JP4417967B2 - 用例データベース及び用例検索システム - Google Patents

Description

本発明は、翻訳のための用例集を格納した用例データベース及び用例データベースを検索する用例検索システムに関する。

翻訳文の作成において、翻訳文書の分野に合った正しい訳語を用いることは、翻訳文の品質の点で非常に重要なポイントである。例えば、”The agents seem to be effective in the treatment of the pathogen.”という文が医学文書にあったとする。医学分野で”treatment”といえば「治療」という訳語が真っ先に思い浮かぶが、”pathogen（病原体）”に対して「治療」という言葉を使用するのが適切かどうか定かでないとする。英和辞書には他に「取り扱い、処理」などの訳語があるが、各訳語に対する英和辞典の説明内容では訳語が選択できない場合には、翻訳文書と同分野の他文書の用例を参照して訳語を決める。また、原文文書中で辞書に載っていない語があった場合も、やはり用例を参照して訳語を調査する。

このような、文脈に即した訳語及び辞書にない語を調査し選択するという目的に対して、翻訳原文の言語（例では英語）と訳文言語（例では日本語）との対訳文書があれば好都合である。すなわち、「病原体」と”treatment”とを検索対象語に指定して得られた検索結果に対して、「病原体」を含む日本語文の中から、”treatment”に対応する訳語を知ることができる。

従来、検索を容易にするため、これらの翻訳原文文書と訳文文書を対にしてデータベースに登録し、翻訳の際に参照する翻訳メモリというデータベースが活用されていた（例えば、特許文献１参照）。この翻訳メモリでは、ユーザが検索対象語を指定してデータベースを能動的に検索する以外に翻訳原文との一致度を計算し、ユーザが指定した類似度以上の対訳をデータベースから自動で検索して表示することもでき、検索の利便性が図られている。

一方、対訳文書はなくても、単一言語からなる用例集ならば入手できる場合は多い。そこで、従来、単一言語で記述された用例集を活用して目的の訳語を得るために、下記の２つの方法が行われていた。

第１の方法は、用例を記述する言語と同一言語の語を検索対象語に指定して用例を検索する方法である。例えば、検索対象語に「病原体」と「治療」とを指定して検索を実行した場合、医学的な用例がある程度検出されれば「病原体を治療する」が医学分野で用いられている表現だと判断できる。

第２の方法は、機械翻訳システムによる方法である（例えば、特許文献２参照）。この方法では、訳文言語の用例集を解析し、文を構成する各単語の統計情報及び共起情報を取得し、取得した情報を用いて、機械翻訳システムの持つ翻訳用辞書の中の訳語の優先順位を変更して、用例中の頻出語及び共起関係のある語を優先的に訳出するものである。
特開２００３−２０３０７２号公報 特開２００４−８６２４３号公報

しかしながら、特許文献１の翻訳メモリで用いられている対訳文書は入手が難しいというのが実情であった。

また、単一言語で記述された用例集を活用して目的の訳語を得る第１の方法では、それらしい用例が検出されない場合は、この表現は医学分野では用いられていなさそうだ、という見当はついても、正しい表現を得ることはできない。このような場合、検索対象語に「病原体」だけを指定して検索を実行し、得られた用例を一つずつ検討することはできるが、検出された用例が膨大な場合は手間が非常にかかるという問題があった。また、正しい訳語を推定して検索してみるという方法もあるが、試行錯誤の手間と労力は膨大なものであった。

一方、単一言語で記述された用例集を活用して目的の訳語を得る第２の方法では、用例の統計情報や共起情報が反映されるのは自立語に限られており、自立語同士のつながり方は、機械翻訳システムが生成したものとなっている。これに対して、特に訳文言語が外国語の場合、自立語自体ではなく、自立語同士のつながり方が知りたい場合がある。例えば、「XX病原体の顕微鏡写真」という翻訳原文において、「XX病原体」と「顕微鏡写真」はどのようにつながるか、すなわち"XX pathogen's micrograph" "a micrograph of XX pathogen" "XX pathogen .... in the micrograph"のどれを採用すべきかを知りたい場合がある。このような目的に対して、特許文献２のものでは、用例集のデータそのものは提示されないため、目的を果たすことはできなかった。

このように、翻訳文を作成する際に、単一言語で記述された用例を活用して目的の訳語を得たいという要望に対して、これまでに２つの方法が利用されていたが、第１の方法は、用例を記述する言語と同一言語の語を検索対象語に指定して用例を検索する方法であり、検索対象語が絞り込まれすぎていて用例が検出されない場合には、指定する検索対象語の数を減らして検索対象を広げるという方法が採れるが、たくさんの不要な検索結果の中から所望の情報を探し出す必要があり、手間がかかるという問題があった。また、正しい訳語を推定して検索してみる方法もあるが、試行錯誤の手間と労力は膨大なものであった。

また、第２の方法は、機械翻訳システムによる方法であり、用例集を解析して得た単語の統計情報及び共起情報を用いて、頻出語及び共起関係のある語を優先的に訳出するものであるが、この第２の方法では統計情報及び共起情報が反映されるのは自立語に限られるため、自立語のつながり方を知りたい場合には有効な方法ではなく、このような目的に対しては用例を直接表示する必要があった。

本発明の目的は、上記の問題を解決するためになされたものであり、単一言語からなる用例集を効率良く検索することができる用例データベース及び用例検索システムを提供することである。

本発明の用例データベース構築装置は、翻訳の目標言語である第１言語で記述された外部文書を読み込む外部文書入力部と、前記外部文書の言語解析を行って、文を構成する各語の文法情報を得る外部文書用言語解析部と、前記外部文書用言語解析部で得られた文法情報を基に、第１言語の単語と原文言語である第２言語の単語とが対になって記憶装置に登録されている対訳辞書を参照し、前記文を構成する語に対応する第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列を取得し、前記文と取得された単語列とを対として用例データベースに登録するデータベース構築制御部とを備えたことを特徴とする。

本発明の用例検索システムは、翻訳の目標言語である第１言語で記述された文と、前記文を構成する語に対応する原文言語である第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列とが対になって格納されている用例データベースを記憶した記憶装置と、第２言語で記述された検索対象文を読み込む検索文字列入力部と、ユーザが選択した前記検索対象文中の検索対象語を指定する検索対象語指定部と、前記検索対象語指定部で指定された検索対象語に一致するものを前記用例データベースから検索するデータベース検索部とを備えたことを特徴とする。

本発明によれば、翻訳の目標言語である第１言語で記述された文と、その文を構成する語に対応する原文言語である第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列とを対にして用例データベースに格納しているので、第２言語（原文言語）で記述された文を第１言語（目標言語）に翻訳したい場合、第２言語と第１言語との文の対訳がなくても、第１言語（目標言語）のみの用例があれば、翻訳の際に参照できる。

また、検索対象文中で指定された検索対象語に対応する第１言語で記述された用例中の語が検索対象語とは異なる品詞や活用形で使われている場合でも、検索の対象とすることができる。これによって、検索対象を効果的に広げることができ、効率的な検索を行うことができる。また、ユーザ側で行われる試行錯誤による検索対象語の推定の負担を大幅に削減することもできる。

図１は本発明の実施の形態に係わる用例検索システムのハードウエア構成を示すブロック構成図である。用例検索システム１１は、用例検索に関する各種演算を行う演算制御装置１２と、演算制御装置１２の演算結果等を表示する表示装置１３と、表示装置１３を介して演算制御装置１２に各種指令を入力するためのマウス１４やキーボード１５と、検索対象の文書、用例データベースに登録する文書などのファイルを記憶媒体に入出力するためのディスクドライブ１６と、演算制御装置１２の演算結果や用例データベース等を記憶するハードディスクドライブ（ＨＤＤ）とから構成される。演算制御装置１２は、プロセッサ１８とメモリ１９とを有し、メモリ１９には用例検索に関するプログラム２０が記憶され、プロセッサ１８により処理が実行される際には作業エリア２１が用いられる。

図２は本発明の実施の形態に係わる用例検索システムのプログラム２０の説明図である。プログラム２０は、用例データベース及び外部文書を検索するための検索部１と、用例データベースを構築するためのデータベース構築部２と、第２言語（原文言語）で記述された文書を第１言語（目標言語）に翻訳する機械翻訳システム部３とから構成される。検索部１は、検索文字列入力部２２、検索制御部２３、検索文用言語解析部２４、検索対象語指定部２５、検索式生成部２６、データベース検索部２７、出力部２９を有し、データベース構築部２は、外部文書入力部３０、データベース構築制御部３１、文分割部３２、外部文書用言語解析部３３、外部文書検索制御部３４、対訳辞書３５、外部文書検索部３６を有し、機械翻訳システム部３は、第２言語文書入力部３７、機械翻訳処理制御部３８、翻訳処理部３９、機械翻訳用辞書４０を有している。

図３は、本発明の実施の形態に係わる用例検索システムのプログラム各構成要素の働きを示したブロック構成図であり、以下、プログラム２０の各構成要素の役割について説明する。

最初に、検索部１の構成要素について説明する。検索文字列入力部２２は、検索対象となる文を読み込むものであり、検索制御部２３は、後述する検索文用言語解析部２４、検索対象語指定部２５、検索式生成部２６、データベース検索部２７、外部文書検索部３４による処理を制御するものである。検索文用言語解析部２４は、検索文の言語解析を行って、文を構成する各語の文法情報を取得するものである。検索対象語指定部２５は、読み込まれた検索対象文の中で検索したい語を指定するものである。検索文の検索式生成部２６は、検索文用言語解析部による解析結果から得た文法情報を用いて検索式を生成するものである。データベース検索部２７は、用例データベース２８を検索するものである。出力部２９は、用例データベース２８の検索結果を出力するものである。

ここで、用例データベース２８には、第１言語で記述された文と、その文を構成する自立語に対応する第２言語の単語から構成される単語列とが対になって複数格納されている。すなわち、翻訳の目標言語である第１言語で記述された文と、その文を構成する語に対応する原文言語である第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列とが対になって格納されている。これについての詳細は後述する。

次に、データベース構築部２の構成要素について説明する。外部文書入力部３０は、用例データベース２８に登録する文書を読み込むものであり、データベース構築制御部３１は、後述する外部文書用言語解析部３３での処理を制御するものである。文分割部３２は、読み込まれた外部文書を１文単位に分割するものである。外部文書用言語解析部３３は、外部文書入力部３０から読み込まれた文書の言語解析を行って、文を構成する各語の文法情報を取得するものである。外部文書検索制御部３４は、後述する外部文書検索部及び外部文書用言語解析部３３での処理を制御するものである。対訳辞書３５は、第１言語の単語と第２言語の単語の対からなる用語データベースである。外部文書検索部３６は、Webあるいは既存の他のデータベースなどから、用例データベース２８に登録されていない文書を検索するものである。

次に、機械翻訳システム部３の構成要素について説明する。第２言語文書入力部３７は、第２言語によって記述された文書を読み込むものであり、機械翻訳処理制御部３８は、文分割部３２と機械翻訳処理部３９での処理を制御するものである。機械翻訳処理部３９は、機械翻訳用辞書４０を参照して、１文単位に分割された第２言語の文書を第１言語に翻訳するものである。機械翻訳用辞書４０は、第２言語の語句と第１言語の語句の対からなる用語データベースである。

次に、全体の動作について説明する。まず、検索部１の各構成要素の働きについて説明する。検索部１の検索文字列入力部２２から第２言語で記述された検索文が入力される。入力された第２言語で記述された検索文は、検索制御部２３によって検索文用言語解析部２４に送られて言語解析を受け文法情報が付与される。続いて、検索対象語指定部２５において、ユーザが検索対象語を指定する。検索対象語には、検索文中の第２言語の単語のほかに、任意の第１言語の単語を指定することもできる。続いて、指定された検索対象語を含む検索文は、検索式生成部２６に送られて、検索文用言語解析部２５で得られた文法情報を基に、検索式が自動的に生成される。そして、データベース検索部２７に送られて、用例データベース２８に登録されている各文データと検索式との間で、検索対象語及び文法情報が比較される。最終的に、一定の判断基準により一致と判断されたものが出力部２９から出力される。

なお、用例データベース２８には、第１言語で記述された複数の文データがユーザにより事前に登録されており、これに対して、各文を構成する自立語に対応する第２言語の単語から構成される単語列が自動的に生成され、各文と対になって格納されている。用例データベース２８へのデータ登録の詳細については後述する。

ここで、検索式と用例データベース２８中のデータが比較される際に、第２言語が使われている点が特徴点の一つである。ユーザが用例データベース２８に登録したのは第１言語で記述された文であり、検索に用いられている第２言語で記述された単語列は、自動的に生成されたものである。つまり、第１言語で記述された文が登録されている用例データベース２８に対して、第２言語で記述された検索式を用いた検索が行われている点が本発明の特徴となっている。

次に、データベース構築部２の各構成要素の働きについて説明する。用例データベース２８の検索で望みの検索結果が得られなかった場合には、以下に示す２つの処理を行うことで、第１言語で記述された新たな文書を用例データベース２８に登録し、それらを対象とした検索を行うことができる。これらの処理を行うかどうか、またどちらの処理を行うかはユーザが選択することになる。

第１の処理は、ユーザが第１言語で記述された文書を用例データベース２８に登録すると選択した場合に行われる処理である。なお、以下の処理は、すべてデータベース構築制御部３１によって制御されている。ユーザが指定した文書が外部文書入力部３０から入力されると、文書はまず文分割部３２に送られて１文単位に分割される。続いて、外部文書用言語解析部３３に送られて言語解析を受け文法情報が得られる。ここで得られた文法情報を基に、文を構成する自立語の原形が求められ、対訳辞書３５が参照されて、これらの自立語に対応する第２言語の単語から構成される単語列が作成される。なお、「原形」とは、動詞、形容詞などの時制等によって活用する語の場合は活用していない形、名詞のように複数形になる語は単数形を指す。第１言語で記述された文と、生成された第２言語の単語列は、対としてデータベース２８に登録される。用例データベース２８への登録終了後、先に述べた検索部の各構成要素による処理と同じ処理が行われる。なお、これらの用例データベース２８への文書の登録処理は、検索実行前にあらかじめ行っておくこともできる。

第２の処理は、ユーザが第１言語で記述された単語を指定して外部文書の検索を実行すると選択した場合に行われる処理である。この場合は、まず、外部文書検索制御部３４によって、検索文字列が外部文書検索部３６に送られて、第１言語で記述されたWebあるいは既存の他のデータベースなどを対象に検索が行われる。続いて、検索の結果得られた１次情報は、上述した第１の処理と同じ処理を受けて、第１言語で記述された文と、生成された第２言語の単語列とが対として用例データベース２８に登録される。用例データベース２８への登録終了後、先に述べた検索部１の各構成要素による処理が行われる。

次に、機械翻訳システム部３の各構成要素の働きについて説明する。本発明の用例検索システム１１では、第２言語で記述された検索文に対して検索対象語を指定する他に、機械翻訳システム部３が生成した第１言語で記述された翻訳結果を用いて、検索対象語を指定することができるようにしている。すなわち、機械翻訳用辞書４０の第１言語の訳語候補を利用することによって、検索結果の絞込みを容易に行うことができ、また、これによって、上述したデータベース構築部２での第２の処理を容易に行うことができるようにしている。

第２言語文書入力部３７に、翻訳対象の文書である第２言語によって記述された原文文書が読み込まれると、機械翻訳処理制御部３８によって原文文書が文分割部３２に送られて１文単位に分割される。分割された各文に対して、機械翻訳処理部３９が言語解析を行い、機械翻訳用辞書４０を参照しつつ第１言語による訳文を生成する。

翻訳結果である第１言語による文が原文である第２言語による文とともに検索文字列入力部２２に入力されると、検索部１の各構成要素の働きの説明で述べたのと同様な処理を受けて検索式が生成される。この場合、ユーザが指定する検索対象語は、原文である第２言語による文に加えて、翻訳結果である第１言語による文に対しても指定することができる。

図４は本発明の検索部１及びデータベース構築部２の構成要素による処理の概要を表すフローチャートである。図４において、別処理となっているステップＳ４７の部分がデータベース構築部２の構成要素による処理内容であり、それ以外の部分は検索部１の構成要素による処理内容である。まず、検索部１での処理内容について説明し、続いてデータベース構築部２での処理内容について説明する。機械翻訳システム部３の構成要素による処理内容については後述する。

（検索部１での処理）
図４において、検索対象文が検索文字列入力部２２から入力されると（ステップＳ４１）、検索対象文は検索文用言語解析部２４に送られて言語解析を受け文法情報が付与される（ステップＳ４２）。続いて検索対象語指定部２５においてユーザが検索対象語を指定し（ステップＳ４３）、検索式生成部２６にて検索対象語から検索式が自動的に生成される（ステップＳ４４）。次に、データベース検索部２７にて用例データベース２８に登録されている各データと検索式とが比較され、一定の判断基準により同じと判断された文データが用例データベース２８から抽出される（ステップＳ４５）。そして、検索結果が得られたかどうかを判断し（ステップＳ４６）、検索結果が得られた場合には、出力部２９から出力される（ステップＳ４８）。検索結果が得られなかった場合は、別処理であるデータベース構築部２での外部文書処理に進む（ステップＳ４７）。

図５は、第１言語（目標言語）が日本語で第２言語（原文言語）が英語である場合を例にして図４のステップＳ４１からステップＳ４４において検索文字列入力から検索式を作成するまでの処理内容の一例の説明図である。

例えば、ステップＳ４１で「The agents seem to be effective for the treatment of the pathogen.」という検索文字列５１が入力されたとする。ステップＳ４２で言語解析が行われると、文を構成する各語に対して、複数形や時制などの文法情報５２が得られる。ステップＳ４２で行う検索文用言語解析は、構文解析と係り受け解析とであり、これらは英文の自然言語処理で一般的に用いられる解析手法である。

次に、ステップＳ４３で、検索文字列５１に対してユーザが「treatment」と「pathogen」とを検索対象語として指定したとする。これにより、検索対象語指令文字列５３が得られる。検索対象語の指定の方法としては、例えば検索対象語に指定する語をクリックして選択した語を反転表示させるなどのユーザインターフェースが考えられる。検索文字列５１中の単語の他に、第１言語である日本語の任意の単語を検索対象語に指定することもできる。指定の方法としては、例えば、検索ウィンドウを開いて任意の文字列を入力させるなどの方法が考えられる。

ステップＳ４４において、ユーザが指定した検索対象語を用いて検索キーが生成される。ここで、例えば検索対象語として「agents」が選択されていたら、検索式の中には、「agents」の原形である単数形の「agent」が用いられる。図５では、「treatment」と「pathogen」とが検索対象語として指定された場合の検索式５４を示している。検索式５４は、指定した検索対象語を区切り記号で連結したものである。区切り記号には、一般的な文書内で使われることがない文字列、例えば「@@@」などを用いる。

このように作成した検索式５４を用いて、図４のステップＳ４５において、用例データベース２８の検索を行う。検索における文字列比較処理の詳細については、以下に続くデータベース構築部２での処理の説明において、用例データベース２８の登録内容の説明をした後で述べる。

（データベース構築部２での処理）
図６は、図４のステップＳ４７で示したデータベース構築部２での外部文書処理の流れを示すフローチャートである。図４のステップＳ４６で検索結果が得られなかった場合には、ユーザに対して、外部文書を用例データベース２８に登録するかどうかが問われる（ステップＳ６０）。以下に示す処理によって、外部文書を用いたデータベースの構築が行われる。

ステップＳ６０で外部文書の登録を選択した場合は、ユーザは外部文書入力部３０から第１言語で記述された外部文書を入力する（ステップＳ６１）。ここでの外部文書には、検索対象文の分野で定評のある書籍、規格書、社内文書など、用語の使われ方に十分信頼がおける文書など、まるごとデータベースに登録して問題ない文書が考えられる。入力された文書は、まず文分割部３２によって１文単位に分割される（ステップＳ６２）。分割された外部文書は、１文ごとに外部文書用言語解析部３３によって言語解析が行われて文法情報が付与される（ステップＳ６３）。続いて、得られた文法情報及び対訳辞書３５のデータを参照して（ステップＳ６４）、各文を構成する自立語に対応する第２言語の単語から構成される単語列が自動的に生成される（ステップＳ６５）。第１言語からなる各文と、生成された第２言語の単語列は、対として用例データベース２８に登録される（ステップＳ６６）。

そして、登録終了後、図４のステップＳ４４で生成した検索式を用いて、用例データベース２８の検索が行われる（ステップＳ６７）。検索結果が得られたかどうかを判断し（ステップＳ６８）、検索結果が得られた場合は処理は終了となり、図４のステップＳ４８にて検索結果が出力される。ステップＳ６８の判定で検索結果が得られなかった場合は、ステップＳ６０に戻って、外部文書を用例データベース２８に登録するかどうかが再度ユーザに問われる。

ステップＳ６０にて、ユーザが外部文書の登録を選択しなかった場合は、外部文書の検索を行うかどうかがユーザに問われる（ステップＳ６９）。ここでの外部文書には、インターネットなどにある用語の使われ方の信頼性が十分ではない文書などが考えられる。ユーザが検索の実行を選択しなかった場合は処理が終了する。

ステップＳ６９で検索の実行を選択した場合は、外部文書検索部３６において、外部文書の検索が行われる（ステップＳ７０）。この場合、外部文書の検索が行われるのは、ユーザが指定した検索対象語の中に第１言語による語が含まれる場合に限る。外部文書の検索は、第１言語で記述された検索対象語だけを用いた１次検索として実行される。

次に、収集された１次検索結果である各文に対して、外部文書用言語解析部３３において言語解析が行われて文法情報が付与される（ステップＳ７１）。続いて、得られた文法情報及び対訳辞書３５のデータを参照して（ステップＳ７２）、各文を構成する自立語に対応する第２言語の単語から構成される第２言語文字列が自動的に生成される（ステップＳ７３）。これらの第２言語文字列は、１次検索結果である第１言語で記述された文と対にされ、図４のステップＳ４４で生成した検索式を用いた２次検索の対象データとなる。

そして、２次検索が行われ（Ｓ７４）、２次検索の結果が得られたかどうかを判断し（ステップＳ６８）、２次検索の結果が得られた場合は処理は終了となり、図４のステップＳ４８にて２次検索結果が出力される。ステップＳ６８の判定で２次検索の結果が得られなかった場合は、ステップＳ６０に戻って、再度外部文書を用例データベース２８に登録するかどうかがユーザに問われる。なお、外部文書を検索して、望ましい結果が得られたときには、その結果をデータベース構築制御部３１に送って用例データベース２８に登録することもできる。

図７は、図６のステップＳ６３〜Ｓ６５またはＳ７１〜Ｓ７３で行われる外部文書処理における言語解析処理と第２言語文字列生成処理の一例を示す説明図である。前述した検索式５４での説明で挙げた例との整合を取るために、この一例でも、第２言語は英語で第１言語は日本語として説明する。

いま、第１言語で記述された関連文書の入力または検索によって「WW病原体の取り扱いは、厳重に管理する必要がある。」という文７１が得られ、外部文書用言語解析部３３に入力されたとする。そうすると、ステップＳ６３またはＳ７１で言語解析が行われ、この文７１に対する文法情報７２が得られる。つまり、文７１を構成する各語に対して、品詞、活用形、可能性のある接続形態などの文法情報が得られる。ここで行う解析は、形態素解析、構文解析、係り受け解析であり、これらは日本語文の自然言語処理で一般的に用いられる解析手法である。文法情報７２に下線で示した「ＷＷ病原体」「取り扱い」「厳重に」「管理する」が自立語である。

次に、ステップＳ６４またはＳ７２で、これらの各自立語に対して図３の対訳辞書３５が参照されて、対応するすべての英単語７３が取得される。各日本語単語に対応する英単語は、区切り記号（ここではセミコロン）を介して連結されている。英単語７３は、日本語と同じ品詞の単語だけでなく、品詞が異なる派生語も取得されている。例えば、「取り扱い」に対しては、名詞「dealing」の他に動詞「deal」も取得され、「厳重に」に対しては、副詞「closely」の他に形容詞「close」も取得されている。

次に、取得した英単語７３を基に用例データベース２８に登録される英語の文字列（第２言語文字列）７４がステップＳ６５またはＳ７３にて作成される。異なる日本語単語に対応する英単語は、同一の日本語単語に対応する英単語の区切り記号とは異なる記号（ここでは「@@@」）を介して連結されている。生成された第２言語文字列７４は、第１言語である日本語で記述された文７１と対をなした検索対象データ７５として、図６のＳ６６にて用例データベース２８に登録されるか、あるいは図６のＳ７４にて２次検索の対象となる。

ここで、検索時における文字列比較内容について、以下の一例を用いて説明する。これらは、図５で示した検索式５４と、図７で示した検索対象データ（データベース登録内容）７５である。検索対象データ（データベース登録内容）のJpn以降のデータは日本語用例を表し、Eng以降のデータは作成された英語文字列を表す。JpnとEngについている番号は、説明の便宜上つけたもので、１つ目の検索結果例という意味である。そのほかの例については後述する。

検索式：
「treatment @@@ pathogen」
検索対象データ（データベース登録内容）：
Jpn1：WW病原体の取り扱いは、厳重に管理するべきである
Eng1：WW @@ pathogenic organism;pathogen @@@ dealing;deal;treatment;treat;handling;handle @@@ strictly;strict; closely;close;thoroughly;thorough @@@ administer;administration;control;manage;management
検索対象データ７５における文字列比較の対象は、検索式５４と同一言語である英語で記述された第２言語文字列である。まず、検索式５４の一部である「treatment」に関して、Eng1以降の文字列の中に一致する文字列かないかどうか調べられる。この例では、「treatment」が検出されるので、一致したとみなされる。次に「pathogen」についても同様に調べられ、この場合も「pathogen」が検出され、一致したとみなされる。

このように、検索式５４の中の各検索対象語について第２言語文字列の中に一致する語があるかどうかが調べられ、検索対象語の数に対する一致した語の比率が一致率として求められる。求められた一致率が、ユーザが別途指定した値以上の場合は、検索対象データは検索式５４と一致したと判断され検索結果として出力される。

ここで、検索式５４が「treatment @@@ pathogen @@@ dealing」であったとする。この場合、「dealing」も第２言語文字列７４の中に存在するが、これは「treatment」と同一の日本語「取り扱い」に対応している。この場合には、「treatment」と「dealing」の両方が一致しても、一致した語の数は２つとはせず１つとする。このように、同一の第１言語に対応している第２言語の単語が複数一致したと判断されても、一致率には影響しないようにして検索精度の向上を図っている。

以上説明したように、本発明では、検索対象文を記述する言語（第２言語）とは異なる言語（第１言語）で記述された用例に対して、用例を構成する各単語に対応する第２言語の文字列を対にして用例データベース２８に登録し、第２言語で記述された検索対象文から生成した検索式と、用例データベース２８の第２言語文字列とを比較して、用例データベース２８の検索を行う。これによって、第２言語（原文言語）で記述された文を第１言語（目標言語）に翻訳したい場合、第２言語と第１言語との文の対訳がなくても、第１言語（目標言語）のみの用例があれば、これらの用例を第２言語（原文言語）を使って検索し、翻訳の際に参照することができる。

ここで、前述の検索式５４に加えて、他のデータベース検索結果例を挙げて、これまでに説明した検索処理の内容及び効果を具体的に説明する。なお、検出された検索対象語の部分に下線を引いている。

（例２）
Jpn2：ZZ病原体を取り扱う際には、AA条例を遵守する必要がある。
Eng2：ZZ @ pathogenic organism;pathogen @@@ dealing;deal;treatment;treat;handling;handle @@@ ordinance;regulation @@@ observe;observance;comply;compliance
（例３）
Jpn3：XX病病原体の顕微鏡写真は、YY試薬で処理して…
Eng3：XX disease @@@ pathogenic organism;pathogen; @ micrograph;microgram @ YY reagent @ handle;handling;manage;magagement;treat;treatment;…
（例４）
Jpn4：XX病病原体による疾患の治療には、抗生物質YYが…
Eng4：XX disease @@@ pathogenic organism;pathogen; disease;sick;ailment @@@ treat;treatment;cure;remedy @@@ antibiotic…
２つめの例（Jpn2,Eng2）では、検索対象語「treatment」は名詞であるのに対して、日本語文では動詞「取り扱う」を用いる例が検索されている。日本語文と英語の文とでは、必ずしも同じ構文を使用するとは限らず、英文では名詞を使って表現している内容が、日本語文では動詞を使って表現されることも多々ある。このように、検索対象語に対応する日本語文中の語が検索対象語とは異なる品詞で使われている場合でも、本発明による用例検索システムでは検出することができる。

これは、本発明の言語解析機能と対訳辞書とを用いて、検索対象語に対応する英単語の品詞とは品詞が異なる派生語をも検索に用いる英語単語列に加えているためである。これによって、検索対象語を減らすことなく、検索対象を効果的に広げることができ、効率的な検索を行うことができる。また、ユーザ側で行われる試行錯誤による検索対象語の推定の負担を大幅に削減することもできる。この検索結果からは、病原体（pathogen）に対する行為として「取り扱う」という語が用いられることが分かる。

３つ目の例（Jpn3,Eng3）では、病原体（pathogen）に対する行為でも、試薬を用いて行う行為には「処理する」を用いることが分かる。

４つ目の例（Jpn4,Eng4）では、「治療」が検索されており、ここでは「疾患」に対する行為として用いられていることが分かる。

上記の例を用いて、これまでに説明した検索の内容を具体的に説明する。まず、「The agents seem to be effective for the treatment of the pathogen.」という、英語で記述された医学分野の原文を日本語に翻訳するに際して、「treatment」の訳語が知りたいとする。この場合、「treatment」と「pathogen」とを検索対象語に指定して日本語文の用例データベースを検索すると、「WW病原体の取り扱いは、厳重に管理するべきである」という１つ目の用例が検出される。医学分野で「treatment」というと、「治療」という訳語が最初に思いつく。しかし、用例４を見ると「治療」は疾患に対する行為として用いられており、「pathogen」（病原体）自体を対象としている例は得られていない。さらに、病原体（pathogen）に対する行為を表す語として「取り扱い」「取り扱う」を用いた用例（用例２、３）があることと、原文の意味内容を考慮すると、ここでの「treatment」の訳語は「取り扱い」が適切と考えられる。このように、「treatment of the pathogen」の「treatment」の適切な日本語訳を知りたい場合に、日英の対訳用例がなくても、検索対象語に英単語を指定して日本語のみの用例を検索することができる。

以上をまとめると、検索部及びデータベース構築部の構成要素から得られる効果は、以下のとおりである。

（１）第２言語（原文言語）で記述された文を第１言語（目標言語）に翻訳したい場合、第２言語と第１言語の文の対訳がなくても、第１言語（目標言語）のみの用例があれば、これらの用例を第２言語（原文言語）を使って検索し、翻訳の際に参照することができる。（２）検索対象文中で指定された検索対象語に対応する第１言語で記述された用例中の語が、検索対象語とは異なる品詞や活用形で使われている場合でも、検索の対象とすることができる。これによって、検索対象を効果的に広げることができ、効率的な検索を行うことができる。また、ユーザ側で行われる試行錯誤による検索対象語の推定の負担を大幅に削減することもできる。

（機械翻訳システム部３での処理）
図８は、本発明の機械翻訳システム部３の構成要素による処理内容を表すフローチャートである。

第２言語文書入力部３７に第２言語で記述された原文文書が読み込まれると（ステップＳ８１）、機械翻訳処理制御部３８によって、原文文書が文分割部３２に送られて、１文単位に分割される（ステップＳ８２）。分割された各文に対して、機械翻訳処理部３９によって言語解析が行われ、機械翻訳用辞書４０が参照されつつ、第１言語による訳文が生成される（ステップＳ８３）。生成された第１言語による訳文を構成する各語には、第２言語による原文中の原語と対応付けられており、かつ、原文中の原語に対しては、他の訳語候補も関連付けられている。

続いて、機械翻訳処理部３９による翻訳結果が検索制御部２３に入力されると（ステップＳ８４）、ユーザは、検索対象語指定部２５を用いて、第２言語で記述された原文中の語に加えて、第１言語で記述された訳文中の語からも検索対象語を指定することになる（ステップＳ８５）。

これによって、第１言語で記述された検索対象語を指定する際に、訳文を用いた訳語選択が可能となり、第１言語で記述された検索対象語の指定を容易に行うことができる。さらに、訳文中の各訳語には、他の訳語候補が関連付けられているため、訳文に用いられた語以外の訳語候補から検索対象語を指定することも可能となる。これらの訳語候補から検索対象語を指定する際には、同じ第２言語の単語に対応する複数の訳語候補を指定して、どちらかの語を含む用例を検索するといった指定もできる。これは、第２言語で記述された原文中の各語に対して、第１言語の訳語が関連付けられており、原文中の他の語に関連付けられている訳語と明確に区別できるためである。このように、機械翻訳システム部３によって、検索の絞込みまたは検索対象の拡張を効率的に行うことができる。

検索部１の検索対象語指定部２５で検索対象語が指定されると、検索式生成部２６にて検索式が生成される（ステップＳ８６）。続いて、データベース検索部２７にて、用例データベース２８に登録されている各文データと、検索式５４の検索対象語、構文・文法情報及び他の訳語候補とが比較され、一定の判断基準により同じと判断されたものが、検索式５４にマッチするデータとして抽出される（ステップＳ８７）。

そして、検索結果が得られたかどうかが判断され（ステップＳ８８）、検索結果が得られた場合には出力部２９から出力される（ステップＳ９０）。一方、検索結果が得られなかった場合は、別処理である外部文書処理に進む（ステップＳ８９）。ステップＳ８９で行われる別処理の内容は、図６で説明した内容と基本的に同様なので説明は省略する。

以上の処理内容を、具体例を用いて説明する。例えば、「treatment of the pathogen」という英語表現に対して、機械翻訳が生成した日本語訳文が「病原体の治療」だったとする。また、「pathogen」という英単語に対して「病原菌」という他の訳語候補が挙げられていたとする。

ここで、「treatment of the pathogen」を、検索部１の構成要素を用いて検索する場合には、「treatment」及び「pathogen」を検索対象語に指定するか、または、「pathogen」の第１言語による訳語を検索対象にする場合は、訳語を別途調べて指定する必要がある。これに対して、機械翻訳システム部３の構成要素を用いると、「pathogen」に対応する日本語単語を別途調べる必要はなく、訳文中で使われている語を選択するだけで、検索対象語を簡単に指定することができる。また、「病原体」に加えて、他の訳語候補である「病原菌」を検索対象語に追加して、以下の検索を行うこともできる。

検索対象語：
「treatment」「pathogen」「病原体」「病原菌」
検索処理の内容：
「treatment」及び「pathogen」及び「病原体」を含む用例の検索、または「treatment」及び「pathogen」及び「病原菌」を含む用例の検索
ここで、検索対象語に「治療」を加えていた場合、検索内容は以下のとおりとなる。

検索対象語：
「treatment」「pathogen」「病原体」「病原菌」「治療」
検索処理の内容：
「treatment」及び「pathogen」及び「病原体」「治療」を含む用例の検索、 または「treatment」及び「pathogen」及び「病原菌」「治療」を含む用例の検索
検索対象語に「病原菌」を加えた場合と、「治療」を加えた場合で違った処理を行えるのは、「病原体」と「病原菌」は同じ原語である「pathogen」に関連付けられており、「治療」は「treatment」という「pathogen」とは異なる言語に関連付けられており、関連付けられている原語を明確に区別することができるためである。

以上説明したように、本発明の機械翻訳システム部３の構成要素を用いると、以下の効果が得られる。すなわち、第２言語で記述された検索対象文に対して、機械翻訳システム部３によって生成された第１言語で記述された訳文を用いると、第１言語で記述された訳語を検索対象語に容易に追加することができる。また、検索文中の各語に対して、第１言語による訳語が関連付けられているため、特定の訳語に対する他の訳語候補を追加して指定すると、どちらかの語を含む用例を検索する、といった指定をすることができる。

このように、本発明による用例検索システムでは、第２言語（原文言語）で記述された文を第１言語（目標言語）に翻訳したい場合、第２言語と第１言語の文の対訳がなくても、第１言語（目標言語）のみの用例があれば、これらの用例を第２言語（原文言語）を使って検索し、翻訳の際に参照することができる。また、検索対象文中で指定された検索対象語に対応する第１言語で記述された用例中の語が検索対象語とは異なる品詞で使われている場合でも、検索の対象とすることができる。これによって、検索対象語を減らすことなく、検索対象を効果的に広げることができ、効率的な検索を行うことができる。また、ユーザ側で行われる試行錯誤による検索対象語の推定の負担を大幅に削減することもできる。

さらに、第２言語で記述された検索対象文に対して、機械翻訳システム部３によって生成された第１言語で記述された訳文を用いると、第１言語で記述された訳語を検索対象語に容易に追加することができる。また、検索文中の各語に対して、第１言語による訳語が関連付けられているため、特定の訳語に対する他の訳語候補を追加して指定すると、どちらかの語を含む用例を検索する、といった指定をすることができる。

本発明の実施の形態に係わる用例検索システムのハードウエア構成を示すブロック構成図。 本発明の実施の形態に係わる用例検索システムのプログラムの説明図。 本発明の実施の形態に係わる用例検索システムのプログラム各構成要素の働きを示したブロック構成図。 本発明における検索部及びデータベース構築部による処理内容の概要を表すフローチャート。 図４のステップＳ４１からステップＳ４４において検索文字列入力から検索式を作成するまでの処理内容の一例の説明図である。 図４のステップＳ４７で示したデータベース構築部での外部文書処理の流れを示すフローチャート。 図６のステップＳ６３〜Ｓ６５またはＳ７１〜Ｓ７３で行われる外部文書処理内容の一例を示す説明図。 本発明の機械翻訳システム部３の構成要素による処理内容を表すフローチャート。

符号の説明

１…検索部、２…データベース構築部、３…機械翻訳システム部、１１…用例検索システム、１２…演算制御装置、１３…表示装置、１４…マウス、１５…キーボード、１６…ディスクドライブ、１７…ハードディスクドライブ、１８…プロセッサ、１９…メモリ、２０…プログラム、２１…作業エリア、２２…検索文字列入力部、２３…検索制御部、２４…検索文用言語解析部、２５…検索対象語指定部、２６…検索式生成部、２７…データベース検索部、２８…用例データベース、２９…出力部、３０…外部文書入力部、３１…データベース構築制御部、３２…文分割部、３３…外部文書用言語解析部、３４…外部文書検索制御部、３５…対訳辞書、３６…外部文書検索部、３７…第２言語文書入力部、３８…機械翻訳処理制御部、３９…翻訳処理部、４０…機械翻訳用辞書、５１…検索文字列、５２…文法情報、５３…検索対象語指令文字列、５４…検索式、７１…文、７２…文法情報、７３…英単語、７４…第２言語文字列、７５…検索対象データ

Claims (5)

1. 翻訳の目標言語である第１言語で記述された外部文書を読み込む外部文書入力部と、
   前記外部文書の言語解析を行って、文を構成する各語の文法情報を得る外部文書用言語解析部と、
   前記外部文書用言語解析部で得られた文法情報を基に、第１言語の単語と原文言語である第２言語の単語とが対になって記憶装置に登録されている対訳辞書を参照し、前記文を構成する語に対応する第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列を取得し、前記文と取得された単語列とを対として用例データベースに登録するデータベース構築制御部とを備えたことを特徴とする用例データベース構築装置。
2. 翻訳の目標言語である第１言語で記述された文と、前記文を構成する語に対応する原文言語である第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列とが対になって格納されている用例データベースを記憶した記憶装置と、
   第２言語で記述された検索対象文を読み込む検索文字列入力部と、
   ユーザが選択した前記検索対象文中の検索対象語を指定する検索対象語指定部と、
   前記検索対象語指定部で指定された検索対象語に一致するものを前記用例データベースから検索するデータベース検索部とを備えたことを特徴とする用例検索システム。
3. 前記第２言語で記述された文書を前記第１言語に翻訳する機械翻訳システムを備え、前記機械翻訳システムによって翻訳された文と翻訳文に用いられた語以外の訳語候補とが関連付けられて入力され、前記検索対象語指定部において前記翻訳文中の語または訳語候補から検索対象語を指定可能なことを特徴とする請求項２記載の用例検索システム。
4. 対訳辞書及び用例データベースを記憶した記憶装置と、翻訳の目標言語である第１言語で記述された外部文書を入力する入力装置と、プログラムを演算実行するマイクロプロセッサとを備え、用例データベース構築装置として機能させるためのコンピュータにおいて、
   前記コンピュータに、翻訳の目標言語である第１言語で記述された外部文書を読み込む手順と、前記外部文書の言語解析を行って、文を構成する各語の文法情報を得る手順と、
   得られた文法情報を基に、第１言語の単語と原文言語である第２言語の単語とが対になって記憶装置に登録されている対訳辞書を参照する手順と、
   前記文を構成する語に対応する第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列を取得する手順と、
   前記文と取得された単語列とを対として用例データベースに登録する手順とを実行させるためのプログラム。
5. 対訳辞書を記憶した記憶装置と、翻訳の目標言語である第１言語で記述された外部文書を入力する入力装置と、プログラムを演算実行するマイクロプロセッサとを備え、前記記憶装置に、翻訳の目標言語である第１言語で記述された文と、前記文を構成する語に対応する原文言語である第２言語の同一の品詞または異なる品詞の派生語を含む１つまたは複数の単語から構成される単語列とが対になって格納されている用例データベースを記憶させておき、用例データベース構築装置として機能させるためのコンピュータにおいて、
   前記コンピュータに、第２言語で記述された検索対象文を読み込む手順と、
   ユーザが選択した前記検索対象文中の検索対象語を指定する手順と、
   指定された検索対象語に一致するものを前記用例データベースから検索する手順を実行させるためのプログラム。

Images