JP5125083B2 - 言語解析システム、および言語解析方法、並びにコンピュータ・プログラム - Google Patents

Description

本発明は、言語解析システム、および言語解析方法、並びにコンピュータ・プログラムに関する。さらに詳細には、例えば医療分野などの専門性の高い分野において用いられる用語をデータ検索などに適用するための言語単位としての区分語（形態素）に区切る処理を的確に行なう言語解析システム、および言語解析方法、並びにコンピュータ・プログラムに関する。

例えばデータベース検索などにおいて適用する検索キーや、用語辞書の索引としてのインデックスの設定など、データ処理において適用する用語を自然言語の文書から抽出する処理は、様々なデータ処理分野において必要となる技術である。検索処理における検索キーなど、データ処理に適用する言語単位は形態素と呼ばれる。

自然言語の文書から形態素を抽出する研究は従来から行われている。例えば、［車が道路を走る］といったありふれた文書であれば、一般的な形態素解析システムを適用することで、［車］、［道路］、［走る］といった形態素を抽出することが可能である。形態素解析システムは、予め定めた形態素解析ルールを適用して、文を意味的最小単位である形態素（ｍｏｒｐｈｅｍｅ）に分節して品詞の認定処理を行なうシステムとして知られている。

しかしながら、医療分野のように専門性の高い分野の専門用語を適切な形態素に区切ることは難しい。例えば、特定の病名である、
「潜在自己免疫性甲状腺炎」
この病名を含む文書に対して、一般的な形態素解析システムを適用して形態素に分割すると以下のような形態素が抽出される。以下は、「潜在自己免疫性甲状腺炎」から抽出されるデータを［形態素，品詞］の構成で示している。
（１）［潜在，名詞］
（２）［自己，名詞］
（３）［免疫，名詞］
（４）［性，接尾辞］
（５）［甲状腺，名詞］
（６）［炎，接尾辞］

上記（１）〜（６）の最小単位の形態素が得られると、（１）〜（６）を個別の検索キーとする形態素の設定の他、（１）＋（２）、（１）〜（４）、（２）〜（５）などの複数の連続する形態素の組を１つの検索キーやインデックスとするなど適切な形態素区切りを設定して、データ処理に適用する形態素の設定を行う。なお、上記（１）〜（６）は形態素解析システムを適用して得られる最小単位の形態素であり、さらに、これらの最小単位の形態素を複数組み合わせたデータも、検索キーやインデックスデータとして適用可能であり、これらのデータも形態素と呼ばれる。

しかし、実際には、
（２）〜（６）「自己免疫性甲状腺炎」や
（５）〜（６）「甲状腺炎」
は、医療テキスト中で単独でも用いられる語であり、例えば検索キーとして利用する価値がある形態素であるが、例えば、
（３）〜（６）「免疫性甲状腺炎」
は単独では存在し得ない。また、
（２）〜（４）「自己免疫性」
は医療テキスト中に単独ではほとんど存在し得ない形態素であるが、この（２）〜（４）「自己免疫性」は、例えば、
（２）〜（６）「自己免疫性甲状腺炎」
以外にも、
「自己免疫性肝炎」
「自己免疫性溶血性貧血」
「自己免疫性慢性甲状腺炎」
など複合名詞の一部としては広範かつ頻繁に用いられ、独立した形態素と認めることができる。

従って、「潜在自己免疫性甲状腺炎」は、
（１）「潜在」
（２）〜（４）「自己免疫性」
（５）〜（６）「甲状腺炎」
これらの３つの形態素に分割することが適切であると考えられる。例えば、これら３つの形態素を検索キーとして利用したデータベース検索処理を行なうことで、ノイズの少ない有効な情報をデータベースから効率的に取得することが可能となるなど、データ処理において適用する用語として最適であると言える。

しかしながら、医学分野の専門的な知識なしに、上記の形態素解析結果から、このような適切な形態素区切りを得ることは困難である。

上記の問題点を解決する方法として、形態素解析用の辞書（形態素リスト）に医学分野の専門用語辞書（専門用語リスト）を追加する方法が一般的に用いられる。特に「甲状腺炎」等の頻出する疾患名や部位名は医学分野の専門用語辞書に含まれている可能性が高いため、この手法によって「甲状腺炎」を一つの形態素に正しく区切ることができる。一方で、「自己免疫性」のように医療テキスト中に単独で出現することが少ない形態素は専門用語辞書に含まれていないことが多く、「自己」と「免疫性」に分割されてしまうことになる。（「免疫」と「性」は、「性」が接尾辞であるため一つの形態素に纏め上げる処理が行われる。）

「自己免疫性甲状腺炎」が専門用語辞書に含まれていれば「自己免疫性甲状腺炎」を一つの形態素として設定することが可能となるが、「自己免疫性慢性甲状腺炎」のように疾患名として用いられることはあるがその出現頻度が極めて少ないものは専門用語辞書に含まれておらず、上記同様、「自己」と「免疫性」を一つの形態素に正しく纏め上げることはできない。

「自己免疫性」のように専門用語辞書に含まれていない形態素を同定する手法の従来技術として、特許文献１（特開平６−１９９６８号公報）は、専門用語自動抽出手法を開示している。この手法は、通常の形態素解析結果の各形態素に品詞、文字種、出現頻度等から計算した得点を与え、その得点を基に、複数の形態素を纏め上げて専門用語とするか否かを決定する手法である。しかしながら、専門用語であるか否かは品詞、文字種、出現頻度といった要素だけで決定できるものではなく、この手法による専門用語抽出の抽出精度は実用上十分とは言い難いレベルにある。
特開平６−１９９６８号公報

本発明は、上述の問題点に鑑みてなされたものであり、医療分野など専門性の高い分野の専門用語を解析して、検索処理における検索キーなどに適用する適切な言語単位に区切る処理を実現する言語解析システム、および言語解析方法、並びにコンピュータ・プログラムを提供することを目的とする。

本発明の第１の側面は、
日本語と日本語以外の外国語との対訳辞書を格納した対訳辞書格納手段と、
前記対訳辞書の登録データから、日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析に基づく分割処理によって複数の区分語を生成し、生成した区分語または区分語列に対応する前記外国語の単語を、前記対訳辞書の登録データに基づいて解析する一対多単語抽出手段と、
前記一対多単語抽出手段において前記外国語の単語に対応すると判定された前記区分語または区分語列に相当する日本語を形態素として形態素解析用辞書に登録する処理を実行する形態素解析用辞書生成手段と、
を有することを特徴とする言語解析システムにある。

さらに、本発明の言語解析システムの一実施態様において、前記言語解析システムは、さらに、前記形態素解析用辞書生成手段において生成された形態素解析用辞書を適用した形態素解析を実行する形態素解析手段を有することを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記一対多単語抽出手段は、前記対訳辞書の登録データに含まれる日本語と外国語の対訳ペアが一単語対一単語の対訳ペアについては、該対訳ペアに含まれる日本語の単語を前記形態素解析用辞書生成手段に出力し、前記形態素解析用辞書生成手段は、前記一対多単語抽出手段から入力する前記日本語の単語を形態素解析用辞書に登録する処理を実行する構成であることを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記対訳辞書格納手段は、一般用語についての日本語と外国語との対訳辞書を格納した一般用語対訳辞書と、専門用語についての日本語と外国語との対訳辞書を格納した専門用語対訳辞書とを格納した構成であり、前記一対多単語抽出手段は、前記専門用語対訳辞書に登録されたデータから、日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した個々の区分語または区分語列に対応する前記外国語の単語を、前記専門用語対訳辞書および前記一般用語対訳辞書の双方の登録データに基づいて解析する処理を実行する構成であることを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記専門用語対訳辞書は、医療分野の専門用語を格納した対訳辞書であり、前記一対多単語抽出手段は、医療分野の専門用語である日本語の形態素解析により複数の区分語を生成し、生成した区分語または区分語列に対応する前記外国語の単語を、前記専門用語対訳辞書および前記一般用語対訳辞書の双方の登録データに基づいて解析する処理を実行する構成であることを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記対訳辞書格納手段は、日本語と、英語との対訳辞書を格納した構成であり、一対多単語抽出手段は、前記対訳辞書に登録されたデータから、日本語と英語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した区分語または区分語列に対応する英単語を、前記対訳辞書の登録データに基づいて解析する処理を実行する構成であることを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記一対多単語抽出手段は、日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した区分語について、形態素解析において解析された区分語の品詞情報を適用して区分語の纏め処理を実行して区分語列を生成し、該区分語列に対応する外国語の単語を解析する処理を実行する構成であることを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記一対多単語抽出手段は、日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した区分語に基づく区分語列の生成に際して、該区分語列の前記対訳辞書または他データベースにおける出現頻度を解析し、出現頻度の高い区分語列について、対応する外国語の単語を解析する処理を実行する構成であることを特徴とする。

さらに、本発明の言語解析システムの一実施態様において、前記言語解析システムは、さらに、前記外国語のテキストデータを格納した外国語コーパス格納手段を有し、前記一対多単語抽出手段は、日本語の形態素解析によって生成した区分語または区分語列に対応する前記外国語の単語解析処理において、前記コーパス格納手段中の外国語テキストを参照し、該外国語テキスト中に頻出する単語列を特定し、該単語列を一つの外国語の単語とみなした解析処理を実行する構成であることを特徴とする。

さらに、本発明の第２の側面は、
言語解析システムにおいて言語解析処理を実行する言語解析方法であり、
一対多単語抽出手段が、日本語と日本語以外の外国語との対訳辞書を格納した対訳辞書を参照し、該対訳辞書の登録データから日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析に基づく分割処理によって複数の区分語を生成し、生成した区分語または区分語列に対応する前記外国語の単語を前記対訳辞書の登録データに基づいて解析する一対多単語抽出ステップと、
形態素解析用辞書生成手段が、前記一対多単語抽出ステップにおいて前記外国語の単語に対応すると判定された前記区分語または区分語列に相当する日本語を形態素として形態素解析用辞書に登録する処理を実行する形態素解析用辞書生成ステップと、
を有することを特徴とする言語解析方法にある。

さらに、本発明の言語解析方法の一実施態様において、前記言語解析方法は、さらに、形態素解析手段が、前記形態素解析用辞書生成ステップで生成した形態素解析用辞書を適用した形態素解析を実行する形態素解析ステップを有することを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記一対多単語抽出ステップは、前記対訳辞書の登録データに含まれる日本語と外国語の対訳ペアが一単語対一単語の対訳ペアについては、該対訳ペアに含まれる日本語の単語を前記形態素解析用辞書生成手段に出力するステップを含み、前記形態素解析用辞書生成ステップは、前記一対多単語抽出ステップにおいて入力する前記日本語の単語を形態素解析用辞書に登録する処理を実行することを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記対訳辞書は、一般用語についての日本語と外国語との対訳辞書を格納した一般用語対訳辞書と、専門用語についての日本語と外国語との対訳辞書を格納した専門用語対訳辞書とを含み、前記一対多単語抽出ステップは、前記専門用語対訳辞書に登録されたデータから、日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した個々の区分語または区分語列に対応する前記外国語の単語を、前記専門用語対訳辞書および前記一般用語対訳辞書の双方の登録データに基づいて解析する処理を実行するステップであることを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記専門用語対訳辞書は、医療分野の専門用語を格納した対訳辞書であり、前記一対多単語抽出ステップは、医療分野の専門用語である日本語の形態素解析により複数の区分語を生成し、生成した区分語または区分語列に対応する前記外国語の単語を、前記専門用語対訳辞書および前記一般用語対訳辞書の双方の登録データに基づいて解析する処理を実行するステップであることを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記対訳辞書は日本語と英語との対訳辞書であり、一対多単語抽出ステップは、前記対訳辞書に登録されたデータから、日本語と英語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した区分語または区分語列に対応する英単語を、前記対訳辞書の登録データに基づいて解析する処理を実行するステップであることを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記一対多単語抽出ステップは、日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した区分語について、形態素解析において解析された区分語の品詞情報を適用して区分語の纏め処理を実行して区分語列を生成し、該区分語列に対応する外国語の単語を解析する処理を実行するステップであることを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記一対多単語抽出ステップは、日本語の形態素解析により日本語を分割した複数の区分語を生成し、生成した区分語に基づく区分語列の生成に際して、該区分語列の前記対訳辞書または他データベースにおける出現頻度を解析し、出現頻度の高い区分語列について、対応する外国語の単語を解析する処理を実行するステップであることを特徴とする。

さらに、本発明の言語解析方法の一実施態様において、前記一対多単語抽出ステップは、日本語の形態素解析によって生成した区分語または区分語列に対応する前記外国語の単語解析処理において、外国語のテキストデータを格納した外国語コーパス格納手段に格納された外国語テキストを参照し、該外国語テキスト中に頻出する単語列を特定し、該単語列を一つの外国語の単語とみなした解析処理を実行することを特徴とする。

さらに、本発明の第３の側面は、
言語解析システムにおいて言語解析処理を実行させるコンピュータ・プログラムであり、
一対多単語抽出手段に、日本語と日本語以外の外国語との対訳辞書を格納した対訳辞書を参照させ、該対訳辞書の登録データから日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出させて、抽出した対訳ペアに含まれる日本語の形態素解析に基づく分割処理によって複数の区分語を生成させ、生成した区分語または区分語列に対応する前記外国語の単語を前記対訳辞書の登録データに基づいて解析させる一対多単語抽出ステップと、
形態素解析用辞書生成手段に、前記一対多単語抽出ステップにおいて前記外国語の単語に対応すると判定された前記区分語または区分語列に相当する日本語を形態素として形態素解析用辞書に登録する処理を実行させる形態素解析用辞書生成ステップと、
を有することを特徴とするコンピュータ・プログラムにある。

なお、本発明のコンピュータ・プログラムは、例えば、様々なプログラム・コードを実行可能なコンピュータシステムに対して、コンピュータ可読な形式で提供する記憶媒体、通信媒体、例えば、ＣＤやＦＤ、ＭＯなどの記録媒体、あるいは、ネットワークなどの通信媒体によって提供可能なコンピュータ・プログラムである。このようなプログラムをコンピュータ可読な形式で提供することにより、コンピュータシステム上でプログラムに応じた処理が実現される。

本発明のさらに他の目的、特徴や利点は、後述する本発明の実施例や添付する図面に基づくより詳細な説明によって明らかになるであろう。なお、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

本発明の構成によれば、日本語と外国語との対訳辞書の登録データから日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の登録データを持つ対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析を行って複数の区分語を生成し、生成した区分語または区分語列に対応する外国語の単語を対訳辞書の登録データに基づいて取得し、取得した外国語の単語に対応する区分語または区分語列を形態素として形態素解析用辞書に登録し、登録した形態素情報に基づく形態素解析を行なうことを可能とした。本構成によれば、例えば医療分野などの専門分野の用語であっても、正しい区分に基づく形態素登録情報の生成、利用が可能となり、正確な形態素解析処理が実現される。

以下、図面を参照しながら本発明の実施形態に係る言語解析システム、および言語解析方法、並びにコンピュータ・プログラムの詳細について説明する。

［１．基本実施例］
図１を参照して、本発明の一実施形態に係る言語解析システムの構成および処理について説明する。図１に示すように本発明の一実施形態に係る言語解析システム１００は、一般用語対訳辞書格納手段１０１、専門用語対訳辞書格納手段１０２、一対多単語抽出手段１０３、形態素解析用辞書生成手段１０４、形態素解析手段１０５を有する。なお、一対多単語抽出手段１０３は形態素解析手段１１１を有する。形態素解析用辞書生成手段１０４は形態素解析用辞書１１２を生成、更新する。

以下、各手段の構成および処理について、具体的な例を示しながら説明を行なう。なお、本発明の言語解析システムは、専門分野の専門用語を含む文書の解析を行なうシステムであり、以下の実施例では、専門分野の一例として医療分野を取り上げて説明するが、本発明は医療分野に限らず、その他の専門分野、例えば経済、建築、技術などの様々な専門分野の専門用語の解析に適用可能である。

図１に示す言語解析システム１００を構成する各手段について説明する。
［一般用語対訳辞書格納手段］
一般用語対訳辞書格納手段１０１は、一般的な単語の日英対訳ペアを複数格納する手段であり、［日本語−英語］の対訳ペアを格納した辞書データベースである。具体的な格納データの例としては、例えば、
「潜在−ｌａｔｅｎｔ」
「実験的−ｅｘｐｅｒｉｍｅｎｔａｌ」
といった一般的な単語の日英の単語ペアを複数格納した辞書データベースとして構成されている。

［専門用語対訳辞書格納手段］
専門用語対訳辞書格納手段１０２は、医学分野の専門用語の日英対訳ペアを複数格納した辞書データベースである。具体的な格納データの例としては、例えば、
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
「脳脊髄炎− ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」
「自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
「実験的自己免疫性脳脊髄炎−ｅｘｐｅｒｉｍｅｎｔａｌ ａｕｔｏｉｍｍｕｎｅ ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」
といった医学分野の専門用語の日英の専門用語対訳ペアを複数格納した辞書データベースとして構成されている。

［一対多単語抽出手段］
一対多単語抽出手段１０３は、形態素解析手段１１１を有し、専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される日本語専門用語に形態素解析処理を施して、形態素解析に基づく日本語の分割処理によって複数の区分語（形態素）を生成し、生成した区分語（形態素）または区分語列（形態素列）に対応する外国語の単語を一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２に格納された対訳辞書の登録データから検索し、外国語の単語に対応すると判定された区分語（形態素）または区分語列（形態素列）に対応する日本語を１つの形態素として形態素解析用辞書に登録するデータとして形態素解析用辞書生成手段１０４に渡す処理を実行する。

ただし、専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される英語専門用語が、［日本語−英語］の一単語同士の対訳ペア、例えば、
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
「脳脊髄炎− ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」等
このような［日本語−英語］の一単語同士の対訳ペアとして設定されている日本語専門用語に対しては、形態素解析処理を行なわず、専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される日本語専門用語を、そのまま形態素解析用辞書生成手段１０４にそのまま出力する。形態素解析用辞書生成手段１０４は、一対多単語抽出手段１０３から入力するこのような日本語の単語を形態素解析用辞書１１２に登録する。

一方、一対多単語抽出手段１０３は、例えば、専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される［日本語−英語］の対訳ペアにおいて日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析に基づく分割処理によって複数の区分語を生成し、生成した区分語または区分語列に対応する前記外国語の単語を、対訳辞書の登録データに基づいて解析する。例えば、日本語の一単語に対して、英語が複数の単語によって構成されている対訳ペアの日本語専門用語については、形態素解析手段１１１において形態素解析を実行する。この形態素解析は、既存の形態素解析用辞書を適用した形態素解析処理として行われる。

具体的な例について説明する。例えば、専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される［日本語−英語］の対訳ペアにおいて、日本語の一単語に対して、英語が複数の単語によって構成されている対訳ペアとしては、以下の対訳ペアがある。
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ］
この対訳ペアの日本語専門用語である、
「自己免疫性甲状腺炎」
上記の日本語の処理例について説明する。

一対多単語抽出手段１０３は、形態素解析手段１１１において、
「自己免疫性甲状腺炎」
に対する形態素解析処理を施す。前述したように形態素解析は、予め定めた形態素解析ルールを適用して、文を意味的最小単位である区分語（形態素：ｍｏｒｐｈｅｍｅ）に分節して品詞の認定処理を行なう処理である。形態素解析により、以下の解析結果が得られる。以下のデータは、［形態素（区分語），品詞］の構成で示している
（１）［自己，名詞］
（２）［免疫，名詞］
（３）［性，接尾辞］
（４）［甲状腺，名詞］
（５）［炎，接尾辞］

形態素解析手段１１１は、上記の最小単位の形態素抽出結果から、さらに、データ処理において有効なデータ単位としての区分語（形態素）を設定する。例えば、名詞に接尾辞が後接する場合は纏めて一つの形態素とみなす処理により、（２）＋（３）、および（４）＋（５）の纏め処理が実行されて、「自己免疫性甲状腺炎」は、
（ａ）「自己」
（ｂ）「免疫性」
（ｃ）「甲状腺炎」
の３つの区分語（形態素）に分割される。

なお、上述の形態素の纏め処理は、品詞解析による纏め処理例であるが、例えば専門分野の文書データベースの格納文書の解析により、複数の最小形態素（例えば上記（１）〜（５）の形態素）の列が出現する回数をカウントして、予め設定した閾値以上の出現回数がある形態素列を１つの形態素として決定する処理を行なう構成としてもよい。

次に、一対多単語抽出手段１０３は、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２中のそれぞれの対訳辞書を用いて、上記（ａ）〜（ｃ）の３つの区分語（形態素）に対応する英単語の特定を行なう。
（ａ）「自己」
（ｂ）「免疫性」
（ｃ）「甲状腺炎」

専門用語対訳辞書格納手段１０２には、前述したように、［日本語−英語］の対訳ペアとして、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
上記の対訳ペアが登録されている。
一対多単語抽出手段１０３は、まず、上記の対訳ペアに含まれる各英単語について、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２に記録された日英対訳ペアに、単独の英単語として登録されているか否かを検索する。すなわち、上記の例では、「ａｕｔｏｉｍｍｕｎｅ」、「ｔｈｙｒｏｉｄｉｔｉｓ」の各々について、単独の英単語が対訳ペアとして登録されているか否かを判定する。

例えば、「ａｕｔｏｉｍｍｕｎｅ」、「ｔｈｙｒｏｉｄｉｔｉｓ」のうち、「ｔｈｙｒｏｉｄｉｔｉｓ」のみが、専門用語対訳辞書格納手段１０２に、
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
として登録されていることが検出されると、一対多単語抽出手段１０３は、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
上記対訳ペアに含まれる２つの英単語中の「ｔｈｙｒｏｉｄｉｔｉｓ」が、「甲状腺炎」に対応することを特定することができる。

さらに、一対多単語抽出手段１０３は、上記の対応、すなわち、
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
この対応の判別結果と、専門用語対訳辞書格納手段１０２に登録されている対訳ペア、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
これらの２つの登録された対訳ペアデータに基づいて、日本語中の形態素「自己」と「免疫性」の２形態素は、１つの英単語、すなわち、
「ａｕｔｏｉｍｍｕｎｅ」
に対応すると判定する。

結果として、一対多単語抽出手段１０３は、１つの日本語に対する複数の英単語が対応付けられて、専門用語対訳辞書格納手段１０２に登録されている対訳ペア、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
について、
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
「自己免疫性−ａｕｔｏｉｍｍｕｎｅ」
これらの各英単語に対応する日本語を判別する。一対多単語抽出手段１０３は、このように、１つの英単語に対応する区分語（形態素）または区分語列（形態素の組）を１つの形態素として、形態素解析用辞書生成手段１０４に出力する。形態素解析用辞書生成手段１０４は、「甲状腺炎」と「自己免疫性」を形態素として形態素解析用辞書１１２に登録する。

一対多単語抽出手段１０３におけるもう１つの処理例について説明する。専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される［日本語−英語］の対訳ペアにおいて、日本語の一単語に対して、英語が複数の単語によって構成されている対訳ペアの例として、
［実験的自己免疫性脳脊髄炎−ｅｘｐｅｒｉｍｅｎｔａｌ ａｕｔｏｉｍｍｕｎｅ ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ］
上記対訳ペアに対する処理例について説明する。

一対多単語抽出手段１０３は、形態素解析手段１１１において、
「実験的自己免疫性脳脊髄炎」
に対する形態素解析処理を実行する。形態素解析結果として、以下の解析結果が得られる。以下のデータは、［形態素，品詞］の構成で示している
（１）［実験，名詞］
（２）［的，接尾辞］
（３）［自己，名詞］
（４）［免疫，名詞］
（５）［性，接尾辞］
（６）［脳，名詞］
（７）［脊髄，名詞］
（８）［炎，接尾辞］

形態素解析手段１１１は、上記の最小単位の形態素抽出結果から、さらに、データ処理において有効なデータ単位としての形態素を設定する。例えば、名詞に接尾辞が後接する場合は纏めて一つの形態素とみなす処理により、（１）＋（２）、（４），＋（５）、（７）＋（８）の丸め処理が実行されて、「実験的自己免疫性脳脊髄炎」は、
（ａ）「実験的」
（ｂ）「自己」
（ｃ）「免疫性」
（ｄ）「脳」
（ｅ）「脊髄炎」
これらの５つの形態素に分割される。

次に、一対多単語抽出手段１０３は、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２中のそれぞれの対訳辞書を用いて、上記（ａ）〜（ｅ）の５つの形態素に対応する英単語の特定を行なう。

専門用語対訳辞書格納手段１０２には、前述したように、［日本語−英語］の対訳ペアとして、
［実験的自己免疫性脳脊髄炎−ｅｘｐｅｒｉｍｅｎｔａｌ ａｕｔｏｉｍｍｕｎｅ ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ］
上記の対訳ペアが登録されている。
一対多単語抽出手段１０３は、まず、上記の対訳ペアに含まれる各英単語について、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２に記録された日英対訳ペアに、単独の英単語として登録されているか否かを検索する。すなわち、上記の例では、
「ｅｘｐｅｒｉｍｅｎｔａｌ」
「ａｕｔｏｉｍｍｕｎｅ」
「ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」
これらの単語の登録があるか否かを判定する。

判定結果として、
「ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」が、専門用語対訳辞書格納手段１０２の登録対訳ペアとして検出されたとする。すなわち、
「脳脊髄炎− ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」
上記対訳ペアが専門用語対訳辞書格納手段１０２の登録データとして抽出されたとする。

一対多単語抽出手段１０３は、上記対訳ペアの検出に基づいて、上記（ａ）〜（ｅ）の５つの形態素解析結果中から、
（ｄ）「脳」
（ｅ）「脊髄炎」
によって構成される語［脳脊髄炎］を１つの英単語に対応する１つの形態素と判定する。

さらに、「ｅｘｐｅｒｉｍｅｎｔａｌ」が、一般用語対訳辞書格納手段１０１の登録対訳ペアとして検出されたとする。すなわち、
「実験的−ｅｘｐｅｒｉｍｅｎｔａｌ」
上記対訳ペアが一般用語対訳辞書格納手段１０１の登録データとして抽出されたとする。

一対多単語抽出手段１０３は、上記対訳ペアの検出に基づいて、上記（ａ）〜（ｅ）の５つの形態素解析結果中から、
（ａ）「実験的」
を１つの英単語に対応する１つの形態素と判定する。

さらに、一対多単語抽出手段１０３は、
「脳脊髄炎− ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」
「実験的−ｅｘｐｅｒｉｍｅｎｔａｌ」
これらの各英単語の対応関係に基づいて、残りの１つの英単語「ａｕｔｏｉｍｍｕｎｅ」は、上記（ａ）〜（ｅ）の５つの形態素解析結果中の残りの２つの形態素、すなわち、
（ｂ）「自己」
（ｃ）「免疫性」
に対応すると判定する。すなわち、
「自己免疫性−ａｕｔｏｉｍｍｕｎｅ」
の対応関係にあると判定する。

結果として、一対多単語抽出手段１０３は、１つの日本語に対する複数の英単語が対応付けられて、専門用語対訳辞書格納手段１０２に登録されている対訳ペア、
［実験的自己免疫性脳脊髄炎−ｅｘｐｅｒｉｍｅｎｔａｌ ａｕｔｏｉｍｍｕｎｅ ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ］
について、
「実験的−ｅｘｐｅｒｉｍｅｎｔａｌ」
「自己免疫性−ａｕｔｏｉｍｍｕｎｅ」
「脳脊髄炎−ｅｎｃｅｐｈａｌｏｍｙｅｌｉｔｉｓ」
これらの各英単語に対応する日本語を判別する。一対多単語抽出手段１０３は、このように、１つの英単語に対応する形態素または形態素の組を１つの形態素として、形態素解析用辞書生成手段１０４に出力する。形態素解析用辞書生成手段１０４は、「実験的」と「自己免疫性」と「脳脊髄炎」を形態素として形態素解析用辞書１１２に登録する。

一対多単語抽出手段１０３は、このように、一つの英単語に対応する２つ以上の日本語形態素列であり、かつ、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２中に含まれていない日本語形態素列を抽出し、これを形態素解析用辞書生成手段１０４に出力する。形態素解析用辞書生成手段１０４は、これら、一対多単語抽出手段１０３から入力するデータを１つの形態素データとして形態素解析用辞書１１２に登録する。

英語において一つの単語で表されている医学分野の概念は、一つの単語で表現されている以上、当然ながら固定的な１つの概念を示している。日本語の医学専門用語の多くは英語の医学専門用語の翻訳である。従って、一つの英語単語に対応する複数の日本語形態素列は、一つの概念を表している可能性が極めて高く、それらの形態素列を一つの形態素とみなすことが適切であると考えられる。

従来の形態素解析システムにおいて複数の日本語の形態素に分割されてしまう様々な日本語専門用語、例えば、「後頭側頭」、「イヌネコ回虫症」、「回結腸炎」、「腫瘍性タンパク質」これらの専門用語についても、上述した一対多単語抽出手段１０３の処理を行なうことで、これらの専門用語が１つの英単語に対応付けられることが解析される。すなわち、
「後頭側頭（ｏｃｃｉｐｉｔｏｔｅｍｐｏｒａｌ）」
「イヌネコ回虫症（ｔｏｘｏｃａｒｉａｓｉｓ）」
「回結腸炎（ｉｌｅｏｃｏｌｉｔｉｓ）」
「腫瘍性タンパク質（ｏｎｃｏｐｒｏｔｅｉｎ）」等、
上記のように、「後頭側頭」、「イヌネコ回虫症」、「回結腸炎」、「腫瘍性タンパク質」これらの専門用語が１つの英単語に対応することが解析され、これらの専門用語、すなわち、「後頭側頭」、「イヌネコ回虫症」、「回結腸炎」、「腫瘍性タンパク質」を形態素として形態素解析用辞書に登録することができる。

［形態素解析用辞書生成手段］
形態素解析用辞書生成手段１０４は、従来型の形態素解析システムの適用する一般的な形態素解析用辞書をベースとして、上述した一対多単語抽出手段１０３から入力する形態素データを追加登録した形態素解析用辞書１１２の生成、更新処理を実行する。

すなわち、一般用語対訳辞書格納手段１０１中の日本語単語、専門用語対訳辞書格納手段１０２中の「英語専門用語が単一の英単語であるペア中の日本語専門用語」、および、一対多単語抽出手段１０３で抽出した「英語専門用語中の一単語に複数の日本語形態素が対応している日本語形態素列」（例えば「自己免疫性」）を、形態素データとして追加した形態素解析用辞書１１２を生成、更新する。

［形態素解析手段］
形態素解析手段１０５は、形態素解析用辞書生成手段１０４の生成または更新した形態素解析用辞書１１２を用いて形態素解析処理を実行する手段である。例えば、医学テキストを入力として受け取り、形態素解析用辞書生成手段１０４が生成した形態素解析用辞書１１２を用いることによって形態素解析を実行し、その解析結果を出力する。

形態素解析用辞書生成手段１０４の生成した形態素解析用辞書１１２を用いることにより、例えば「潜在自己免疫性甲状腺炎」や「自己免疫性慢性甲状腺炎」を、それぞれ「潜在」「自己免疫性」「甲状腺炎」と「自己免疫性」「慢性」「甲状腺炎」に正しく分割することが可能となる。

以上の構成により、医学分野の専門用語辞書に含まれない「自己免疫性」のような形態素を含む専門用語であっても、高い精度で正しい形態素に分割することが可能となる。

次に、図２に示すフローチャートを参照して、本発明の言語解析システムにおいて実行する処理のシーケンスについて説明する。図２に示す処理フローはステップＳ１０１〜Ｓ１０５の５つのステップによって構成されている。これらのステップ中、ステップＳ１０１〜Ｓ１０３の処理は、図１に示す一対多単語抽出手段１０３の処理であり、ステップＳ１０４の処理が形態素解析用辞書生成手段１０４の処理、ステップＳ１０４の処理が形態素解析手段１０５の処理に相当する。

まず、ステップＳ１０１において、一対多単語抽出手段１０３は、専門用語対訳辞書格納手段１０２中の日英対訳ペアから抽出される日本語専門用語に形態素解析処理を施す。具体的には、前述したように、専門用語対訳辞書格納手段１０２中の日英対訳ペアとして登録されたデータから、英語専門用語中の一つの単語に複数の日本語形態素が対応している対訳ペアを抽出して、抽出した対訳ペアに含まれる日本語を抽出して一対多単語抽出手段１０３の形態素解析手段１１１において形態素解析を実行する。

このステップＳ１０１の処理は、例えば前述した処理例では、専門用語対訳辞書格納手段１０２中の日英対訳ペア、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ］
この対訳ペアの日本語専門用語である「自己免疫性甲状腺炎」について、形態素解析処理を施す処理に相当する。まず、以下の解析結果を得る。
（１）［自己，名詞］
（２）［免疫，名詞］
（３）［性，接尾辞］
（４）［甲状腺，名詞］
（５）［炎，接尾辞］
さらに、形態素解析手段１１１は、上記の最小単位の形態素抽出結果から、データ処理において有効なデータ単位としての形態素を決定する。例えば、名詞に接尾辞が後接する場合は纏めて一つの形態素とみなす処理により、（２）＋（３）、および（４）＋（５）の纏め処理が実行されて、「自己免疫性甲状腺炎」は、
（ａ）「自己」
（ｂ）「免疫性」
（ｃ）「甲状腺炎」
の３つの形態素に分割される。

ステップＳ１０２では、一対多単語抽出手段１０３は、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２中のそれぞれの対訳辞書を用いて対応する英単語の特定を行なう。上記処理例では、上記（ａ）〜（ｃ）の３つの形態素に対応する英単語の特定を行なう。すなわち、専門用語対訳辞書格納手段１０２に登録されている［日本語−英語］の対訳ペア、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
において、「ａｕｔｏｉｍｍｕｎｅ」、「ｔｈｙｒｏｉｄｉｔｉｓ」の各々について、単独の英単語が対訳ペアとして登録されているか否かを判定し、専門用語対訳辞書格納手段１０２に、
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
上記の対訳ペアが登録されていることを検出する。

ステップＳ１０３では、ステップＳ１０２における単語特定結果に基づいて、一般用語対訳辞書格納手段１０１および専門用語対訳辞書格納手段１０２に登録された対訳ペアからは直接対応付けのできない残りの英単語と日本語の形態素列との対応を判定する。

上記処理例では、一対多単語抽出手段１０３は、専門用語対訳辞書格納手段１０２または一般用語対訳辞書格納手段１０１に登録された対訳ペアとしての、
［自己免疫性甲状腺炎−ａｕｔｏｉｍｍｕｎｅ ｔｈｙｒｏｉｄｉｔｉｓ」
「甲状腺炎−ｔｈｙｒｏｉｄｉｔｉｓ」
これらの対訳ペアに基づいて、「ｔｈｙｒｏｉｄｉｔｉｓ」が、「甲状腺炎」に対応することを特定する。

一対多単語抽出手段１０３は、このステップＳ１０１〜Ｓ１０３の処理結果を、形態素解析用辞書生成手段１０４に出力する。

ステップＳ１０４は、形態素解析用辞書生成手段１０４の処理であり、一対多単語抽出手段１０３から入力する形態素列および対訳辞書中の単一の英単語に対応する日本語表現を形態素解析用辞書に追加する処理を実行する。具体的には、一般用語対訳辞書格納手段１０１中の日本語単語、専門用語対訳辞書格納手段１０２中の「英語専門用語が単一の英単語であるペア中の日本語専門用語」、および、一対多単語抽出手段１０３で抽出した「英語専門用語中の一単語に複数の日本語形態素が対応している日本語形態素列」（例えば「自己免疫性」）を、形態素データとして追加した形態素解析用辞書１１２を生成、更新する。

ステップＳ１０５の処理は、形態素解析手段１０５の処理であり、ステップｓ１０４において、形態素解析用辞書生成手段１０４の生成または更新した形態素解析用辞書１１２を用いて形態素解析処理を実行する手段である。例えば、医学テキストを入力として受け取り、形態素解析用辞書生成手段１０４が生成した形態素解析用辞書１１２を用いることによって形態素解析を実行し、その解析結果を出力する。

以上の構成により、医学分野の専門用語辞書に含まれない「自己免疫性」のような形態素を含む専門用語であっても、高い精度で正しい形態素に分割することが可能となる。

なお、上述した実施例では、専門分野を医療分野とした例を説明したが、前述したように、本発明は医療分野に限らず、その他の専門分野、例えば経済、建築、技術などの様々な専門分野の専門用語の解析に適用可能である。各専門分野に対応する処理を行なう場合は、それぞれの専門分野に対応する専門用語対訳辞書を適用した処理を実行すればよい。

なお、図１に示す言語解析システムの構成例では、一般用語対訳辞書格納手段１０１と、専門用語対訳辞書格納手段１０２とをそれぞれ独立した手段として構成した例を示しているが、一般用語対訳辞書格納手段１０１と、専門用語対訳辞書格納手段１０２とを融合した１つの辞書格納手段として構成してもよい。

また、上述した実施例では、日本語と英語の対訳辞書を適用した処理例を説明したが、英語以外の言語と日本語との対訳辞書を適用する構成としてもよい。例えば日本語とドイツ語、日本語とフランス語などの対訳辞書を適用しても上記の実施例と同様の処理が実現できる。すなわち、単語がスペース記号によって区分されていることが明確な言語と日本語との対訳辞書を利用することで、上記の日英対訳辞書を適用した処理と同様の処理を行なうことができる。

［２．その他の実施例］
以下、上述した基本実施例と異なる複数の変形実施例について説明する。

（２−１）変形実施例１
図１、図２を参照して説明した言語解析システムの処理例は、一対多単語抽出手段１０３が、専門用語対訳辞書格納手段１０２に登録された対訳ペアから抽出された日本語と英語のペアが、１つの日本語と複数の英単語のペアとして設定されているデータを抽出し、形態素解析手段１１１において日本語の形態素解析を実行する構成であり、この形態素解析は、既存の形態素解析用辞書を適用した形態素解析処理として実行する例として説明した。

この変形実施例１の言語解析システム２００は、図３に示すように、一対多単語抽出手段１０３の形態素解析手段１１１が実行する形態素解析に、形態素解析用生成手段が生成、更新した形態素解析用辞書１１２を適用する。すなわち、以前の解析処理において、対応関係の判明した日英用語ペアに基づいて形態素として登録されたデータを適用して、一対多単語抽出手段１０３の形態素解析手段１１１において新たな形態素解析を実行する。

例えば、先に実行した解析処理において、「ａｕｔｏｉｍｍｕｎｅ」が「自己」「免疫性」と対応することが特定でき、「自己免疫性」が形態素解析用辞書１１２に追加登録されている場合、その後の一対多単語抽出手段１０３の形態素解析手段１１１が実行する形態素解析では、「自己免疫性」を１つの形態素として即座に判定することが可能となり、処理の効率化が実現される。また、このように、再帰的に形態素列を纏め上げることによって、より漏れの少ない専門用語解析用形態素の抽出を実現することができる。

（２−２）変形実施例２
上述した基本実施例においては、一対多単語抽出手段１０３の形態素解析手段１１１の形態素解析処理の実行に際して形態素の纏め処理を行なう場合、形態素解析によって得られた品詞情報に基づく纏め処理を実行していた。具体的には、名詞に接尾辞が後接する場合は纏めて一つの形態素とみなす処理を行い、
（１）［自己，名詞］
（２）［免疫，名詞］
（３）［性，接尾辞］
（４）［甲状腺，名詞］
（５）［炎，接尾辞］
これらの形態素を、
（ａ）「自己」
（ｂ）「免疫性」
（ｃ）「甲状腺炎」
の３つの形態素として纏める処理を実行する例を説明した。

この形態素の纏め処理は、品詞解析による纏め処理例であるが、専門用語対訳辞書格納手段に登録された対訳ペアを解析して、複数の最小形態素（例えば上記（１）〜（５）の形態素）の複数の組み合わせ列（例えば（１）〜（３）の「自己免疫性」）が出現する回数をカウントして、予め設定した閾値以上の出現回数がある形態素列を１つの形態素として決定する処理を行なう構成としてもよい。すなわち、閾値を「２」とした場合、上述の例のように「自己免疫性」が２回纏め上げられている例が検出された場合、「自己免疫性」を形態素解析用辞書に追加する形態素データとして設定する。１回しか纏め上げられなかった形態素列は追加しない。

なお、専門用語対訳辞書格納手段に登録された対訳ペアの解析ではなく、例えば専門分野の文書データベースの格納文書の解析によって同様に出現回数のカウントを行なって、閾値との比較に基づいて纏め処理を実行してもよい。このような纏め処理を行なうことで、より精度の高い専門用語解析用形態素の抽出を実現することができる。

（２−３）変形実施例３
変形実施例３に係る言語解析システム３００の構成例を図４に示す。図４に示すように、変形実施例３に係る言語解析システム３００は、英語コーバス格納手段３０１を有する。英語コーバス格納手段３０１は、英語の医学分野のテキスト集合を格納している。

本構成例においては、一対多単語抽出手段１０３が、専門用語対訳辞書格納手段１０２中の英語専門用語中の連続する２つ（あるいはそれ以上）の英単語のうち、英語コーパス格納手段３０１中の英語テキスト集合において頻出する英単語列を特定し、該英単語列を一つの英語の単語とみなして対応する日本語形態素列を抽出する。

すなわち、前述の基本実施例では、１つの英単語に対応する形態素列を１つの形態素として設定する処理を行っていたが、本構成例では、複数の英単語であっても、英語コーパス格納手段３０１中の英語テキスト集合において頻出する英単語列である場合は、この英単語列を一つの英語の単語とみなして、この英単語列に対応する日本語形態素列を抽出し、これを１つの形態素として判断し、形態素解析用辞書生成手段１０４に出力して形態素解析用辞書１１２に登録する。

本構成例によれば、より漏れの少ない専門用語解析用形態素の抽出を実現することができる。なお、図には英語コーバス格納手段３０１として示しているが、前述したように英語以外の言語を適用することも可能であり、他の日本語以外の言語、例えばドイツ語、フランス語などのスペースによって単語の区切りが明確な言語に対応するコーパス格納手段を設定し、各対訳辞書格納手段にも同じ言語の対訳辞書を設定した構成としてもよい。

最後に、上述した処理を実行する言語解析システムを構成する情報処理装置のハードウェア構成例について、図５を参照して説明する。ＣＰＵ（Central Processing Unit）５０１は、ＯＳ（Operating System)に対応する処理や、上述の実施例において説明した一対多単語抽出処理、形態素解析処理、形態素解析用辞書生成処理などを実行する。これらの処理は、各情報処理装置のＲＯＭ、ハードディスクなどのデータ記憶部に格納されたコンピュータ・プログラムに従って実行される。

ＲＯＭ（Read Only Memory）５０２は、ＣＰＵ５０１が使用するプログラムや演算パラメータ等を格納する。ＲＡＭ（Random Access Memory）５０３は、ＣＰＵ５０１の実行において使用するプログラムや、その実行において適宜変化するパラメータ等を格納する。これらはＣＰＵバスなどから構成されるホストバス５０４により相互に接続されている。

ホストバス５０４は、ブリッジ５０５を介して、ＰＣＩ(Peripheral Component Interconnect/Interface)バスなどの外部バス５０６に接続されている。

キーボード５０８、ポインティングデバイス５０９は、ユーザにより操作される入力デバイスである。ディスプレイ５１０は、液晶表示装置またはＣＲＴ（Cathode Ray Tube）などから成り、各種情報をテキストやイメージで表示する。

ＨＤＤ（Hard Disk Drive）５１１は、ハードディスクを内蔵し、ハードディスクを駆動し、ＣＰＵ５０１によって実行するプログラムや情報を記録または再生させる。ハードディスクは、例えば各種辞書、すなわち、前述した実施例において説明した一般用語対訳辞書、専門用語対訳辞書、形態素解析用辞書の格納手段に利用され、さらに、データ処理プログラム等、各種コンピュータ・プログラムが格納される。

ドライブ５１２は、装着されている磁気ディスク、光ディスク、光磁気ディスク、または半導体メモリ等のリムーバブル記録媒体５２１に記録されているデータまたはプログラムを読み出して、そのデータまたはプログラムを、インタフェース５０７、外部バス５０６、ブリッジ５０５、およびホストバス５０４を介して接続されているＲＡＭ５０３に供給する。

接続ポート５１４は、外部接続機器５２２を接続するポートであり、ＵＳＢ，ＩＥＥＥ１３９４等の接続部を持つ。接続ポート５１４は、インタフェース５０７、および外部バス５０６、ブリッジ５０５、ホストバス５０４等を介してＣＰＵ５０１等に接続されている。通信部５１５は、ネットワークに接続され、各種データベースや他の情報処理装置との通信を実行する。

なお、図５に示す言語解析システムとしての情報処理装置のハードウェア構成例は、ＰＣを適用して構成した装置の一例であり、本発明の言語解析システムは、図５に示す構成に限らず、上述した実施例において説明した処理を実行可能な構成であればよい。

以上、特定の実施例を参照しながら、本発明について詳解してきた。しかしながら、本発明の要旨を逸脱しない範囲で当業者が該実施例の修正や代用を成し得ることは自明である。すなわち、例示という形態で本発明を開示してきたのであり、限定的に解釈されるべきではない。本発明の要旨を判断するためには、特許請求の範囲の欄を参酌すべきである。

なお、明細書中において説明した一連の処理はハードウェア、またはソフトウェア、あるいは両者の複合構成によって実行することが可能である。ソフトウェアによる処理を実行する場合は、処理シーケンスを記録したプログラムを、専用のハードウェアに組み込まれたコンピュータ内のメモリにインストールして実行させるか、あるいは、各種処理が実行可能な汎用コンピュータにプログラムをインストールして実行させることが可能である。

例えば、プログラムは記録媒体としてのハードディスクやＲＯＭ（Read Only Memory)に予め記録しておくことができる。あるいは、プログラムはフレキシブルディスク、ＣＤ−ＲＯＭ(Compact Disc Read Only Memory)，ＭＯ(Magneto optical)ディスク，ＤＶＤ(Digital Versatile Disc)、磁気ディスク、半導体メモリなどのリムーバブル記録媒体に、一時的あるいは永続的に格納（記録）しておくことができる。このようなリムーバブル記録媒体は、いわゆるパッケージソフトウエアとして提供することができる。

なお、プログラムは、上述したようなリムーバブル記録媒体からコンピュータにインストールする他、ダウンロードサイトから、コンピュータに無線転送したり、ＬＡＮ(Local Area Network)、インターネットといったネットワークを介して、コンピュータに有線で転送し、コンピュータでは、そのようにして転送されてくるプログラムを受信し、内蔵するハードディスク等の記録媒体にインストールすることができる。

なお、明細書に記載された各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。また、本明細書においてシステムとは、複数の装置の論理的集合構成であり、各構成の装置が同一筐体内にあるものには限らない。

以上、説明したように、本発明の構成によれば、日本語と外国語との対訳辞書の登録データから日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の登録データを持つ対訳ペアを抽出し、抽出した対訳ペアに含まれる日本語の形態素解析を行って複数の区分語を生成し、生成した区分語または区分語列に対応する外国語の単語を対訳辞書の登録データに基づいて取得し、取得した外国語の単語に対応する区分語または区分語列を形態素として形態素解析用辞書に登録し、登録した形態素情報に基づく形態素解析を行なうことを可能とした。本構成によれば、例えば医療分野などの専門分野の用語であっても、正しい区分に基づく形態素登録情報の生成、利用が可能となり、正確な形態素解析処理が実現される。

本発明の言語解析システムの基本構成例を示す図である。 本発明の言語解析システムの実行する処理シーケンスを説明するフローチャートを示す図である。 本発明の言語解析システムの一実施例の構成を示す図である。 本発明の言語解析システムの一実施例の構成を示す図である。 本発明の一実施形態に係る言語解析システムのハードウェア構成例について説明する図である。

符号の説明

１００ 言語解析システム
１０１ 一般用語対訳辞書格納手段
１０２ 専門用語対訳辞書格納手段
１０３ 一対多単語抽出手段
１０４ 形態素解析用辞書生成手段
１０５ 形態素解析手段
１１１ 形態素解析手段
１１２ 形態素解析手段
３０１ 英語コーパス格納手段
５０１ ＣＰＵ(Central Processing Unit)
５０２ ＲＯＭ（Read-Only-Memory）
５０３ ＲＡＭ（Random Access Memory）
５０４ ホストバス
５０５ ブリッジ
５０６ 外部バス
５０７ インタフェース
５０８ キーボード
５０９ ポインティングデバイス
５１０ ディスプレイ
５１１ ＨＤＤ（Hard Disk Drive）
５１２ ドライブ
５１４ 接続ポート
５１５ 通信部
５２１ リムーバブル記録媒体
５２２ 外部接続機器

Claims (15)

1. 日本語と日本語以外の外国語との対訳辞書を格納した対訳辞書格納手段と、
   前記対訳辞書の登録データから、日本語の一単語と外国語の多単語とが対応する対訳ペアを抽出し、抽出した対訳ペアに含まれる外国語の多単語のうちの１つの単語が前記対訳辞書に登録されておらず当該１つの単語を除く前記多単語のいずれも前記対訳辞書に登録されている場合に、当該１つの単語を除く前記多単語の各々に対応する日本語の単語を前記対訳辞書から読み出して、当該１つの単語に対応する日本語の文字列を前記日本語の一単語から抽出するように解析する一対多単語抽出解析手段と、
   前記一対多単語抽出解析手段において外国語の当該１つの単語に対応すると判定された前記日本語の文字列を形態素として形態素解析用辞書に登録する処理を実行する形態素解析用辞書生成手段と、
   を有することを特徴とする言語解析システム。
2. 前記言語解析システムは、さらに、
   前記形態素解析用辞書生成手段において生成された形態素解析用辞書を適用した形態素解析を実行する形態素解析手段を有することを特徴とする請求項１に記載の言語解析システム。
3. 前記一対多単語抽出解析手段は、
   前記対訳辞書の登録データに含まれる日本語と外国語の対訳ペアが一単語対一単語の対訳ペアについては、該対訳ペアに含まれる日本語の単語を前記形態素解析用辞書生成手段に出力し、
   前記形態素解析用辞書生成手段は、
   前記一対多単語抽出解析手段から入力する前記日本語の単語を形態素解析用辞書に登録する処理を実行する構成であることを特徴とする請求項１に記載の言語解析システム。
4. 前記対訳辞書格納手段は、
   一般用語についての日本語と外国語との対訳辞書を格納した一般用語対訳辞書と、専門用語についての日本語と外国語との対訳辞書を格納した専門用語対訳辞書とを格納した構成であり、
   前記一対多単語抽出解析手段は、
   前記専門用語対訳辞書に登録されたデータから、日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる外国語の多単語のうちの１つの単語が前記一般用語対訳辞書にも前記専門用語対訳辞書にも登録されておらず当該１つの単語を除く前記多単語のいずれも前記前記一般用語対訳辞書または前記専門用語対訳辞書の少なくとも一方に登録されている場合に、当該１つの単語を除く前記多単語の各々に対応する日本語の単語を前記前記一般用語対訳辞書または前記専門用語対訳辞書対訳辞書から読み出して、当該１つの単語に対応する日本語の文字列を前記日本語の一単語から抽出するように解析する処理を実行する構成であることを特徴とする請求項１に記載の言語解析システム。
5. 前記専門用語対訳辞書は、医療分野の専門用語を格納した対訳辞書であることを特徴とする請求項４に記載の言語解析システム。
6. 前記対訳辞書格納手段は、日本語と、英語との対訳辞書を格納した構成であり、
   前記一対多単語抽出解析手段は、
   前記対訳辞書に登録されたデータから、日本語の一単語と英語の多単語とが対応する対訳ペアを抽出し、抽出した対訳ペアに含まれる英語の多単語のうちの１つの単語が前記対訳辞書に登録されておらず当該１つの単語を除く前記多単語のいずれも前記対訳辞書に登録されている場合に、当該１つの単語を除く前記多単語の各々に対応する日本語の単語を前記対訳辞書から読み出して、当該１つの単語に対応する日本語の文字列を前記日本語の一単語から抽出するように解析する処理を実行する構成であることを特徴とする請求項１に記載の言語解析システム。
7. 前記言語解析システムは、さらに、
   前記外国語のテキストデータを格納した外国語コーパス格納手段を有し、
   前記一対多単語抽出解析手段は、
   日本語の形態素解析によって生成した区分語または区分語列に対応する前記外国語の単語解析処理において、前記コーパス格納手段中の外国語テキストを参照し、該外国語テキスト中に頻出する単語列を特定し、該単語列を一つの外国語の単語とみなした解析処理を実行する構成であることを特徴とする請求項１に記載の言語解析システム。
8. 言語解析システムにおいて言語解析処理を実行する言語解析方法であり、
   一対多単語抽出解析手段が、日本語と日本語以外の外国語との対訳辞書を格納した対訳辞書を参照し、該対訳辞書の登録データから日本語の一単語と外国語の多単語とが対応する対訳ペアを抽出し、抽出した対訳ペアに含まれる外国語の多単語のうちの１つの単語が前記対訳辞書に登録されておらず当該１つの単語を除く前記多単語のいずれも前記対訳辞書に登録されている場合に、当該１つの単語を除く前記多単語の各々に対応する日本語の単語を前記対訳辞書から読み出して、当該１つの単語に対応する日本語の文字列を前記日本語の一単語から抽出するように解析する一対多単語抽出解析ステップと、
   形態素解析用辞書生成手段が、前記一対多単語抽出解析ステップにおいて外国語の当該１つの単語に対応すると判定された前記日本語の文字列を形態素として形態素解析用辞書に登録する処理を実行する形態素解析用辞書生成ステップと、
   を有することを特徴とする言語解析方法。
9. 前記言語解析方法は、さらに、
   形態素解析手段が、前記形態素解析用辞書生成ステップで生成した形態素解析用辞書を適用した形態素解析を実行する形態素解析ステップ、
   を有することを特徴とする請求項８に記載の言語解析方法。
10. 前記一対多単語抽出解析ステップは、
    前記対訳辞書の登録データに含まれる日本語と外国語の対訳ペアが一単語対一単語の対訳ペアについては、該対訳ペアに含まれる日本語の単語を前記形態素解析用辞書生成手段に出力するステップを含み、
    前記形態素解析用辞書生成ステップは、
    前記一対多単語抽出解析ステップにおいて入力する前記日本語の単語を形態素解析用辞書に登録する処理を実行することを特徴とする請求項８に記載の言語解析方法。
11. 前記対訳辞書は、一般用語についての日本語と外国語との対訳辞書を格納した一般用語対訳辞書と、専門用語についての日本語と外国語との対訳辞書を格納した専門用語対訳辞書とを含み、
    前記一対多単語抽出解析ステップは、
    前記専門用語対訳辞書に登録されたデータから、日本語と外国語の対訳ペアが一単語対一単語と異なる一単語対多単語の対訳ペアを抽出し、抽出した対訳ペアに含まれる外国語の多単語のうちの１つの単語が前記一般用語対訳辞書にも前記専門用語対訳辞書にも登録されておらず当該１つの単語を除く前記多単語のいずれも前記前記一般用語対訳辞書または前記専門用語対訳辞書の少なくとも一方に登録されている場合に、当該１つの単語を除く前記多単語の各々に対応する日本語の単語を前記前記一般用語対訳辞書または前記専門用語対訳辞書対訳辞書から読み出して、当該１つの単語に対応する日本語の文字列を前記日本語の一単語から抽出するように解析する処理を実行するステップであることを特徴とする請求項８に記載の言語解析方法。
12. 前記専門用語対訳辞書は、医療分野の専門用語を格納した対訳辞書であり、
    前記一対多単語抽出解析ステップは、
    医療分野の専門用語である日本語の形態素解析により複数の区分語を生成し、生成した区分語または区分語列に対応する前記外国語の単語を、前記専門用語対訳辞書および前記一般用語対訳辞書の双方の登録データに基づいて解析する処理を実行するステップであることを特徴とする請求項１１に記載の言語解析方法。
13. 前記対訳辞書は日本語と英語との対訳辞書であることを特徴とする請求項８に記載の言語解析方法。
14. 前記一対多単語抽出解析ステップは、
    日本語の形態素解析によって生成した区分語または区分語列に対応する前記外国語の単語解析処理において、外国語のテキストデータを格納した外国語コーパス格納手段に格納された外国語テキストを参照し、該外国語テキスト中に頻出する単語列を特定し、該単語列を一つの外国語の単語とみなした解析処理を実行することを特徴とする請求項８に記載の言語解析方法。
15. 言語解析システムにおいて言語解析処理を実行させるコンピュータ・プログラムであり、
    一対多単語抽出解析手段に、日本語と日本語以外の外国語との対訳辞書を格納した対訳辞書を参照させ、該対訳辞書の登録データから日本語の一単語と外国語の多単語とが対応する対訳ペアを抽出させて、抽出した対訳ペアに含まれる外国語の多単語のうちの１つの単語が前記対訳辞書に登録されておらず当該１つの単語を除く前記多単語のいずれも前記対訳辞書に登録されている場合に、当該１つの単語を除く前記多単語の各々に対応する日本語の単語を前記対訳辞書から読み出して、当該１つの単語に対応する日本語の文字列を前記日本語の一単語から抽出するように解析させる一対多単語抽出解析ステップと、
    形態素解析用辞書生成手段に、前記一対多単語抽出解析ステップにおいて外国語の当該１つの単語に対応すると判定された前記日本語の文字列を形態素として形態素解析用辞書に登録する処理を実行させる形態素解析用辞書生成ステップと、
    を有することを特徴とするコンピュータ・プログラム。

Images