 디스크 드라이브(155)는 통상 인터페이스(150)와 같은 분리형 메모리 인터페이스에 의해 시스템 버스(121)에 접속된다.
상술한 드라이브 및 그들의 관련된 컴퓨터 스토리지 매체는 컴퓨터(110)에 대한 컴퓨터 판독가능 명령, 데이터 구조, 프로그램 모듈, 및 다른 데이터의 스토리지를 제공하는 도 1에서 도시된다. 도 1에서, 예를 들어, 하드 디스크 드라이브(141)는 운용 시스템(144), 애플리케이션 프로그램(145), 다른 프로그램 모듈(146), 및 프로그램 데이터(147)를 저장하는 것으로서 도시된다. 이들 콤포넌트는 운용 시스템(134), 애플리케이션 프로그램(135), 다른 프로그램 모듈(136), 및 프로그램 데이터(137)와 동일하거나 상이할 수 있다. 운용 시스템(144), 애플리케이션 프로그램(145), 다른 프로그램 모듈(146), 및 프로그램 데이터(147)는 최소한 그들이 다른 복사본이라는 것을 나타내기 위해 다른 번호가 주어진다.
사용자는 키보드(162), 마이크로폰(163), 마우스, 트랙볼 또는 터치 패드와 같은 포인팅 장치(161) 등의 입력 장치를 통해 컴퓨터(110)에 명령 또는 정보를 입력한다. 다른 입력장치(미도시)는 조이스틱, 게임 패드, 위성 접시, 스캐너 등을포함할 수 있다. 이들 및 다른 입력 장치는 종종 시스템 버스에 결합되는 사용자 입력 인터페이스(160)를 통해 처리부(120)에 접속되며, 병렬 포트, 게임 포트 또는 범용 직렬 버스(USB)와 같은 다른 인터페이스 또는 버스 구조에 의해 접속될 수도 있다. 모니터(191) 또는 다른 유형의 디스플레이 장치가 또한 비디오 인터페이스(190)와 같은 인터페이스를 통해 시스템 버스(121)에 접속된다. 모니터 뿐만 아니라, 컴퓨터는 출력 병렬 인터페이스를 통해 접속될 수 있는 스피커(197), 및 프린터(196) 등의 다른 병렬 출력 장치를 포함할 수 있다.
컴퓨터(110)는 원격 컴퓨터(180)와 같은 하나 이상의 원격 컴퓨터에 대한 논리적 접속을 사용하여 네트워크 환경에서 동작할 수 있다. 원격 컴퓨터(180)는 개인용 컴퓨터, 핸드헬드 장치, 서버, 라우터, 네트워크 PC, 피어 장치 또는 다른 공통 네트워크 노드일 수 있으며, 컴퓨터(110)에 대한 상술한 소자를 다수 또는 모두 포함한다. 도 1에 도시된 논리적 접속은 근거리 통신망(LAN;171) 및 원거리 통신망(WAN;173)을 포함하지만, 다른 네트워크를 또한 포함할 수 있다. 이러한 네트워킹 환경은 사무소, 범사내 컴퓨터망, 인트라넷 및 인터넷에서는 흔하다.
LAN 네트워킹 환경에서 사용되는 경우, 컴퓨터(119)는 네트워크 인터페이스 또는 어댑터(170)를 통해 LAN(171)에 접속된다. WAN 네트워킹 환경에서 사용되는 경우, 컴퓨터(110)는 통상 모뎀(172) 또는 인터넷과 같이 WAN(173)을 통한 통신을 설정하는 다른 수단을 포함한다. 내장형 또는 외장형일 수 있는 모뎀(172)은 사용자 입력 인터페이스(160) 또는 다른 적절한 메커니즘을 통해 시스템 버스(121)에 접속될 수 있다. 네트워킹 환경에서, 컴퓨터(110) 또는 그 일부에 대하여 도시된프로그램 모듈은 원격 메모리 스토리지 장치에 저장될 수 있다. 예를 들어 -한정이 아님-, 도 1은 원격 컴퓨터(180)에 상주하는 애플리케이션 프로그램(185)을 도시한다. 도시된 네트워크 접속은 예시적이며 컴퓨터 사이에서의 통신 링크를 설정하는 다른 수단이 사용될 수 있다.
도 2는 예시적인 컴퓨팅 환경인 이동 장치(200)의 블록도이다. 이동 장치(200)는 마이크로프로세서(202), 메모리(204), 입출력(I/O) 콤포넌트(206), 및 원격 컴퓨터 또는 다른 이동장치와 통신하기 위한 통신 인터페이스를 포함한다. 일 구현예에서, 상술한 콤포넌트는 적절한 버스(210)를 통해 서로 통신하기 위해 결합된다.
메모리(204)는 메모리(204)에 저장된 정보가 이동 장치(200)에 대한 범용 전력이 셧다운되는 경우에 소실되지 않도록 배터리 백업 모듈(미도시)를 갖는 랜덤 액세스 메모리(RAM)와 같은 비휘발성 전자 메모리로서 구현된다. 메모리(204)의 일부는 프로그램 실행을 위한 어드레싱가능 메모리로서 할당되는 것이 바람직하지만, 메모리(204)의 다른 부위는 디스크 드라이브 상의 스토리지를 시뮬레이트하는 등의 스토리지를 위해 사용되는 것이 바람직하다.
메모리(204)는 운용 시스템(212), 애플리케이션 프로그램(214) 뿐만 아니라 오브젝트 저장(216)을 포함한다. 동작 동안, 운용 시스템(212)은 메모리(204)로부터 프로세서(202)에 의해 실행되는 것이 바람직하다. 운용 시스템(212)은 바람직한 일 구현예에서, 마이크로소프트사로부터 상업적으로 입수가능한 운용 시스템인 WINDOWSCE 브랜드이다. 운용 시스템(212)은 이동 장치에 대하여 설계되는 것이바람직하며, 일련의 공개된 애플리케이션 프로그래밍 인터페이스 및 방법을 통해 애플리케이션(214)에 의해 이용될 수 있는 데이터 베이스 특성을 구현한다. 오브젝트 저장(216) 내의 오브젝트는, 공개된 애플리케이션 프로그래밍 인터페이스와 방법에 대한 호출에 적어도 부분적으로 응답하여 애플리케이션(214)과 운용 시스템(212)에 의해 유지된다.
통신 인터페이스(208)는 이동 장치(200)가 정보를 송수신할 수 있게 하는 수많은 장치 및 기술을 나타낸다. 그 장치는 일부를 언급하면 유선 및 무선 모뎀, 위성 수신기, 및 방송 튜너를 포함한다. 이동 장치(200)는 컴퓨터에 직접 접속되어 데이터를 교환한다. 이러한 경우, 통신 인터페이스(208)는 적외선 트랜시버 또는 직렬 또는 병렬 통신 접속일 수 있으며, 이들 모두는 스트리밍 정보를 전송할 수 있다.
입출력 콤포넌트(206)는 터치 민감 스크린, 버튼, 롤러, 및 마이크로폰과 같은 다양한 입력 장치 뿐만 아니라 오디오 생성기, 진동 장치, 및 디스플레이를 포함하는 다양한 출력 장치를 포함한다. 상기 열거된 장치들은 예시이며, 이동 장치(200) 상에 모두 존재할 필요는 없다. 더욱이, 다른 입출력 장치가 본 발명의 범위 내에서 이동 장치(200)에 부착되거나 발견될 수 있다.
본 발명의 다양한 양태에 따라서, 외국인을 위한 영어 쓰기를 지원하는 실용 툴을 제거하는 방법 및 시스템이 제안된다. 본 발명은 사용자에게 철자와 문법을 지원하는 것에 초점을 맞추는 것이 아니라 문장 다듬기 지원에 초점을 맞춘다. 통상, 영어로 기재할 필요가 있는 사용자들은 종종 기본적인 영어 어휘와 문법을갖추어야 하는 것으로 가정된다. 다시 말하면, 사용자는 주어진 선택에서 좋은 문장과 나쁜 문장을 분별할 수 있는 능력을 갖는다.
본 발명의 구현예를 사용한 접근은 그 또는 그녀가 무엇을 기재하건 언제 기재하건 간에 사용자에게 적절한 문장을 제공하는 것이다. 그 시나리오는 매우 간단한데, 사용자가 문장을 기재할 때마다, 시스템이 그 또는 그녀의 의도를 파악하여, 몇몇 예시 문장을 제공한다. 그 후, 사용자는 예시 문장을 참조함으로써 그 또는 그녀의 문장을 다듬는다. 이 기술은 "예시 문장의 지능형 추천(intelligent recommendation of expamle sentences)"이라 불리운다.
도 3은 사용자가 영문을 구성하고 퇴고할 수 있도록 지원하는 본 발명의 시스템 및 방법을 도시하는 블록도이다. 보다 일반적으로, 사용자가 제1 언어로서 기재된 문장을 구성하고 퇴고할 수 있도록 지원하는 시스템 및 방법이 영어 문장 퇴고를 참조하여 기재된다. 시스템(300)은 수신하는 데 사용되는 입력(305)를 포함하거나 입력 질의를 시스템에 입력한다. 입력 질의는 일부 또는 전부의 영어 문장, 일부 또는 전부의 중국어 문장(또는 보다 일반적으로 제2 언어의 문장)을 포함하는 다양한 형태일 수 있으며, 제1 언어로부터의 단어와 제2 언어의 문장 구조 또는 문법을 혼합한 형태(예를 들어, "중국어 유사 영어")일 수도 있다.
질의 프로세싱 콤포넌트(310)는 관련 콤포넌트 부분에서 또는 전체적으로 질의를 검색 엔진(315)에 제공한다. 검색 엔진(315)은 질의 용어 또는 그 질의 용어로부터 생성된 정보를 사용하여 문장 데이터베이스(320)를 검색한다. 전체 입력 질의가 프로세싱과 검색을 위해 검색 엔진(315)에 제공되는 구현예에서, 질의 프로세싱 콤포넌트(310)는 입력(305)과 결합될 수 있다. 그러나, 일부 구현예에서, 질의 프로세싱 콤포넌트(310)는 질의에 대한 일부 프로세싱 함수, 예를 들어, 질의로부터 용어를 발췌하여 그 용어를 검색 엔진(315)에 전달하는 등을 이행할 수 있다. 또한, 본 발명이 대부분 전부 또는 일부가 검색 엔진(315)에 의해 구현되는 방법을 참조하여 기술되었지만, 다른 구현예에서, 일부 또는 전부의 방법이 콤포넌트(310) 내에 부분적으로 구현될 수 있다.
데이터베이스(320)는 표준 영어 문서로부터 발췌된 다수의 예시 문장을 포함한다. 검색 엔진(315)은 데이터베이스로부터 사용자 의도 예시 문장(user-intended example sentence)을 검색한다. 그 예시 문장은 검색 엔진(315)에 의해 순위가 정해지며, 그 또는 그녀의 기재된 문장을 퇴고할 때 사용자에 의해 참조용으로 문장 출력 콤포넌트(325)에서 제공된다.
사용자는 도 1과 도 2에서 도시된 컴퓨터 또는 컴퓨팅 환경상에서 실행하는 워드프로세싱 프로그램에 무엇인가를 기재함으로써 질의를 입력한다. 예를 들어, 그 또는 그녀는 단일 단어, 또는 어구, 또는 전체 문장을 입력할 수 있다. 종종, 궁극적인 목적이 문장을 제1 또는 외국어(예를 들어, 영어)로서 기재하는 것일지라도, 질의는 그 또는 그녀의 모국어로서 기재된다. 사용자의 입력은 검색 엔진(315)에 대한 질의로서 처리될 것이다. 검색 엔진은 문장 베이스(320)를 검색하여 관련 문장을 발견한다. 그 관련 문장은 확인 문장과 힌트 문장 2개의 클래스로 분류된다.
확인 문장이 사용자의 문장 구조를 확인 또는 가이드하는 데 사용되는 반면,힌트 문장은 확장 표현을 제공하는 데 사용된다. 확인 문장은 문법적 예시로서 기능하기 위해서 문장 구조 또는 형태상 사용자의 입력 질의 또는 의도된 입력 질의와 근접해야 한다. 힌트 문장은 사용자의 입력 질의에 의미상 유사하여야 하며, 사용자에게 특정 사상을 표현하는 다른 방법을 제공하는 데 사용된다. 본 발명의 양태는 후술되는 바와 같이 검색 엔진 콤포넌트(315)에서 구현된다. 그러나, 본 발명의 특정 양태는 다른 구현예에서 질의 프로세싱 콤포넌트(310)에서 구현될 수 있다. 비록 본 발명이 중국어와 영어의 경우에 대하여 기술되었지만, 본 발명은 언어 독립적이며 다른 언어로 용이하게 확장될 수 있다.
상술된 하나 이상의 도전에 대한 솔루션을 제공하기 위해서, 시스템(300)과 그것이 구현하는 방법은 프로세싱 인에이블(NLP 인에이블) 교차 언어 정보 검색 설계를 이용한다. 그것은 종래의 정보 검색(IR) 모델을 베이스라인으로 사용하고 NLP 기술을 적용하여 검색 정확도를 향상시킨다.
베이스라인 시스템
검색 엔진(315)이 향상되는 베이스라인 시스템은 전통적인 IR 시스템에서 광범위하게 사용되는 접근법이다. 이 접근의 일 구현예의 일반적인 설명은 다음과 같다.
D로 지칭되는 예시 문장의 전체 모음(collection)은 각각의 문서가 실제 문장 데이터베이스(320) 내의 예시 문장인 다수의 "문서"로 이루어진다. 종래의 IR 인덱싱 접근을 이용한 문서(단지 하나의 문장을 포함)에 대한 인덱싱 결과는 식 1에서 나타낸 가중치 벡터로서 나타낼 수 있다.
여기서, dik(1≤k≤m)은 문서 Di에서 용어 tk의 가중치이며, m은 벡터 공간의 크기이고, 이는 모음에서 발견되는 다른 용어의 수에 의해 결정된다. 일 구현예에서, 용어들은 영어 단어이다. 문서 내의 용어의 가중치 dik는, 문서 내의 발생 빈도(tf- 용어 빈도) 뿐만 아니라 전체 모음 내의 분포(idf-역 문서 빈도)에 따라 계산된다. 용어의 가중치 dik를 계산하고 정의하는 여러 방법이 있다. 여기서, 예를 들어, 식 2에 도시된 관계를 사용한다.
여기서, fik는 문서 Di에서 용어 tk의 발생 빈도이고, N은 모음에서 문서의 총수이며, nk는 용어 tk를 포함하는 문서의 수이다. 이는 IR에서 가장 흔하게 사용되는 TF-IDF 가중치 방식 중의 하나이다.
TF-IDF 가중치 방식에서 흔한 바와 같이, 질의 Q는 사용자의 입력 문장으로서, 유사한 방식으로 인덱싱되며, 벡터는 식 3에 나타낸 질의에 대하여 또한 획득된다.
문서 모음 내의 문서(문장) Di와 질의 문장 Qj 간의 유사성 Sim(Di,Qj)은 식 4에 나타낸 바와 같이 이들 벡터의 내적으로서 계산될 수 있다.
NLP 인에이블 교차언어 정보검색 설계
또한, 또는 그 대신에, 상술한 바와 같은 문장 검색에 대한 베이스라인 접근법을 이용하여, 검색 엔진(315)은 NLP 인에이블 교차 언어 정보검색 방법 또는 접근법을 이용함으로써 그 접근법을 구성한다. NLP 기술 방법은 후술하는 바와 같이 검색 정확성을 향상시킨다. 검색 정확성을 향상시키기 위해서, 시스템(300)은 2개의 확장 인덱싱 단위 방법을 단독으로 또는 조합으로 사용한다. 첫째, 문장을 구성하는 언어학적 중요성을 반영하기 위해서, 다른 유형의 인덱싱 단위가 다른 가중치로 할당된다. 둘째, 힌트 문장 검색을 향상시키기 위해서, 새로운 접근법이 채용된다. 질의 문장에 있어서, 모든 단어는 그들의 유사 또는 관련 단어, 예를 들어, 사전의 유사어로서 대체된다. 그 후, 의존성 트리플(dependency triple) 데이터베이스는 가능한 잡음 확장을 제거하기 위해서 불법적인 배치를 필터링하는 데 사용된다.
검색 엔진(315)에서(또는 콤포넌트(315)에서) 질의 번역을 향상시키기 위해서, 새로운 의존성 트리플 기반 번역모델이 채용된다. 첫째, 주요 의존성 트리플이 질의로부터 발췌되고, 그 후, 이들 트리플에 기초하는 번역이 이행된다. 의존성 트리플 데이터베이스의 검토는 후술된다.
의존성 트리플 데이터베이스
의존성 트리플은 주요어, 종속어구, 및 주요어와 종속어구 간의 종속 관계로 이루어진다. 종속 파서를 이용하여, 문장은 식 5에 나타낸 바와 같은 형태로서 일련의 의존성 트리플 trp로 분석된다.
예를 들어, 영어 문장 "I have a brown dog"에 있어서, 의존성 파서는 도 4a에 도시된 바와 같은 일련의 트리플을 얻을 수 있다. 의존성 파싱 결과의 표준 표현은 (have, sub, I), (have, obj, dog), (dog, adj, brown), (dog,det,a)이다. 유사하게, 중국어 문장 ""에 있어서 (영어로는 "The nation has issued the plan"), 의존성 파서는 도 4b에 도시된 일련의 의존성 트리플을 획득할 수 있다. 의존성 파싱 결과의 표준 표현은 이다.
일부 구현예에서, 본 발명의 검색 엔진(315)은 의존성 트리플 데이터베이스(360)을 사용하여 질의로부터 발췌된 주요 의존성 트리플의 검색 용어를 확장시킨다. 따라서, 의존성 트리플 데이터베이스는 질의 프로세싱 콤포넌트(310)와 검색 엔진(315) 내에 포함되거나 결합될 수 있다. 도 5a은 의존성 트리플 데이터베이스(360)를 생성하는 방법을 나타낸다. 후술할 도 8은 트리플 데이터베이스(360)에 결합된 검색엔진을 나타낸다.
도 5a에서 도시된 바와 같이, 텍스트 자료(text corpus)로부터의 각 문장은 의존성 파서(355;dependency parser)에 의해 파싱되어, 일련의 의존성 트리플이 생성된다. 각각의 트리플은 트리플 데이터베이스(360)에 저장된다. 트리플의 인스턴스화(instantiation)는 트리플 데이터베이스(360) 내에 이미 존재하면, 트리플의 빈도는 증가한다. 모든 문장이 파싱된 후에, 수천개의 트리플을 포함하는 트리플 데이터베이스가 생성된다. 파서는 100% 정확하지 않을 수 있으므로, 일부 파싱 에러가 동시에 초래될 수 있다. 원한다면, 필터 콤포넌트(365)는 파싱 오류에 의해 초래되는 잡음 트리플을 제거하여 데이터베이스(360) 내에 올바른 트리플 만을 남게 할 수 있다.
NLP 기술을 이용하여 검색 정확성을 향상
본 발명에 따라서, 검색 엔진(315)은 2개의 방법 중의 하나 또는 둘 모두를 사용하여 "확인 문장" 검색 결과를 향상시킨다. 한 방법은 확장 인덱싱 용어를 사용한다. 다른 방법은 새로운 순위 알고리즘을 사용하여 검색 확인 문장에 순위를 정한다.
확장 인덱싱 용어
종래의 IR 접근법을 사용하여, 검색 엔진(315)은 입력 질의의 렘마만을 사용하여 문장 베이스(320)를 검색하여 검색용 인덱싱 단위를 정의한다. "렘마"는 단어의 기본적인, 어미활용되지 않은 형태이며, 어근으로도 알려져 있다. 본 발명에따르면, 문장 데이터베이스(320) 내의 확인 문장에 대한 검색을 향상시키기 위해서, 렘마에 더하여 (1) 품사를 갖는 렘마 단어(POS); (2) 동사구; 및 (3) 의존성 트리플 중에서 하나 이상이 인덱싱 단위로서 추가된다:
예를 들어, 입력 질의 문장: "The scientist presided over the workshop"을 고려하자. 종래의 IR 인덱싱 방법을 사용하면, 상기 정의된 베이스라인 시스템과 같이, 단지 렘마만이 인덱싱 단위로서 사용된다(즉, 기능어는 정지어로서 제거된다). 표 1은 이 예의 입력 질의 문장에 대한 렘마를 나타낸다.
렘마 scientist, preside, over, workshop
본 발명의 확장 인덱싱 방법을 사용하여, 동일 예시 문장에 대하여, 표 2에 나타낸 인덱싱 용어는 또한 검색 엔진(315)에 의해 데이터베이스 검색에서 채용된다:
렘마 scientist, preside, over, workshop
POS를 갖는 렘마 scientist_noun, workshop_noun, preside_verb
동사구 preside~over
의존성 트리플 preside~Dobj~workshop
하나 이상의 가능 확장 인덱싱 단위(POS를 갖는 렘마 단어, 동사구, 및 의존성 트리플)이 렘마 인덱싱 단위에 추가될 수 있는 반면에, 본 발며의 일부 구현예에서는, 렘마 인덱싱 단위에 모든 세 유형의 확장 인덱싱 단위를 추가함으로써 유리한 결과가 획득될 수 있다. 특정 입력 질의에 대한 확장 인덱싱 단위를 사용하여 검색 엔진(315)에 의한 문장 데이터베이스(320)로부터 검색된 확인 문장이 그후에 새로운 순위 알고리즘을 사용하여 순위가 정해진다.
순위 알고리즘
검색 엔진(315)이 데이터베이스로부터 다수의 확인 문장을 검색한 후에, 예를 들어, 상술한 확장 인덱싱 단위 방법 또는 다른 방법을 사용하여, 확인 문장은 입력 질의에 문법적으로 또는 구조적으로 가장 유사한 문장을 결정하도록 순위가 정해진다. 그 후, 출력(325)를 사용하여, 하나 이상의 확인 문장이 사용자에게 표시되며, 그 최상위(가장 유사) 확인 문장은 첫번째로서 제공되거나 가장 관련있는 것으로서 상세히 설명된다. 예를 들어, 순위가 정해진 확인 문장이 예를 들어 도 3에서 도시된 바와 같이, 넘버링된 리스트로서 표시될 수 있다.
본 발명의 구현예에 따라서, 순위 알고리즘은 입력 질의를 갖는 그들 각각의 유사성 Sim(Di,Qj)에 기초하여 확인 문장의 순위를 정한다. 순위 알고리즘 유사성 계산은 식 6에 나타낸 관계를 이용하여 이행된다.
여기서,
Di는 i번째 확인 문장의 벡터 가중치 표현 (식 1 참조),
Qj는 입력 질의 벡터 가중치 표현,
Li는 Di의 문장길이,
f(Li)는 Li의 함수(예를 들어, f(Li)=Li 2)또는 문장 길이 팩터; 및
Wjk는 용어 qjk의 언어학적 가중치
일 구현예에서 서로다른 품사에 대한 언어학적 가중치가 표 3의 제2열에서 제공된다. 그러나, 본 발명은 임의의 특정 가중치에 한정되지는 않는다.
Verb-Obj 10
동사 어구 8
동사 6
형용사/부사 5
명사 4
기타 2
예를 들어, 식 4에 도시된 바와 같은 종래의 IR 순위 알고리즘과 비교하면, 식 6에 도시된 유사성 관계를 사용하는 본 발명의 순위 알고리즘은, 입력 질의에 대해 확인 문장의 언어학적 중요성을 보다 잘 반영하는 2개의 새로운 특징을 포함한다. 하나는 질의 Qj 내의 용어의 언어학적 가중치 Wjk이다. 예를 들어, 동사-목적어 의존성 트리플은 최상위 가중치로 할당될 수 있는 반면에, 동사 어구, 동사 등은 각각 다른 가중치로 할당되어, 각각이 특정 유형의 용어, 문장 구성성분, 또는 관련 확인 문장을 선택시의 POS 관계의 중요성을 반영한다.
문장 구조와 단어 조합을 반영하는 쟁점에 보다 많은 주의를 기울인다. 예를 들어, 명사보다 동사에 집중한다. 따라서, 언어학적 가중치는 통상의 사용자에게 가장 중요한 것으로 여겨지는 특정 유형의 용어, 문장 구성성분, POS 관계를 갖는 확인 예시 문장을 검색하도록 할당될 수 있다.
유사성 함수에 추가된 제2 특징은 문장길이 팩터 또는 함수 f(Li)이다. 일 구현예서 사용된 직감은 보다 짧은 문장은 동일한 조건의 보다 긴 문장보다 상위에 순위가 정해져야 한다는 점이다. 예시 문장 길이 팩터 또는 f(Li)=Li 2은 적어도 부분적으로 길이에 기초하여 확인 문장의 순위를 정하는 것을 지원하는 하나의 가능한 함수이다. 다른 함수가 또한 사용될 수 있다. 예를 들어, 다른 지수 길이 함수가 사용될 수 있다. 더욱이, 다른 구현예에서, 그렇게 행하는 것이 유리하다고 간주되면, 길이 팩터는 보다 긴 확인 문장이 보다 높은 순위가 되도록 선택될 수 있다.
이 특성 유사성 순위 알고리즘에 사용된 2개의 새로운 특징 (Wjk와 f(Li))가 확인 문장 검색을 향상시키기 위해서 식 6에 나타내 바와 같이 함께 적용될 수 있지만, 다른 구현예에서, 이들 각각의 특징은 다른 특징의 사용없이 사용될 수 있다. 즉, 식 7과 식 8에 나타낸 바와 같은 유사성 순위 알고리즘 Sim(Di, Qj)이 그 대신에 사용될 수 있다.
힌트 문장의 향상된 검색
시스템(300)에서, 검색 엔진(315)은 본 발명의 질의 확장 방법을 사용하여 힌트 문장 검색을 개선한다. 질의 확장 방법(400)은 도 5b의 블록도에서 일반적으로 나타낸다. 질의 확장 방법은 문장 데이터베이스(320)의 검색에 사용하기 위한 다른 표현을 제공한다.
확장 절차는 다음과 같다: 우선, 405에서 나타낸 바와 같이, 예를 들어, Wordnet와 같은 머신 판독가능 사전에서 정의된 유사어를 사용하여 질의 내 용어를확장한다. 이 방법은 종종 종래의 IR 시스템에서 질의 확장에 사용된다. 그러나, 단독으로는 이 방법이 잡음 확장의 문제점을 겪게 된다. 잡음 확장의 문제를 방지하기 위해서, 검색 엔진(315)에 의해 사용된 방법(400)은 힌트 문장에 대한 문장 데이터베이스를 검색하기 전에 추가적인 단계(410,415)를 구현한다.
410에서 나타낸 바와 같이, 확장된 용어는 모든 가능한 트리플을 형성하도록 조합된다. 그 후, 415에서 나타낸 바와 같이, 모든 가능한 트리플은 도 5a과 도 8에서 도시된 의존성 트리플 데이터베이스(360)에 대하여 점검된다. 트리플 데이터베이스에서 나타나는 트리플만이 확장된 질의 용어로서 선택된다. 트리플 데이터베이스에서 발견되지 않은 확장 트리플은 폐기된다. 그 후, 문장 데이터베이스는 420에서 나타낸 바와 같이 잔류 확장 용어를 사용하여 힌트 문장에 대하여 검색된다.
예를 들어,
질의:I will take the job
동의어모음(Synset):take|accept|acquire|admit|aim|ask|...
트리플 데이터베이스 내의 트리플:accept~Dobj~job,
잔류 확장 용어:accept~Dobj~job
힌트 문장 검색의 혼동 방법
종종, 사용자는 제1 언어로부터의 단어 및 제2 언어로부터의 문법의 혼합하여 질의를 입력할 수 있다. 예를 들어, 영어로 기재하는 중국어 사용자는 "중국어 유사 영어"로 통상 지칭되는 것으로 질의를 입력할 수 있다. 본 발명의 일부 구현예에서, 검색 엔진(315)은 힌트 문장에 대한 문장 데이터베이스를 검색하기 전에 사용자의 의도를 파악하도록 설계된다. 검색 엔진은 2개의 방법 중에서 하나 또는 모두를 사용하여 사용자의 의도를 파악할 수 있다.
사용자의 의도를 파악하는 제1 방법(450)은 예시와 함께 도 6a에서 나타낸다. 이는 번역 방법으로서 알려져 있다. 이 방법을 사용하여, 사용자의 질의는 455에 나타낸 바와 같이 수신되며, 제1 언어(제2 언어의 문법, 구조, 배치 등을 갖음)에서 도 460에 나타낸 제2 언어로 번역된다. 465에서 나타낸 바와 같이, 그 후, 질의는 제2 언어로부터 다시 제1 언어로 번역된다. 예를 들어, 단계 460및 465는 중국어와 영어 문장에 대하여 나타낸다. 그러나, 이들 단계는 임의의 특정 제1 및 제2 언어로 한정되지는 않음을 주의하여야 한다.
이러한 제1 예에서, 단계 455에 대응하는 470에 나타낸 질의 입력은, 일반 배치 오류(common collocation mistake)를 포함하는 중국어 유사 영문 질의 "Open the light"이다. 단계 460에 대응하는 475에 나타낸 바와 같이, 중국어 유사 영어질의는 중국어 질의로 번역된다. 그 후, 단계 465에 대응하는 480에서 나타낸 바와 같이, 중국어 질의는 원래의 질의에서의 배치 오류를 포함하지 않은 영문 질의 "Turn on the light"로 다시 번역된다. 이 방법은 사용자의 사고 동작(thinking behavior)을 모방하는 데 사용되지만, 정확한 번역 콤포넌트를 요구한다. 방법 450은 번역 품질이 열악하면 과도한 잡음을 생성할 것이다. 따라서, 도 6b에 나타낸 방법(500)이 그 대신에 사용될 수 있다.
여기서 "혼동 방법(confusion method)"으로 지칭되는 제2 방법은 혼동 집합 데이터베이스를 사용하여 사용자 질의에서 단어 쌍을 확장한다. 이 방법은 도 6c에 나타내지만, 혼동 집합 데이터베이스를 구성하는 방법은 도 6b에서 나타낸다. 혼동 집합은 "open/turn on"과 같이 혼동되는 단어 쌍을 포함하는 데이터베이스이다. 이는 단어 간의 배치, 번역에 혼동되는 단일 단어, 및 다른 혼동되는 단어 쌍을 포함한다. 통상, 단어 쌍은 동일 언어일 것이지만, 원한다면, 번역 단어로 주석이 달릴 수 있다.
도 6b를 참조하면, 사용자의 의도를 파악할 때 검색 엔진(315)에 의해 사용되기 위한 혼동 집합 데이터베이스(505)를 구성하는 방법(500)이 나타낸다. 혼동 집합의 모음, 또는 혼동 집합 데이터베이스(505)의 구성은 2개 국어의 자료(510;bilingual corpus)로 정렬된 단어와 문장의 지원으로 행해질 수 있다. 여기서 사용되는 예에서, 자료(510)는 영어-중국어 2개 국어 자료이다. 515에서 도시된 바와 같이, 그 방법은 중국어 단어 쌍의 영어 단어 쌍으로의 인간 번역(Eng'로 나타내는 인간 번역)을 포함한다. 영어 번역 단어 쌍 Eng'는 그 후에520에서 나타낸 바와 같이 올바른 영어 번역 단어 쌍(Eng로 표시)으로 정렬된다. 이 정렬은 올바른 번역은 원래의 2개국어 자료에서 용이하게 입수가능하기 때문에 가능하다. 이 때, 특정 단어 쌍에 대하여 영어 번역을 영어 원문 단어쌍에 상관시키는 단어 쌍의 집합이 정의된다(2개국어 자료에서 정렬에 의해 정의되는 바와 같은 올바른 번역 단어 쌍):
{영어 번역, 영어 원문}
임의의 단어 쌍 집합은, 번역 단어 쌍과 원래의 단어 쌍이 동일한 {영어 번역, 영어 원문} 또는 {Eng', Eng}이 식별되어 혼동 집합으로부터 제거된다. 영어 번역이 영어 원문과 동일하지 않은 집합들은 혼동 집합 데이터베이스(505)에 남게된다. 또한, 혼동 집합은 교과서(525)에서 정의거나 혼동 단어의 개인 모음(530)에서 존재하는 것과 같은 일부 통상의 혼동 단어 쌍을 추가함으로써 확장될 수 있다.
도 6c은 혼동 집합 데이터베이스(505)를 사용하여 사용자의 질의에서 단어쌍을 확장함으로써 사용자의 의도를 판정하는 방법(600)을 나타낸다. 605에서 나타낸 바와 같이, 사용자의 질의는 입력 콤포넌트에서 수신된다. 사용자의 질의 내의 단어 쌍은 그 후 검색 엔진의 비교 콤포넌트(610)에서 나타낸 바와 같이 혼동 집합 데이터베이스 내의 단어 쌍과 비교된다. 통상, 이는 사용자 질의의 영어 단어 쌍과 데이터베이스 내에서 대응하는 인간 번역된 단어 쌍, Eng'의 비교일 것이다. 혼동 단어 데이터베이스에서 매칭 엔트리 Eng'를 갖는 사용자 질의 내의 단어 쌍은 그 후 질의 확장 콤포넌트 또는 단계 615에서 나타낸 바와 같은 집합으로부터 원래의 단어 쌍, Eng로 대체된다. 즉, 그들은 올바른 번역 단어쌍으로 대체된다. 검색 엔진(315)의 문장 검색 콤포넌트는 그 후 혼동 집합 데이터베이스를 사용하여 생성된 새로운 질의를 사용하여 문장 데이터베이스(320)를 검색한다. 또한, 혼동 집합 방법이 모국어가 중국어인 사람에 의해 기재된 영어 단어쌍을 참조하여 설명되었지만, 이들 방법은 언어 독립적이며 다른 언어 조합에 또한 적용될 수 있다.
질의 번역
또한, 검색 엔진(315)은 도 7에서 나타낸 바와 같이 문장의 검색을 향상시키기 위해 질의 번역을 사용한다. 사용자의 검색(655에서 도시된)이 주어지면, 주요 의존성 트리플이 660에서 나타낸 바와 같이 강인한 파서에 의해 발췌된다. 그 후, 605에서 나타낸 바와 같이 트리플은 하나씩 번역된다. 결국, 트리플의 모든 번역은 검색 엔진(315)에 의해 질의 용어로서 사용된다.
중국어 의존성 트리플c=(w C1 , rel C , w C2 )를 영어 의존성 트리플e=(w E1 ,rel E ,w E2 )로 번역하려 한다고 가정하자. 이는 통계적 번역 모델에 따라P(e|c)값을 최대화시킬 emax를 발견하는 것과 동등하다.
Bayes' 정리를 이용하면,
으로 기재할 수 있다.
분모P(c)는 e에 대하여 독립이며, 주어진 중국어 트리플에 있어서 상수이며,
여기서,P(e)팩터는 영어 내의 의존성 트리플 e의 발생 가능성의 측정치이다. 이는 e의 출력을 자연스럽고 문법적으로 만든다.P(e)는 목표 언어에만 의존하는 언어모델로서 통상 불리운다.P(c|e)는 통상 번역 모델로 불린다.
단일 트리플 번역에서,P(e)는 MLE(최대 가능성 추정)을 사용하여 추정될 수 있으며,
으로 다시 적을 수 있다.
또한,
P(relC|e)는 특정 단어에 의존하는 파라미터이다. 그러나, 이는
중국어 의존성 관계와 영어 의존성 관계 사이의 대응 가정에 따르면,P(relC|relE ) 1이다. 더욱이, 번역에서 단어의 선택은 의존성 관계의 유형과 독립적이다고 가정하기 때문에, wC1은 단지 wE1에만 관련되고, wC2는 단지 wE2에만 관련된다고 가정할 수 있다. 단어 번역 확률P(c|e)는 병렬 자료를 이용하여 추정될 수 있다.
따라서,
를 갖는다.
따라서, 중국어 트리플이 주어지면, 영어 번역은 이 통계적 접근법을 이용하여 획득될 수 있다.
전체 시스템
도 8은 여기서 개시된 다양한 확인 및 힌트 문장 검색 개념을 포함하는 검색 엔진(315)의 구현예 315-1을 나타내는 블록도이다. 도 8에 도시된 검색 엔진 구현예(315-1)는 여기서 개시된 다양한 특징의 조합을 이용하여 확인 및 힌트 문장 검색을 향상시키지만, 상술한 바와 같이, 검색 엔진(315)의 다른 구현예는 단지 이들 특징들 중의 단지 하나, 또는 이들 특징의 여러 조합을 포함한다. 따라서, 본 발명의 검색 엔진은 상술한 특징의 모든 조합을 포함하는 것으로 이해되어져야 한다.
도 8의 705에서 나타낸 바와 같이, 입력 질의는 검색 엔진 315-1에 의해 수신된다. 710에서 나타낸 바와 같이, 검색 엔진(315-1)은 질의가 영어(또는 보다 일반적으로 제1 언어)인지를 판단하는 언어 판단 콤포넌트를 포함한다. 질의가 영어(또는 제1 언어)가 아닌 경우, 예를 들어, 질의가 중국어인 경우, 질의 번역 모듈 또는 콤포넌트(715)에서 나타낸 바와 같이 질의는 영어 또는 제1 언어로 번역된다. 질의 번역 모듈 또는 콤포넌트(715)는, 예를 들어, 도 7 및 식 10 내지 식 14를 참조하여 상술한 질의 번역 방법을 사용한다.
질의가 영어 또는 제1 언어이면, 또는 질의를 영어 또는 제1 언어로의 번역 후에, 분석 콤포넌트 또는 단계(720)는 파서(725)를 사용하여 의존성 트리플 형태(논리 형태임)로 표시되는 파싱 결과를 획득한다. 사용자가 영어로 기재한 구현예에서, 다른 공지된 파서가 또한 사용될 수 있지만, 파서는 마이크로소프트 리서치 레드몬드에 의해 개발된 NLPWin과 같은 영어 파서이다. 질의에 관련된 이들 용어(730)를 획득한 후에, 검색 엔진(315-1)의 검색 콤포넌트는 문장 베이스(320)으로부터 문장을 검색한다. 확인 문장 검색을 위하여, 문장 검색은 상술한 확장 인덱싱 용어 방법을 사용하는 검색을 포함한다. 그 후, 검색된 문장은 예를 들어 식 6 내지 식 8을 참조하여 설명되고 745에서 예시로서 제공된 순위 방법을 사용하여 순위가 정해진다. 이 절차는 확인 문장 검색을 실현한다.
힌트 문장을 검색하기 위해서, 용어 리스트는 확장 콤포넌트 또는 단계 750을 사용하여 확장된다. 용어 확장은 두개의 자원, 사전(755; 도 5b에서 참조하여설명한 바와 같이) 및 혼동 집합(505; 도 6b와 도6c을 참조하여 설명한 바와 같이) 중에서 하나를 사용하여 이행된다. 그 후, 확장된 용어는 상술한 트리플 데이터베이스(360)를 갖는 필터링 콤포넌트 또는 단계(760)를 이용하여, 예를 들어, 도 5b를 참조하여 필터링된다. 결과는 트리플 데이터베이스에도 역시 존재하는 확장된 용어(765)의 집합이다. 확장된 용어는 그 후 예시(745)에 대한 힌트 문장을 검색하기 위해 검색 콤포넌트(735)에 의해 사용된다. 힌트 문장은 확인 문장과 동일한 방식으로 740에서 순위가 정해질 수 있다. 대화형 검색 모드에서, 검색 문장이 만족스럽지 않으면, 사용자는 그 또는 그녀가 초점을 맞추고자 하는 단어에 강조할 수 있으며, 다시 검색한다.
본 발명은 특정 구현예를 참조하여 설명하였지만, 당업자는 본 발명의 정신 및 범위를 벗어나지 않으면서 형태상 또는 미세하게 변경될 수 있음을 인식할 것이다. 예를 들어, 중국어 화자에 의해 영문을 기재하는 것을 참조하여 설명된 예시는, 기재하고자 하는 제1 언어와 다른 제2 언어가 모국어인 사람에 의해 행해지는 개념에도 적용될 수 있다. 또한, 참조는 제2 언어에서의 단어에 대하여 제1 언어에서의 번역어를 식별 또는 저장하도록 행해질 수 있으며, 이 참조는 제2 언어의 단어에 대응하는 제2 언어의 어구를 식별 또는 저장하는 것 및 제2 언어의 어구에 대응하는 제1 언어의 단어를 식별 또는 저장하는 것을 포함한다.
본 발명은 사용자가 외국어를 기재하고 제안된 문장을 참조함으로써 그들의 문장을 다듬을 수 있게 하는 효과적인 시스템을 제공한다. 본 발명은 사용자에게철자와 문법을 지원하는 것에 초점을 맞추는 것이 아니라 문장 다듬기 지원에 초점을 맞춘다. 따라서, 사용자는 주어진 선택에서 좋은 문장과 나쁜 문장을 분별할 수 있는 능력을 갖추고, 그 또는 그녀가 무엇을 언제 기재하는 지에 관계없이 사용자에게 적절한 문장을 제공할 수 있다.

Claims (73)

  1. 질의에 응답하여 문장 데이터베이스로부터 문장을 사용자에게 제공하는 방법에 있어서,
    상기 질의를 수신하는 단계;
    상기 질의에 기초하여, 상기 질의로부터의 렘마(lemma)와 상기 질의에 관련되는 확장된 인덱싱 단위(extended indexing unit)를 모두 포함하는 인덱싱 단위를 정의하는 단계;
    검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 복수개의 문장을 검색하는 단계;
    상기 복수개의 검색된 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계 -각각의 유사성은 상기 질의 내의 용어(term)의 언어학적 가중치의 함수로서 결정됨- ; 및
    상기 결정된 유사성에 기초하여 상기 복수개의 검색된 문장의 순위를 정하는 단계를 포함하는 방법.
  2. 제1항에 있어서,
    상기 질의 내의 용어의 언어학적 가중치는 품사(part of speech)의 함수로서 상기 질의 내의 용어에 할당되는 가중치인 방법.
  3. 제2항에 있어서,
    상기 복수개의 검색된 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 상기 질의 내의 복수개의 용어의 언어학적 가중치의 함수로서 각각의 유사성을 결정하는 단계를 더 포함하는 방법.
  4. 제3항에 있어서,
    상기 복수개의 검색된 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 상기 질의 내의 복수개의 용어 각각의 벡터 가중치 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 각각의 유사성을 결정하는 단계를 더 포함하는 방법.
  5. 제4항에 있어서,
    상기 질의 내의 복수개의 용어 각각의 벡터 가중치는, 상기 질의 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  6. 제5항에 있어서,
    상기 질의 내의 복수개의 용어 각각의 벡터 가중치는, 상기 문장 데이터베이스 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  7. 제6항에 있어서,
    상기 복수개의 검색된 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 특정 검색 문장에 대한 유사성을 상기 특정 문장 내의 복수개의 용어 각각의 벡터 가중치, 상기 질의 내의 복수개의 용어 각각의 벡터 가중치, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 결정하는 단계를 더 포함하는 방법.
  8. 제7항에 있어서,
    상기 특정 검색 문장 내의 복수개의 용어 각각의 벡터 가중치는 상기 특정 검색 문장 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  9. 제8항에 있어서,
    상기 특정 검색 문장 내의 복수개의 용어 각각의 벡터 가중치는 상기 문장 데이터베이스 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  10. 제9항에 있어서,
    상기 복수개의 검색 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 특정 검색 문장에 대한 유사성을 상기 질의 내의 복수개의 용어의 벡터 가중치, 상기 특정 검색 문장 내의 복수개의 용어의 벡터 가중치, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 내적(inner product)의 함수로서 결정하는 단계를 더 포함하는 방법.
  11. 제1항에 있어서,
    상기 각각의 유사성은 상기 복수개의 검색 문장 중의 대응하는 한 문장의 길이에 대응하는 문장 길이 팩터의 함수로서 결정되는 방법.
  12. 제11항에 있어서,
    상기 문장 길이 팩터는 상기 복수개의 검색 문장 중 대응하는 한 문장의 길이의 함수인 방법.
  13. 제12항에 있어서,
    상기 문장 길이 팩터는 상기 복수개의 검색 문장 중의 대응하는 한 문장의 길이의 지수함수인 방법.
  14. 제1항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는,
    상기 질의로부터의 렘마와 대응 품사를 갖는 질의에서의 렘마를 모두 포함하도록 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  15. 제1항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는,
    상기 질의로부터의 렘마와 상기 질의로부터의 동사구(phrasal verb)를 모두 포함하도록 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  16. 제1항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는,
    상기 질의로부터의 렘마와 상기 질의에 대응하는 의존성 트리플(dependency triples)을 모두 포함하도록 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  17. 제1항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는,
    상기 질의로부터의 렘마, 대응 품사를 갖는 질의로부터의 렘마, 상기 질의로부터의 동사구, 및 상기 질의에 대응하는 의존성 트리플을 모두 포함하도록 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  18. 질의에 응답하여 문장 데이터로부터 확인 문장을 사용자에게 제공하는 방법에 있어서,
    상기 질의에 응답하여 상기 문장 데이터베이스로부터 복수개의 확인 문장을 검색하는 단계;
    복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 판정하는 단계 -각각의 유사성은 상기 질의 내의 용어의 언어학적 가중치 함수로서 결정됨- ;및
    상기 결정된 유사성에 기초하여 복수개의 검색된 확인 문장의 순위를 정하는 단계를 포함하는 방법.
  19. 제18항에 있어서,
    상기 질의 내의 용어의 언어학적 가중치는 품사의 함수로서 상기 질의 내의 용어에 할당되는 가중치인 방법.
  20. 제19항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 상기 질의 내의 복수개의 용어의 언어학적 가중치의 함수로서 각각의 유사성을 결정하는 단계를 더 포함하는 방법.
  21. 제20항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 상기 질의 내의 복수개의 용어의 각각의 벡터 가중치의 함수, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 각각의 유사성을 결정하는 단계를 더 포함하는 방법.
  22. 제21항에 있어서,
    상기 질의 내의 복수개의 용어 각각의 벡터 가중치는 상기 질의 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  23. 제22항에 있어서,
    상기 질의 내의 복수개의 용어 각각의 벡터 가중치는, 문장 데이터베이스 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  24. 제23항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 특정 확인 문장에 대한 유사성을 상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치, 상기 질의 내의 복수개의 용어 각각의 벡터 가중치, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 결정하는 단계를 더 포함하는 방법.
  25. 제24항에 있어서,
    상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치는, 상기 특정 확인 문장 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  26. 제25항에 있어서,
    상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치는, 상기 문장데이터베이스 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 방법.
  27. 제26항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 특정 확인 문장에 대한 유사성을 상기 질의 내의 복수개의 용어의 벡터 가중치, 상기 특정 확인 문장 내의 복수개의 용어의 벡터 가중치, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 내적 함수로서 결정하는 방법.
  28. 제18항에 있어서,
    상기 각각의 유사성은 상기 복수개의 확인 문장 중의 대응하는 한 문장의 길이에 대응하는 문장 길이 팩터의 함수로서 더 결정되는 방법.
  29. 제28항에 있어서,
    상기 문장 길이 팩터는 상기 복수개의 확인 문장 중의 대응하는 한 문장의 길이의 함수인 방법.
  30. 제29항에 있어서,
    상기 문장 길이 팩터는 상기 복수개의 확인 문장들 중의 대응하는 한 문장의 길이의 지수함수인 방법.
  31. 제18항에 있어서,
    상기 복수개의 확인 문장을 검색하는 단계는, 상기 질의로부터 확장 인덱싱 단위를 결정하는 단계, 및 검색 용어로서 상기 확장된 인덱싱 단위를 사용하여 상기 문장 데이터베이스를 검색하는 단계를 더 포함하는 방법.
  32. 질의에 응답하여 문장 데이터베이스로부터 복수개의 확인 문장을 검색하는 단계;
    상기 복수개의 확인 문장 각각과 상기 질의 사이에서 상기 질의 내의 언어학적 가중치의 함수로서 결정되는 유사성을 결정하는 단계; 및
    상기 결정된 유사성에 기초하여 상기 복수개의 검색된 확인 문장의 순위를 정하는 단계를 포함하는 단계들을 이행하기 위한 컴퓨터 실행가능 명령을 갖는 컴퓨터 판독가능 매체.
  33. 제32항에 있어서,
    상기 질의 내의 용어의 언어학적 가중치는, 품사의 함수로서 상기 질의 내의 용어에 할당되는 가중치인 컴퓨터 판독가능 매체.
  34. 제33항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 상기 질의 내의 복수개의 용어의 언어학적 가중치의 함수로서 각각의유사성을 결정하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  35. 제34항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 상기 질의 내의 복수개의 용어 각각의 벡터 가중치 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 각각의 유사성을 결정하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  36. 제35항에 있어서,
    상기 질의 내의 복수개의 용어 각각의 벡터 가중치는, 상기 질의 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 컴퓨터 판독가능 매체.
  37. 제36항에 있어서,
    상기 질의 내의 복수개의 용어 각각의 벡터 가중치는, 상기 문장 데이터베이스 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 컴퓨터 판독가능 매체.
  38. 제37항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 특정 확인 문장에 대한 유사성을 상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치, 상기 질의 내의 복수개의 용어 각각의 벡터 가중치 및상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 결정하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  39. 제38항에 있어서,
    상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치는, 상기 특정 확인 문장 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 컴퓨터 판독가능 매체.
  40. 제39항에 있어서,
    상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치는, 상기 문장 데이터베이스 내의 각각의 용어의 발생 빈도의 함수로서 결정되는 컴퓨터 판독가능 매체.
  41. 제40항에 있어서,
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계는, 특정 확인 문장에 대한 유사성을 상기 질의 내의 복수개의 용어의 벡터 가중치, 상기 특정 확인 문장 내의 복수개의 용어의 벡터 가중치, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서 결정하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  42. 제32항에 있어서,
    상기 유사성은, 상기 복수개의 확인 문장들 중의 대응하는 한 문장의 길이에 대응하는 문장 길이 팩터의 함수로서 더 결정되는 컴퓨터 판독가능 매체.
  43. 제42항에 있어서,
    상기 문장 길이 팩터는, 상기 복수개의 확인 문장들 중의 대응하는 한 문장의 길이의 함수인 컴퓨터 판독가능 매체.
  44. 제43항에 있어서,
    상기 문장 길이 팩터는 상기 복수개의 확인 문장들 중의 대응하는 한 문장의 길이의 지수함수인 컴퓨터 판독가능 매체.
  45. 제32항에 있어서,
    상기 복수개의 확인 문장을 검색하는 단계는, 상기 질의로부터 확장된 인덱싱 단위를 결정하는 단계, 및 검색 용어로서 상기 확장된 인덱싱 단위를 사용하여 상기 문장 데이터베이스를 검색하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  46. 질의에 응답하여 문장 데이터베이스로부터 확인 문장을 검색하기 위한 시스템에 있어서,
    입력으로서 상기 질의를 수신하는 입력 콤포넌트; 및
    상기 입력 콤포넌트에 결합된 검색엔진을 포함하며,
    상기 검색엔진은,
    상기 질의에 응답하여 상기 문장 데이터베이스로부터 복수개의 확인 문장을 검색하도록 구성되는 검색 콤포넌트; 및
    상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하도록 구성된 순위 콤포넌트(ranking component) -상기 각각의 유사성은, 질의 내의 용어의 언어학적 가중치의 함수로서 결정되고, 상기 순위 콤포넌트는 상기 결정된 유사성에 기초하여 복수개의 검색된 확인 문장의 순위를 정하도록 구성됨- 을 포함하는 시스템.
  47. 제46항에 있어서,
    상기 질의 내의 용어의 언어학적 가중치는, 품사의 함수로서 상기 질의 내의 용어에 할당되는 가중치인 시스템.
  48. 제47항에 있어서,
    상기 순위 콤포넌트는 상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 상기 질의 내의 복수개의 언어학적 가중치의 함수로서 각각의 유사성을 결정함으로써 결정하도록 구성되는 시스템.
  49. 제48항에 있어서,
    상기 순위 콤포넌트는, 상기 특정 확인 문장 내의 복수개의 용어 각각의 벡터 가중치, 상기 질의 내의 복수개의 용어 각각의 벡터 가중치, 및 상기 질의 내의 복수개의 용어 각각의 언어학적 가중치의 함수로서, 상기 질의 및 특정 검색된 확인 문장 사이의 유사성을 결정하도록 구성되는 시스템.
  50. 제49항에 있어서,
    상기 특정 확인 문장 내의 복수개의 용어 또는 상기 질의 내의 복수개의 용어 각각의 벡터 가중치는, 상기 질의 내 또는 상기 특정 확인 문장 내의 각각의 용어의 발생 빈도의 함수인 시스템.
  51. 제50항에 있어서,
    상기 특정 확인 문장 내의 복수개의 용어 또는 상기 실의의 복수개의 용어 각각의 벡터 가중치는, 상기 문장 데이터베이스 내의 각각의 용어의 발생 빈도의 함수인 시스템.
  52. 제46항에 있어서,
    상기 순위 콤포넌트는 상기 복수개의 확인 문장 중에서의 대응하는 한 문장의 길이에 대응하는 문장 길이 팩터의 함수로서 각각의 유사성을 결정하도록 더 구성되는 시스템.
  53. 제52항에 있어서,
    상기 순위 콤포넌트는 상기 복수개의 확인 문장의 대응하는 한 문장의 길이의 지수함수로서 각각의 유사성을 결정하도록 더 구성되는 시스템.
  54. 제53항에 있어서,
    상기 검색 콤포넌트는, 상기 질의로부터 확장된 인덱싱 단위를 결정하고, 검색 용어로서 상기 확장된 인덱싱 단위를 사용하여 상기 문장 데이터베이스를 검색함으로써 상기 복수개의 확인 문장을 검색하도록 구성되는 시스템.
  55. 질의에 응답하여 문장 데이터베이스로부터 문장을 사용자에게 제공하는 방법에 있어서,
    상기 질의를 수신하는 단계;
    상기 질의에 기초하여, 상기 질의로부터의 렘마와 상기 질의에 관련되는 확장된 인덱싱 단위를 모두 포함하도록 인덱싱 단위를 정의하는 단계; 및
    상기 정의된 인덱싱 단위를 검색 파라미터로서 사용하여 상기 문장 데이터베이스로부터 적어도 하나의 문장을 검색하는 단계를 포함하는 방법.
  56. 제55항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마와 대응 품사를 갖는 질의로부터의 렘마를 모두 포함하도록 상기 인덱싱단위를 정의하는 단계를 더 포함하는 방법.
  57. 제55항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마와 상기 질의로부터의 동사구를 모두 포함하도록 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  58. 제55항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마와 상기 질의에 대응하는 의존성 트리플을 모두 포함하도록 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  59. 제55항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마, 대응하는 품사를 갖는 상기 질의로부터의 렘마, 상기 질의로부터의 동사구, 및 상기 질의에 대응하는 의존성 트리플을 포함하는 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  60. 제55항에 있어서,
    검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 적어도 하나의 문장을 검색하는 단계는, 검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 복수개의 확인 문장을 검색하는 단계를 더 포함하는 방법.
  61. 제60항에 있어서,
    상기 질의 내의 용어의 언어학적 가중치의 함수로서 각각 결정되는, 상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하는 단계; 및
    상기 결정된 유사성에 기초하여 상기 복수개의 검색된 확인 문장의 순위를 정하는 단계를 더 포함하는 방법.
  62. 질의를 수신하는 단계;
    상기 질의에 기초하여, 상기 질의로부터의 렘마와 상기 질의에 관련되는 확장된 인덱싱 단위를 모두 포함하도록 인덱싱 단위를 정의하는 단계; 및
    검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 문장 데이터베이스로부터 적어도 하나의 문장을 검색하는 단계를 포함하는 단계들을 이행하기 위한 컴퓨터 실행가능 명령을 구비한 컴퓨터 판독가능 매체.
  63. 제62항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마와 대응하는 품사를 갖는 질의로부터의 렘마를 모두 포함하도록 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  64. 제62항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마와 상기 질의로부터의 동사구를 모두 포함하도록 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  65. 제62항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마와 상기 질의에 대응하는 의존성 트리플을 모두 포함하도록 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 방법.
  66. 제62항에 있어서,
    상기 질의에 기초하여 상기 인덱싱 단위를 정의하는 단계는, 상기 질의로부터의 렘마, 대응하는 품사를 갖는 질의로부터의 렘마, 상기 질의로부터의 동사구, 상기 질의에 대응하는 의존성 트리플을 포함하도록 상기 인덱싱 단위를 정의하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  67. 제62항에 있어서,
    검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 적어도 하나의 문장을 검색하는 단계는, 검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 복수개의 확인 문장을 검색하는 단계를 더 포함하는 컴퓨터 판독가능 매체.
  68. 질의에 응답하여 문장 데이터베이스로부터 확인 문장을 검색하는 시스템에 있어서,
    입력으로서 상기 질의를 수신하는 입력 콤포넌트; 및
    상기 입력 콤포넌트에 결합되어, 상기 질의로부터의 렘마와 상기 질의에 관련된 확장된 인덱싱 단위를 모두 포함하는 상기 인덱싱 단위를 상기 질의에 기초하여 정의하도록 구성되고, 검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 적어도 하나의 확인 문장을 검색하는 검색 엔진을 포함하는 시스템.
  69. 제68항에 있어서,
    상기 검색 엔진은 상기 질의로부터의 렘마와 대응하는 품사를 갖는 질의로부터의 렘마를 모두 포함하는 상기 인덱싱 단위를 정의하도록 구성된 시스템.
  70. 제68항에 있어서,
    상기 검색 엔진은 상기 질의로부터의 렘마와 상기 질의로부터의 동사구를 모두 포함하는 상기 인덱싱 단위를 정의하도록 구성된 시스템.
  71. 제68항에 있어서,
    상기 검색 엔진은, 상기 질의로부터의 렘마와 상기 질의에 대응하는 의존성 트리플을 모두 포함하는 상기 인덱싱 단위를 정의하도록 구성되는 시스템.
  72. 제68항에 있어서,
    상기 검색 엔진은, 상기 질의로부터의 렘마, 대응하는 품사를 갖는 상기 질의로부터의 렘마, 상기 질의로부터의 동사구, 상기 질의에 대응하는 의존성 트리플을 포함하는 상기 인덱싱 단위를 정의하도록 구성되는 시스템.
  73. 제72항에 있어서,
    상기 검색엔진은, 검색 파라미터로서 상기 정의된 인덱싱 단위를 사용하여 상기 문장 데이터베이스로부터 복수개의 확인 문장을 검색하고, 상기 복수개의 검색된 확인 문장 각각과 상기 질의 사이의 유사성을 결정하도록 구성되며, 상기 각각의 유사성은 상기 질의 내의 용어의 언어학적 가중치의 함수로서 결정되며, 상기 검색 엔진은 상기 결정된 유사성에 기초하여 상기 복수개의 검색된 확인 문장의 순위를 정하는 시스템.
KR1020030065039A 2002-09-19 2003-09-19 문장 데이터베이스로부터 문장들을 사용자에게 제공하는 컴퓨터 구현 방법 및 이 방법을 수행하기 위한 컴퓨터 실행가능 명령어가 저장되어 있는 유형의 컴퓨터 판독가능 기록 매체, 문장 데이터베이스로부터 확인 문장들을 검색하는 시스템이 저장되어 있는 컴퓨터 판독가능 기록 매체 KR101004515B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
US10/247,596 2002-09-19
US10/247,596 US7194455B2 (en) 2002-09-19 2002-09-19 Method and system for retrieving confirming sentences

Publications (2)

Publication Number Publication Date
KR20040025642A true KR20040025642A (ko) 2004-03-24
KR101004515B1 KR101004515B1 (ko) 2010-12-31

Family

ID=31946440

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020030065039A KR101004515B1 (ko) 2002-09-19 2003-09-19 문장 데이터베이스로부터 문장들을 사용자에게 제공하는 컴퓨터 구현 방법 및 이 방법을 수행하기 위한 컴퓨터 실행가능 명령어가 저장되어 있는 유형의 컴퓨터 판독가능 기록 매체, 문장 데이터베이스로부터 확인 문장들을 검색하는 시스템이 저장되어 있는 컴퓨터 판독가능 기록 매체

Country Status (9)

Country Link
US (2) US7194455B2 (ko)
EP (1) EP1400901A3 (ko)
JP (1) JP4974445B2 (ko)
KR (1) KR101004515B1 (ko)
CN (1) CN100507903C (ko)
AU (1) AU2003243989A1 (ko)
BR (1) BR0304150A (ko)
CA (1) CA2441448A1 (ko)
RU (1) RU2003128061A (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100903599B1 (ko) * 2007-11-22 2009-06-18 한국전자통신연구원 내적을 이용한 암호화된 데이터 검색 방법 및 이를 위한단말 장치와 서버
KR101109508B1 (ko) * 2011-04-04 2012-01-31 신성산건 주식회사 미관을 향상시킨 디자인 방음벽
KR101224660B1 (ko) * 2008-07-09 2013-01-21 고려대학교 산학협력단 유사 문장 검색 장치, 검색 방법, 저장 매체, 자동 대화서비스 시스템 및 서비스 방법
KR101877281B1 (ko) * 2011-01-21 2018-07-11 코쿠리츠켄큐카이하츠호진 죠호츠신켄큐키코 정보 검색 서비스 제공장치와 방법, 정보 검색 서비스 제공용 데이터베이스의 구축장치, 및 컴퓨터 프로그램 신호

Families Citing this family (72)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7027987B1 (en) * 2001-02-07 2006-04-11 Google Inc. Voice interface for a search engine
US8380491B2 (en) * 2002-04-19 2013-02-19 Educational Testing Service System for rating constructed responses based on concepts and a model answer
US7171351B2 (en) * 2002-09-19 2007-01-30 Microsoft Corporation Method and system for retrieving hint sentences using expanded queries
US7194455B2 (en) * 2002-09-19 2007-03-20 Microsoft Corporation Method and system for retrieving confirming sentences
US7293015B2 (en) * 2002-09-19 2007-11-06 Microsoft Corporation Method and system for detecting user intentions in retrieval of hint sentences
US7174346B1 (en) * 2003-07-31 2007-02-06 Google, Inc. System and method for searching an extended database
US20050125218A1 (en) * 2003-12-04 2005-06-09 Nitendra Rajput Language modelling for mixed language expressions
US8296126B2 (en) * 2004-02-25 2012-10-23 Research In Motion Limited System and method for multi-lingual translation
US8631001B2 (en) * 2004-03-31 2014-01-14 Google Inc. Systems and methods for weighting a search query result
US7272601B1 (en) * 2004-03-31 2007-09-18 Google Inc. Systems and methods for associating a keyword with a user interface area
US7693825B2 (en) * 2004-03-31 2010-04-06 Google Inc. Systems and methods for ranking implicit search results
US7707142B1 (en) 2004-03-31 2010-04-27 Google Inc. Methods and systems for performing an offline search
US9009153B2 (en) 2004-03-31 2015-04-14 Google Inc. Systems and methods for identifying a named entity
US20080040315A1 (en) * 2004-03-31 2008-02-14 Auerbach David B Systems and methods for generating a user interface
US7664734B2 (en) * 2004-03-31 2010-02-16 Google Inc. Systems and methods for generating multiple implicit search queries
US8041713B2 (en) 2004-03-31 2011-10-18 Google Inc. Systems and methods for analyzing boilerplate
US20050256700A1 (en) * 2004-05-11 2005-11-17 Moldovan Dan I Natural language question answering system and method utilizing a logic prover
BE1016079A6 (nl) * 2004-06-17 2006-02-07 Vartec Nv Werkwijze voor het indexeren en terugvinden van documenten, computerprogramma daarbij toegepast en informatiedrager die is voorzien van het voornoemde computerprogramma.
US7788274B1 (en) 2004-06-30 2010-08-31 Google Inc. Systems and methods for category-based search
US8131754B1 (en) 2004-06-30 2012-03-06 Google Inc. Systems and methods for determining an article association measure
US7672928B2 (en) 2004-09-30 2010-03-02 Microsoft Corporation Query forced indexing
US7447683B2 (en) * 2005-03-31 2008-11-04 Jiles, Inc. Natural language based search engine and methods of use therefor
US7555475B2 (en) * 2005-03-31 2009-06-30 Jiles, Inc. Natural language based search engine for handling pronouns and methods of use therefor
US20060224566A1 (en) * 2005-03-31 2006-10-05 Flowers John S Natural language based search engine and methods of use therefor
US20060224569A1 (en) * 2005-03-31 2006-10-05 Desanto John A Natural language based search engine and methods of use therefor
US20060282255A1 (en) * 2005-06-14 2006-12-14 Microsoft Corporation Collocation translation from monolingual and available bilingual corpora
US20060287910A1 (en) * 2005-06-21 2006-12-21 Kuchar Olga A Scenario analysis methods, scenario analysis devices, articles of manufacture, and data signals
DE102005030965B4 (de) * 2005-06-30 2007-07-19 Daimlerchrysler Ag Erweiterung des dynamischen Vokabulars eines Spracherkennungssystems um weitere Voiceenrollments
US7809551B2 (en) * 2005-07-01 2010-10-05 Xerox Corporation Concept matching system
US7689411B2 (en) * 2005-07-01 2010-03-30 Xerox Corporation Concept matching
CN101030197A (zh) * 2006-02-28 2007-09-05 株式会社东芝 双语词对齐方法和装置、训练双语词对齐模型的方法和装置
KR100816912B1 (ko) * 2006-04-13 2008-03-26 엘지전자 주식회사 문서검색 시스템 및 그 방법
US8706470B2 (en) * 2006-05-08 2014-04-22 David T. Lorenzen Methods of offering guidance on common language usage utilizing a hashing function consisting of a hash triplet
US20080168049A1 (en) * 2007-01-08 2008-07-10 Microsoft Corporation Automatic acquisition of a parallel corpus from a network
US8051061B2 (en) * 2007-07-20 2011-11-01 Microsoft Corporation Cross-lingual query suggestion
US20090077180A1 (en) * 2007-09-14 2009-03-19 Flowers John S Novel systems and methods for transmitting syntactically accurate messages over a network
US9754022B2 (en) 2007-10-30 2017-09-05 At&T Intellectual Property I, L.P. System and method for language sensitive contextual searching
US20090150141A1 (en) * 2007-12-07 2009-06-11 David Scott Wible Method and system for learning second or foreign languages
US7917488B2 (en) * 2008-03-03 2011-03-29 Microsoft Corporation Cross-lingual search re-ranking
US8521516B2 (en) * 2008-03-26 2013-08-27 Google Inc. Linguistic key normalization
US8275803B2 (en) 2008-05-14 2012-09-25 International Business Machines Corporation System and method for providing answers to questions
US8332394B2 (en) * 2008-05-23 2012-12-11 International Business Machines Corporation System and method for providing question and answers with deferred type evaluation
US8560298B2 (en) * 2008-10-21 2013-10-15 Microsoft Corporation Named entity transliteration using comparable CORPRA
US8484014B2 (en) * 2008-11-03 2013-07-09 Microsoft Corporation Retrieval using a generalized sentence collocation
US8463806B2 (en) 2009-01-30 2013-06-11 Lexisnexis Methods and systems for creating and using an adaptive thesaurus
US20100299132A1 (en) * 2009-05-22 2010-11-25 Microsoft Corporation Mining phrase pairs from an unstructured resource
EP2400400A1 (en) * 2010-06-22 2011-12-28 Inbenta Professional Services, S.L. Semantic search engine using lexical functions and meaning-text criteria
US10002608B2 (en) * 2010-09-17 2018-06-19 Nuance Communications, Inc. System and method for using prosody for voice-enabled search
US8401853B2 (en) 2010-09-22 2013-03-19 At&T Intellectual Property I, L.P. System and method for enhancing voice-enabled search based on automated demographic identification
US8892550B2 (en) 2010-09-24 2014-11-18 International Business Machines Corporation Source expansion for information retrieval and information extraction
TWI480742B (zh) * 2011-03-18 2015-04-11 Ind Tech Res Inst 基於動態語言模型之推薦方法與推薦系統
US10198506B2 (en) * 2011-07-11 2019-02-05 Lexxe Pty Ltd. System and method of sentiment data generation
US8661049B2 (en) * 2012-07-09 2014-02-25 ZenDesk, Inc. Weight-based stemming for improving search quality
US10614725B2 (en) 2012-09-11 2020-04-07 International Business Machines Corporation Generating secondary questions in an introspective question answering system
WO2014040263A1 (en) * 2012-09-14 2014-03-20 Microsoft Corporation Semantic ranking using a forward index
US20140350931A1 (en) * 2013-05-24 2014-11-27 Microsoft Corporation Language model trained using predicted queries from statistical machine translation
JP6466138B2 (ja) * 2014-11-04 2019-02-06 株式会社東芝 外国語文作成支援装置、方法及びプログラム
US11227113B2 (en) * 2016-01-20 2022-01-18 International Business Machines Corporation Precision batch interaction with a question answering system
CN107085568B (zh) * 2017-03-29 2022-11-22 腾讯科技（深圳）有限公司 一种文本相似度判别方法及装置
CN107123318B (zh) * 2017-03-30 2020-05-08 河南工学院 一种基于输入法装置的外文写作学习系统
US10241716B2 (en) 2017-06-30 2019-03-26 Microsoft Technology Licensing, Llc Global occupancy aggregator for global garbage collection scheduling
CN107731230A (zh) * 2017-11-10 2018-02-23 北京联华博创科技有限公司 一种庭审笔录系统及方法
CN108052686B (zh) * 2018-01-26 2022-02-11 腾讯科技（深圳）有限公司 一种摘要提取方法及相关设备
CN109740161B (zh) * 2019-01-08 2023-06-20 北京百度网讯科技有限公司 数据泛化方法、装置、设备和介质
US11397776B2 (en) 2019-01-31 2022-07-26 At&T Intellectual Property I, L.P. Systems and methods for automated information retrieval
CN110008312A (zh) * 2019-04-10 2019-07-12 成都信息工程大学 一种文档写作助手实现方法、系统及电子设备
CN111078849B (zh) * 2019-12-02 2023-07-25 百度在线网络技术（北京）有限公司 用于输出信息的方法和装置
EP4220474A1 (en) * 2019-12-18 2023-08-02 Fujitsu Limited Information processing program, information processing method, and information processing device
KR102535852B1 (ko) * 2020-06-04 2023-05-24 동국대학교 산학협력단 Bert의 문장 임베딩 벡터를 이용한 텍스트랭크 기반 핵심 문장 추출 방법 및 장치
US20230325424A1 (en) * 2022-04-08 2023-10-12 Language Logic, Llc Systems and methods for generating codes and code books based using cosine proximity
WO2024228863A1 (en) * 2023-05-02 2024-11-07 System, Inc. System and methods for extracting statistical information from documents
CN118782026B (zh) * 2024-07-15 2025-02-28 广州云智达创科技有限公司 一种智能语音助手的控制方法及装置

Family Cites Families (52)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US3956230A (en) * 1968-02-01 1976-05-11 Champion International Corporation Compatibilization of hydroxyl-containing fillers and thermoplastic polymers
US4187210A (en) * 1973-12-14 1980-02-05 E. I. Du Pont De Nemours And Company Homogeneous, highly-filled, polyolefin composites
US4661537A (en) * 1985-07-11 1987-04-28 Union Carbide Corporation Impact promoters for mineral-filled thermoplastics
US5140522A (en) 1988-10-28 1992-08-18 Kabushiki Kaisha Toshiba Method and apparatus for machine translation utilizing previously translated documents
NL8900247A (nl) 1989-02-01 1990-09-03 Bso Buro Voor Systeemontwikkel Werkwijze en stelsel voor het weergeven van meervoudige analyses in een afhankelijkheidsgrammatica, alsmede ontleed-inrichting voor het genereren van een dergelijke weergave.
JP3090942B2 (ja) 1990-11-02 2000-09-25 三菱化学株式会社 冷蔵庫内箱用熱可塑性樹脂組成物及びそれを成形して得られた冷蔵庫内箱
US6278967B1 (en) * 1992-08-31 2001-08-21 Logovista Corporation Automated system for generating natural language translations that are domain-specific, grammar rule-based, and/or based on part-of-speech analysis
US5528491A (en) * 1992-08-31 1996-06-18 Language Engineering Corporation Apparatus and method for automated natural language translation
GB2279164A (en) 1993-06-18 1994-12-21 Canon Res Ct Europe Ltd Processing a bilingual database.
JP2855409B2 (ja) 1994-11-17 1999-02-10 日本アイ・ビー・エム株式会社 自然言語処理方法及びシステム
US5642502A (en) * 1994-12-06 1997-06-24 University Of Central Florida Method and system for searching for relevant documents from a text database collection, using statistical ranking, relevancy feedback and small pieces of text
JPH08254206A (ja) 1995-03-17 1996-10-01 Fujitsu Ten Ltd ブラケット構造
JP3741156B2 (ja) * 1995-04-07 2006-02-01 ソニー株式会社 音声認識装置および音声認識方法並びに音声翻訳装置
US5963940A (en) 1995-08-16 1999-10-05 Syracuse University Natural language information retrieval system and method
SG49804A1 (en) * 1996-03-20 1998-06-15 Government Of Singapore Repres Parsing and translating natural language sentences automatically
JPH09293078A (ja) * 1996-04-17 1997-11-11 Internatl Business Mach Corp <Ibm> 情報検索方法、情報検索装置及び情報検索プログラムを格納する記憶媒体
JP4007630B2 (ja) * 1996-07-16 2007-11-14 シャープ株式会社 対訳例文登録装置
JPH10105555A (ja) * 1996-09-26 1998-04-24 Sharp Corp 対訳例文検索装置
US5946376A (en) 1996-11-05 1999-08-31 Ericsson, Inc. Cellular telephone including language translation feature
US6076051A (en) * 1997-03-07 2000-06-13 Microsoft Corporation Information retrieval utilizing semantic representation of text
US6233545B1 (en) 1997-05-01 2001-05-15 William E. Datig Universal machine translator of arbitrary languages utilizing epistemic moments
US5933822A (en) 1997-07-22 1999-08-03 Microsoft Corporation Apparatus and methods for an information retrieval system that employs natural language processing of search results to improve overall precision
US6081774A (en) 1997-08-22 2000-06-27 Novell, Inc. Natural language information retrieval system and method
KR980004126A (ko) 1997-12-16 1998-03-30 양승택 다국어 웹 문서 검색을 위한 질의어 변환 장치 및 방법
WO1999064964A1 (en) * 1998-06-08 1999-12-16 Kaufman Consulting Services Ltd. Method and system for retrieving relevant documents from a database
JP3114703B2 (ja) 1998-07-02 2000-12-04 富士ゼロックス株式会社 対訳文検索装置
US6408294B1 (en) 1999-03-31 2002-06-18 Verizon Laboratories Inc. Common term optimization
KR20010004404A (ko) 1999-06-28 2001-01-15 정선종 키팩트기반 텍스트 검색시스템과, 이를 이용한 키팩트기반 텍스트 색인방법 및 검색방법
US6654950B1 (en) 1999-08-24 2003-11-25 Bae Systems Mission Solutions Inc. Software rehosting system and method
JP3411246B2 (ja) * 1999-10-20 2003-05-26 株式会社ジャストシステム クエリ出力装置、文献検索システム、クエリ出力方法、文献検索方法、並びに、記録媒体
US6766287B1 (en) * 1999-12-15 2004-07-20 Xerox Corporation System for genre-specific summarization of documents
US6473729B1 (en) 1999-12-20 2002-10-29 Xerox Corporation Word phrase translation using a phrase index
JP2001243230A (ja) * 2000-02-25 2001-09-07 Nippon Telegr & Teleph Corp <Ntt> 類似性判別方法
CN1174332C (zh) 2000-03-10 2004-11-03 松下电器产业株式会社 转换表达方式的方法和装置
JP2001273299A (ja) 2000-03-24 2001-10-05 Toshiba Corp 検索装置
US7107204B1 (en) 2000-04-24 2006-09-12 Microsoft Corporation Computer-aided writing system and method with cross-language writing wizard
JP2001357065A (ja) * 2000-06-14 2001-12-26 Nippon Telegr & Teleph Corp <Ntt> 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
US6687689B1 (en) * 2000-06-16 2004-02-03 Nusuara Technologies Sdn. Bhd. System and methods for document retrieval using natural language-based queries
US6622123B1 (en) 2000-06-23 2003-09-16 Xerox Corporation Interactive translation system and method
JP3573688B2 (ja) * 2000-06-28 2004-10-06 松下電器産業株式会社 類似文書検索装置及び関連キーワード抽出装置
US20040059654A1 (en) * 2000-07-07 2004-03-25 Hans Schroder Method and system for processing and display of variables in a user generated network diagram representing a balanced system
US6810376B1 (en) * 2000-07-11 2004-10-26 Nusuara Technologies Sdn Bhd System and methods for determining semantic similarity of sentences
US20020111792A1 (en) 2001-01-02 2002-08-15 Julius Cherny Document storage, retrieval and search systems and methods
US7146308B2 (en) * 2001-04-05 2006-12-05 Dekang Lin Discovery of inference rules from text
US6778979B2 (en) 2001-08-13 2004-08-17 Xerox Corporation System for automatically generating queries
KR100453227B1 (ko) 2001-12-28 2004-10-15 한국전자통신연구원 번역 지원 시스템에서의 유사 문장 검색 방법
US7003516B2 (en) * 2002-07-03 2006-02-21 Word Data Corp. Text representation and method
US7024408B2 (en) * 2002-07-03 2006-04-04 Word Data Corp. Text-classification code, system and method
US7181451B2 (en) * 2002-07-03 2007-02-20 Word Data Corp. Processing input text to generate the selectivity value of a word or word group in a library of texts in a field is related to the frequency of occurrence of that word or word group in library
US7194455B2 (en) 2002-09-19 2007-03-20 Microsoft Corporation Method and system for retrieving confirming sentences
US7171351B2 (en) 2002-09-19 2007-01-30 Microsoft Corporation Method and system for retrieving hint sentences using expanded queries
US7293015B2 (en) 2002-09-19 2007-11-06 Microsoft Corporation Method and system for detecting user intentions in retrieval of hint sentences

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100903599B1 (ko) * 2007-11-22 2009-06-18 한국전자통신연구원 내적을 이용한 암호화된 데이터 검색 방법 및 이를 위한단말 장치와 서버
KR101224660B1 (ko) * 2008-07-09 2013-01-21 고려대학교 산학협력단 유사 문장 검색 장치, 검색 방법, 저장 매체, 자동 대화서비스 시스템 및 서비스 방법
KR101877281B1 (ko) * 2011-01-21 2018-07-11 코쿠리츠켄큐카이하츠호진 죠호츠신켄큐키코 정보 검색 서비스 제공장치와 방법, 정보 검색 서비스 제공용 데이터베이스의 구축장치, 및 컴퓨터 프로그램 신호
KR101109508B1 (ko) * 2011-04-04 2012-01-31 신성산건 주식회사 미관을 향상시킨 디자인 방음벽

Also Published As

Publication number Publication date
AU2003243989A1 (en) 2004-04-08
JP2004110835A (ja) 2004-04-08
CA2441448A1 (en) 2004-03-19
US20050273318A1 (en) 2005-12-08
CN1490744A (zh) 2004-04-21
JP4974445B2 (ja) 2012-07-11
EP1400901A3 (en) 2004-06-30
BR0304150A (pt) 2004-09-08
CN100507903C (zh) 2009-07-01
EP1400901A2 (en) 2004-03-24
US7194455B2 (en) 2007-03-20
KR101004515B1 (ko) 2010-12-31
US20040059718A1 (en) 2004-03-25
RU2003128061A (ru) 2005-03-10
US7974963B2 (en) 2011-07-05

Similar Documents

Publication Publication Date Title
KR101004515B1 (ko) 문장 데이터베이스로부터 문장들을 사용자에게 제공하는 컴퓨터 구현 방법 및 이 방법을 수행하기 위한 컴퓨터 실행가능 명령어가 저장되어 있는 유형의 컴퓨터 판독가능 기록 매체, 문장 데이터베이스로부터 확인 문장들을 검색하는 시스템이 저장되어 있는 컴퓨터 판독가능 기록 매체
US7293015B2 (en) Method and system for detecting user intentions in retrieval of hint sentences
US7171351B2 (en) Method and system for retrieving hint sentences using expanded queries
US9672206B2 (en) Apparatus, system and method for application-specific and customizable semantic similarity measurement
US11468238B2 (en) Data processing systems and methods
KR101130444B1 (ko) 기계번역기법을 이용한 유사문장 식별 시스템
US7526474B2 (en) Question answering system, data search method, and computer program
US20210133224A1 (en) Data Processing Systems and Methods
Ingason et al. A mixed method lemmatization algorithm using a hierarchy of linguistic identities (HOLI)
US20150199339A1 (en) Semantic refining of cross-lingual information retrieval results
EP2354967A1 (en) Semantic textual analysis
US20060235689A1 (en) Question answering system, data search method, and computer program
US20090070311A1 (en) System and method using a discriminative learning approach for question answering
JP2012520527A (ja) ユーザ質問及びテキスト文書の意味ラベリングに基づく質問応答システム及び方法
JP2011118689A (ja) 検索方法及びシステム
Vanetik et al. An unsupervised constrained optimization approach to compressive summarization
Srinivas et al. An approach to robust partial parsing and evaluation metrics
JP2003167898A (ja) 情報検索システム
Spasic et al. Unsupervised multi-word term recognition in Welsh
Tanaka et al. Acquiring and generalizing causal inference rules from deverbal noun constructions
Paik CHronological information Extraction SyStem (CHESS)
Chakraborty et al. N-Gram based Assamese Question Pattern Extraction and Probabilistic Modelling
Kaveh et al. The effects of the challenges in the transliteration of Persian names into English on the recall of retrieved results in the web of science
Ahmed et al. Impact of Related Languages as Pivot Language on Machine Translation
JP2018055620A (ja) 情報処理装置及びプログラム

Legal Events

Date Code Title Description
PA0109 Patent application

Patent event code: PA01091R01D

Comment text: Patent Application

Patent event date: 20030919

PG1501 Laying open of application
A201 Request for examination
PA0201 Request for examination

Patent event code: PA02012R01D

Patent event date: 20080919

Comment text: Request for Examination of Application

Patent event code: PA02011R01I

Patent event date: 20030919

Comment text: Patent Application

E902 Notification of reason for refusal
PE0902 Notice of grounds for rejection

Comment text: Notification of reason for refusal

Patent event date: 20100528

Patent event code: PE09021S01D

E701 Decision to grant or registration of patent right
PE0701 Decision of registration

Patent event code: PE07011S01D

Comment text: Decision to Grant Registration

Patent event date: 20101129

GRNT Written decision to grant
PR0701 Registration of establishment

Comment text: Registration of Establishment

Patent event date: 20101221

Patent event code: PR07011E01D

PR1002 Payment of registration fee

Payment date: 20101221

End annual number: 3

Start annual number: 1

PG1601 Publication of registration
FPAY Annual fee payment

Payment date: 20131115

Year of fee payment: 4

PR1001 Payment of annual fee

Payment date: 20131115

Start annual number: 4

End annual number: 4

FPAY Annual fee payment

Payment date: 20141117

Year of fee payment: 5

PR1001 Payment of annual fee

Payment date: 20141117

Start annual number: 5

End annual number: 5

FPAY Annual fee payment

Payment date: 20151118

Year of fee payment: 6

PR1001 Payment of annual fee

Payment date: 20151118

Start annual number: 6

End annual number: 6

FPAY Annual fee payment

Payment date: 20161123

Year of fee payment: 7

PR1001 Payment of annual fee

Payment date: 20161123

Start annual number: 7

End annual number: 7

FPAY Annual fee payment

Payment date: 20171117

Year of fee payment: 8

PR1001 Payment of annual fee

Payment date: 20171117

Start annual number: 8

End annual number: 8

FPAY Annual fee payment

Payment date: 20181115

Year of fee payment: 9

PR1001 Payment of annual fee

Payment date: 20181115

Start annual number: 9

End annual number: 9

PC1903 Unpaid annual fee

Termination category: Default of registration fee

Termination date: 20201001