JP2009103921A - Abbreviated word determining apparatus, computer program, text analysis apparatus, and speech synthesis apparatus - Google Patents
Abbreviated word determining apparatus, computer program, text analysis apparatus, and speech synthesis apparatus Download PDFInfo
- Publication number
- JP2009103921A JP2009103921A JP2007275651A JP2007275651A JP2009103921A JP 2009103921 A JP2009103921 A JP 2009103921A JP 2007275651 A JP2007275651 A JP 2007275651A JP 2007275651 A JP2007275651 A JP 2007275651A JP 2009103921 A JP2009103921 A JP 2009103921A
- Authority
- JP
- Japan
- Prior art keywords
- abbreviation
- word
- text data
- text
- data
- Prior art date
- Legal status (The legal status 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 status listed.)
- Granted
Links
Images
Landscapes
- Machine Translation (AREA)
- Document Processing Apparatus (AREA)
Abstract
Description
本発明は、テキストデータが省略語であるか否かを判定する省略語判定装置、該省略語判定装置をコンピュータによって実現するためのコンピュータプログラム、前記省略語判定装置を備えたテキスト解析装置、及び該テキスト解析装置を備えた音声合成装置に関する。 The present invention relates to an abbreviation determination device that determines whether text data is an abbreviation, a computer program for realizing the abbreviation determination device by a computer, a text analysis device including the abbreviation determination device, and The present invention relates to a speech synthesizer provided with the text analysis device.
テキストデータから音声を合成するテキスト音声合成技術は、例えば、IVR(自動音声応答:Interactive Voice Response)システム、車載情報端末及び携帯電話等における操作方法の音声ガイダンス、電子メールの読み上げ、視覚障害者・発話障害者の支援システム等に適用されている。 Text-to-speech synthesis technology that synthesizes speech from text data includes, for example, IVR (Automatic Voice Response) system, in-vehicle information terminal, voice guidance of operation method in mobile phone, etc., reading out e-mail, It is applied to support systems for the speech disabled.
従来のテキスト音声合成装置は、形態素及び各形態素のアクセント型を対応付けて記憶する言語辞書が予め用意されており、入力されたテキストデータを言語辞書の登録内容に基づいて形態素に分割し、分割したそれぞれの形態素に対してアクセント型を付与する。また、従来のテキスト音声合成装置は、分割した形態素及び各形態素に付与されたアクセント型に基づいて、各形態素に対応する韻律を所定の韻律生成ルールに従って生成し、生成した韻律を音声波形に変換して合成音声を取得する。 In the conventional text-to-speech synthesizer, a language dictionary for storing morphemes and accent types of each morpheme is prepared in advance, and the input text data is divided into morphemes based on the registered contents of the language dictionary. Accent type is given to each morpheme. In addition, the conventional text-to-speech synthesizer generates prosody corresponding to each morpheme according to predetermined prosody generation rules based on the divided morphemes and the accent type assigned to each morpheme, and converts the generated prosody into a speech waveform To obtain synthesized speech.
このような従来のテキスト音声合成装置において、言語辞書に登録されていない形態素がテキストデータに含まれる場合、形態素に分割する際に誤った位置で分割されてしまう虞があり、形態素にアクセント型を付与する際に誤ったアクセント型が付与されてしまう虞がある。このように、誤った位置で形態素に分割された場合、又は誤ったアクセント型が付与された場合、正しい合成音声を生成することが困難であった。 In such a conventional text-to-speech synthesizer, if text data contains morphemes that are not registered in the language dictionary, there is a possibility that the morphemes may be divided at wrong positions when they are divided. There is a possibility that an incorrect accent type may be given when it is given. Thus, when divided into morphemes at an incorrect position, or when an incorrect accent type is given, it is difficult to generate a correct synthesized speech.
また、従来のテキスト音声合成装置では、テキストデータを形態素に分割する際に、言語辞書に登録されていない形態素を抽出した場合、この形態素を未知語として分割し、各形態素(未知語)に、例えば後ろから3モーラ目にアクセント核を有するアクセント型を付与するように構成されている場合が多い。これは、「オーストラリア」、「チェルノブイリ」のような外来語は、後ろから3モーラ目にアクセント核を有するものが多いからである。 Further, in the conventional text-to-speech synthesizer, when dividing text data into morphemes, if morphemes that are not registered in the language dictionary are extracted, the morphemes are divided as unknown words, and each morpheme (unknown word) For example, in many cases, an accent type having an accent nucleus is assigned to the third mora from the back. This is because many foreign words such as “Australia” and “Chernobyl” have an accent nucleus in the third mora from the back.
従来より、マツケン(登録商標)(松平健)、キムタク(木村拓也)、コスプレ(コスチュームプレイ)、地デジ(地上デジタル放送)、連ドラ(連続ドラマ)等の省略語が多用されている。このような省略語は言語辞書に登録されていないため、従来のテキスト音声合成装置では、未知語として扱う場合が多く、上述したように例えば後ろから3モーラ目にアクセント核を有するアクセント型を付与していた。しかし、このような省略語は、平板型(ゼロ型)のアクセント型である場合が多く、後ろから3モーラ目にアクセント核を有するアクセント型を付与した場合、正しい合成音声を生成することはできず、訛ったような読み方の合成音声を生成する可能性があった。 Conventionally, abbreviations such as Matsuken (registered trademark) (Ken Matsuhira), Kim Taku (Takuya Kimura), Cosplay (costume play), Terrestrial digital (terrestrial digital broadcasting), serial drama (continuous drama), etc. have been frequently used. Since such abbreviations are not registered in the language dictionary, the conventional text-to-speech synthesizer often handles them as unknown words. As described above, for example, an accent type having an accent nucleus is assigned to the third mora from the back. Was. However, such abbreviations are often flat-type (zero-type) accent types, and if an accent type with an accent kernel is given to the third mora from the back, correct synthesized speech cannot be generated. First, there was a possibility of generating synthesized speech that was read like a whisper.
特許文献1には、省略語に対する正式名称を登録した正式名称辞書と、正式名称から予測される省略語を登録した省略語辞書とを予め用意しておき、テキスト文書中に省略語辞書に登録された省略語を検出した場合に、この省略語を、対応する正式名称に変換する装置が開示されている。このような装置を用いた場合、正式名称辞書に登録されていない省略語がテキスト文書中に含まれる場合であっても、未知語として扱わずに、省略語として適切に扱うことができる。
上述した特許文献1のように省略語辞書を用いることにより、省略語辞書に登録されている省略語については、テキスト文書を形態素に分割する際に正しい形態素に分割することができると共に、正しいアクセント型を付与することができるので、正しい合成音声を生成することができる。しかし、省略語は日々新しい言葉が出てくるので、新しい省略語を省略語辞書に逐次登録することは不可能であるという問題を有する。
By using an abbreviation dictionary as in
本発明は斯かる事情に鑑みてなされたものであり、その目的とするところは、テキストデータが人名を省略して生成された省略語であるか否かを容易に判定することが可能な省略語判定装置、該省略語判定装置をコンピュータによって実現するためのコンピュータプログラム、前記省略語判定装置を備えたテキスト解析装置及び該テキスト解析装置を備えた音声合成装置を提供することにある。 The present invention has been made in view of such circumstances, and an object of the present invention is to omit whether text data is an abbreviation generated by omitting a person's name or not. An object of the present invention is to provide a word determination device, a computer program for realizing the abbreviation determination device by a computer, a text analysis device including the abbreviation determination device, and a speech synthesizer including the text analysis device.
本発明の他の目的は、テキストデータが複合語を省略して生成された省略語であるか否かを容易に判定することが可能な省略語判定装置、該省略語判定装置をコンピュータによって実現するためのコンピュータプログラム、前記省略語判定装置を備えたテキスト解析装置及び該テキスト解析装置を備えた音声合成装置を提供することにある。 Another object of the present invention is to realize an abbreviation determination device that can easily determine whether text data is an abbreviation generated by omitting a compound word, and the abbreviation determination device realized by a computer. The present invention provides a computer program, a text analysis device including the abbreviation determination device, and a speech synthesis device including the text analysis device.
本発明に係る省略語判定装置は、テキストデータが省略語であるか否かを判定する省略語判定装置において、人名に用いられる姓及び名をそれぞれ人名記憶手段に記憶しており、テキストデータから先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する姓が人名記憶手段に記憶してあるか否かを判断する。また、省略語判定装置は、前記姓が人名記憶手段に記憶してあると判断した場合、前記抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する名が人名記憶手段に記憶してあるか否かを判断する。前記名が人名記憶手段に記憶してあると判断した場合、省略語判定装置は、前記テキストデータが省略語であると判定する。よって、テキストデータが、人名の姓及び名のそれぞれの先頭から所定数の文字を抽出して生成された省略語であるか否かを容易に判定することが可能となる。 The abbreviation determination apparatus according to the present invention is an abbreviation determination apparatus for determining whether text data is an abbreviation or not. In the abbreviation determination apparatus, a surname and a first name used for a person's name are respectively stored in a person name storage means. A predetermined number of character data at the beginning is extracted, and it is determined whether or not the surname having the extracted character data at the beginning is stored in the personal name storage means. Further, when the abbreviation determination device determines that the last name is stored in the personal name storage unit, the abbreviation determination device extracts and extracts a predetermined number of character data at the beginning from the text data excluding the extracted character data. It is determined whether a name having character data at the head is stored in the personal name storage means. If it is determined that the name is stored in the personal name storage means, the abbreviation determination device determines that the text data is an abbreviation. Therefore, it is possible to easily determine whether or not the text data is an abbreviation generated by extracting a predetermined number of characters from the head of each surname and first name of the person name.
本発明に係る省略語判定装置は、テキストデータが省略語であるか否かを判定する省略語判定装置において、複数の複合語及び各複合語を構成する構成語を対応付けて複合語記憶手段に記憶しており、テキストデータから先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する構成語を含む複合語が複合語記憶手段に記憶してあるか否かを判断する。また、省略語判定装置は、前記複合語が複合語記憶手段に記憶してあると判断した場合、前記抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する構成語が、複合語記憶手段に記憶してあると判断した複合語の構成語に含まれているか否かを判断する。前記構成語が含まれていると判断した場合、省略語判定装置は、前記テキストデータが省略語であると判定する。よって、テキストデータが、複合語を構成する2つの構成語のそれぞれの先頭から所定数の文字を抽出して生成された省略語であるか否かを容易に判定することが可能となる。 The abbreviation determination device according to the present invention is a compound word storage means in which a plurality of compound words and constituent words constituting each compound word are associated with each other in the abbreviation determination device for determining whether or not text data is an abbreviation. A predetermined number of character data at the beginning is extracted from the text data, and it is determined whether or not a compound word including a constituent word having the extracted character data at the beginning is stored in the compound word storage means. . Further, when the abbreviation determination device determines that the compound word is stored in the compound word storage unit, the abbreviation determination device extracts a predetermined number of character data at the beginning from the text data excluding the extracted character data, It is determined whether or not the constituent word having the extracted character data at the head is included in the constituent words of the composite word determined to be stored in the composite word storage means. If it is determined that the constituent word is included, the abbreviation determination device determines that the text data is an abbreviation. Therefore, it is possible to easily determine whether or not the text data is an abbreviation generated by extracting a predetermined number of characters from the head of each of the two constituent words constituting the compound word.
本発明に係る省略語判定装置は、テキストデータの先頭から2音節に相当する数の文字データを抽出し、抽出した文字データを先頭に有する姓が人名記憶手段に記憶してあるか否か、又は抽出した文字データを先頭に有する構成語を含む複合語が複合語記憶手段に記憶してあるか否かを判断する。また、省略語判定装置は、前記抽出した文字データを除いた前記テキストデータの先頭から、2音節に相当する数の文字データを抽出し、抽出した文字データを先頭に有する名が人名記憶手段に記憶してあるか否か、又は抽出した文字データを先頭に有する構成語が、複合語記憶手段に記憶してあると判断した複合語の構成語に含まれているか否かを判断する。よって、テキストデータが、人名の姓及び名のそれぞれの先頭から2音節に相当する数の文字を抽出して生成された省略語であるか否か、又は複合語を構成する2つの構成語のそれぞれの先頭から2音節に相当する数の文字を抽出して生成された省略語であるか否かを容易に判定することが可能となる。 The abbreviation determination device according to the present invention extracts a number of character data corresponding to two syllables from the beginning of the text data, and whether the surname having the extracted character data at the beginning is stored in the personal name storage means, Alternatively, it is determined whether or not a compound word including a constituent word having extracted character data at the head is stored in the compound word storage unit. The abbreviation determination device extracts a number of character data corresponding to two syllables from the head of the text data excluding the extracted character data, and a name having the extracted character data at the head is stored in the personal name storage means. It is determined whether or not it is stored, or whether or not the constituent word having the extracted character data at the head is included in the constituent words of the composite word determined to be stored in the composite word storage means. Therefore, whether the text data is an abbreviation generated by extracting a number of characters corresponding to two syllables from the head of each surname and first name of a person name, or two constituent words constituting a compound word It is possible to easily determine whether or not the abbreviation is generated by extracting a number of characters corresponding to two syllables from the beginning.
本発明に係る省略語判定装置は、テキストデータの先頭から1音節に相当する数の文字データを抽出し、抽出した文字データを先頭に有する姓が人名記憶手段に記憶してあるか否か、又は抽出した文字データを先頭に有する構成語を含む複合語が複合語記憶手段に記憶してあるか否かを判断する。また、省略語判定装置は、前記抽出した文字データを除いた前記テキストデータの先頭から、2音節に相当する数の文字データを抽出し、抽出した文字データを先頭に有する名が人名記憶手段に記憶してあるか否か、又は抽出した文字データを先頭に有する構成語が、複合語記憶手段に記憶してあると判断した複合語の構成語に含まれているか否かを判断する。よって、テキストデータが、人名の姓の先頭から1音節に相当する数の文字を抽出し、名の先頭から2音節に相当する数の文字を抽出して生成された省略語であるか否か、又は複合語を構成する構成語の先頭から1音節に相当する数の文字を抽出し、他の構成語の先頭から2音節に相当する数の文字を抽出して生成された省略語であるか否かを容易に判定することが可能となる。 The abbreviation determination device according to the present invention extracts a number of character data corresponding to one syllable from the beginning of the text data, and whether the surname having the extracted character data at the beginning is stored in the personal name storage means, Alternatively, it is determined whether or not a compound word including a constituent word having extracted character data at the head is stored in the compound word storage unit. The abbreviation determination device extracts a number of character data corresponding to two syllables from the head of the text data excluding the extracted character data, and a name having the extracted character data at the head is stored in the personal name storage means. It is determined whether or not it is stored, or whether or not the constituent word having the extracted character data at the head is included in the constituent words of the composite word determined to be stored in the composite word storage means. Therefore, whether or not the text data is an abbreviation generated by extracting the number of characters corresponding to one syllable from the beginning of the surname of the person name and extracting the number of characters corresponding to two syllables from the beginning of the name. Or an abbreviation generated by extracting a number of characters corresponding to one syllable from the beginning of a constituent word constituting a compound word and extracting a number of characters corresponding to two syllables from the beginning of another constituent word. It is possible to easily determine whether or not.
本発明に係る省略語判定装置は、複数のテキストデータを含む文書データをテキストデータに分割し、分割されたテキストデータから先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する姓が人名記憶手段に記憶してあるか否か、又は抽出した文字データを先頭に有する構成語を含む複合語が複合語記憶手段に記憶してあるか否かを判断する。また、省略語判定装置は、前記抽出した文字データを除いた前記テキストデータから先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する名が人名記憶手段に記憶してあるか否か、又は抽出した文字データを先頭に有する構成語が、複合語記憶手段に記憶してあると判断した複合語の構成語に含まれているか否かを判断する。前記名が人名記憶手段に記憶してあると判断した場合、又は前記構成語が含まれていると判断した場合、省略語判定装置は、前記テキストデータが省略語の候補であると判定する。また、省略語判定装置は、複数のテキストデータ及び各テキストデータと共起される共起データを対応付けて共起データ記憶手段に記憶しており、省略語の候補であると判定したテキストデータに対応する共起データを共起データ記憶手段から取得し、取得された共起データが前記文書データ中のテキストデータに含まれているか否かを判断し、含まれていると判断した場合、省略語の候補であると判定したテキストデータを省略語であると確定する。よって、テキストデータが、人名の姓及び名のそれぞれの先頭から所定数の文字を抽出して生成された省略語、又は複合語を構成する2つの構成語のそれぞれの先頭から所定数の文字を抽出して生成された省略語であるか否かを、当該テキストデータと共起されるデータが共起データであるか否かに基づいて確実に判定することが可能となる。 The abbreviation determination device according to the present invention divides document data including a plurality of text data into text data, extracts a predetermined number of character data at the head from the divided text data, and has the extracted character data at the head. It is determined whether the last name is stored in the personal name storage means, or whether a compound word including a constituent word having the extracted character data at the head is stored in the compound word storage means. Further, the abbreviation determination device extracts a predetermined number of character data at the beginning from the text data excluding the extracted character data, and whether a name having the extracted character data at the beginning is stored in the personal name storage means It is determined whether or not the constituent word having the extracted character data at the head is included in the constituent words of the compound word determined to be stored in the compound word storage means. If it is determined that the name is stored in the personal name storage means, or if it is determined that the constituent word is included, the abbreviation determination device determines that the text data is an abbreviation candidate. The abbreviation determination device stores a plurality of text data and co-occurrence data co-occurring with each text data in association with each other in the co-occurrence data storage means, and the text data determined as a candidate for the abbreviation Is obtained from the co-occurrence data storage means, and it is determined whether or not the acquired co-occurrence data is included in the text data in the document data, The text data determined to be an abbreviation candidate is determined to be an abbreviation. Therefore, the text data includes an abbreviation generated by extracting a predetermined number of characters from the beginning of each surname and first name of a person name, or a predetermined number of characters from the beginning of each of two constituent words constituting a compound word. It is possible to reliably determine whether the abbreviation is generated by extraction based on whether the data co-occurring with the text data is co-occurring data.
本発明に係る省略語判定方法は、テキストデータが省略語であるか否かを判定する省略語判定方法において、テキストデータから先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する姓が、人名に用いられる姓及び名をそれぞれ記憶する人名記憶手段に記憶してあるか否かを判断し、前記姓が人名記憶手段に記憶してあると判断した場合、前記抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する名が人名記憶手段に記憶してあるか否かを判断し、前記名が人名記憶手段に記憶してあると判断した場合、前記テキストデータが省略語であると判定する。 The abbreviation determination method according to the present invention is an abbreviation determination method for determining whether or not text data is an abbreviation. In the abbreviation determination method, a predetermined number of character data at the beginning is extracted from the text data, and the extracted character data at the beginning. It is determined whether or not the last name is stored in the personal name storage means for storing the last name and the first name used for the personal name, and if it is determined that the last name is stored in the personal name storage means, the extracted characters A predetermined number of character data at the beginning is extracted from the text data excluding data, and it is determined whether or not a name having the extracted character data at the beginning is stored in the personal name storage means. If it is determined that the data is stored in the means, it is determined that the text data is an abbreviation.
本発明に係る省略語判定方法は、テキストデータが省略語であるか否かを判定する省略語判定方法において、テキストデータから先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する構成語を含む複合語が、複数の複合語及び各複合語を構成する構成語を対応付けて記憶する複合語記憶手段に記憶してあるか否かを判断し、前記複合語が前記複合語記憶手段に記憶してあると判断した場合、前記抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出し、抽出した文字データを先頭に有する構成語が、複合語記憶手段に記憶してあると判断された複合語の構成語に含まれているか否かを判断し、前記構成語が含まれていると判断した場合、前記テキストデータが省略語であると判定する。 The abbreviation determination method according to the present invention is an abbreviation determination method for determining whether or not text data is an abbreviation. In the abbreviation determination method, a predetermined number of character data at the beginning is extracted from the text data, and the extracted character data at the beginning. It is determined whether or not a compound word including a constituent word is stored in a compound word storage unit that stores a plurality of compound words and constituent words constituting each compound word in association with each other, and the compound word is the compound word If it is determined that the word storage means stores, a predetermined number of character data at the beginning is extracted from the text data excluding the extracted character data, and the constituent word having the extracted character data at the beginning is combined It is determined whether or not it is included in a constituent word of a compound word determined to be stored in the word storage means, and when it is determined that the constituent word is included, the text data is an abbreviation judge.
本発明に係るコンピュータプログラムは、コンピュータに読み取らせて実行させることにより、上述したような省略語判定装置をコンピュータによって実現することが可能となる。 When the computer program according to the present invention is read by a computer and executed, the abbreviation determination device as described above can be realized by the computer.
本発明に係るテキスト解析装置は、テキストデータを解析するテキスト解析装置において、上述したいずれかの省略語判定装置を備え、形態素及びアクセント型を対応付けて形態素記憶手段に記憶しており、形態素記憶手段の記憶内容に基づいて、テキストデータを形態素に分割し、分割した形態素のそれぞれにアクセント型を付与する。前記省略語判定装置は、形態素記憶手段に記憶されていない形態素が省略語であるか否かを判定しており、テキスト解析装置は、省略語判定装置によって省略語であると判定された形態素に所定のアクセント型を付与する。よって、形態素記憶手段に記憶されていない形態素において、省略語であると判定された形態素と、他の形態素とにおいて異なるアクセント型を付与するので、省略語に適したアクセント型を付与することが可能となる。 A text analysis apparatus according to the present invention is a text analysis apparatus that analyzes text data, includes any one of the abbreviation determination apparatuses described above, and stores morphemes and accent types in association with each other in a morpheme storage unit. Based on the stored contents of the means, the text data is divided into morphemes, and an accent type is assigned to each of the divided morphemes. The abbreviation determination device determines whether or not a morpheme that is not stored in the morpheme storage means is an abbreviation, and the text analysis device applies the morpheme determined to be an abbreviation by the abbreviation determination device. A predetermined accent type is given. Therefore, in the morphemes that are not stored in the morpheme storage means, different accent types are assigned to the morphemes determined to be abbreviations and other morphemes, so it is possible to assign accent types suitable for abbreviations. It becomes.
本発明に係るテキスト解析装置は、省略語及びアクセント型を対応付けて省略語記憶手段に記憶しており、省略語記憶手段の記憶内容に基づいて、省略語判定装置によって省略語であると判定された形態素のそれぞれにアクセント型を付与すると共に、省略語記憶手段に記憶されていない形態素に所定のアクセント型を付与する。よって、予め省略語記憶手段に記憶してある省略語に対しては、それぞれ対応するアクセント型を付与し、省略語記憶手段に記憶されていない省略語に対しては、所定のアクセント型を付与するので、省略語に適したアクセント型を付与することが可能となる。 The text analysis apparatus according to the present invention stores abbreviations and accent types in association with each other in the abbreviation storage means, and determines that the abbreviation is determined by the abbreviation determination apparatus based on the stored contents of the abbreviation storage means. Each of the morphemes is given an accent type, and a predetermined accent type is given to a morpheme that is not stored in the abbreviation storage means. Therefore, the corresponding accent type is assigned to the abbreviations stored in advance in the abbreviation storage means, and the predetermined accent type is assigned to the abbreviations not stored in the abbreviation storage means. Therefore, an accent type suitable for an abbreviation can be given.
本発明に係るテキスト解析装置は、テキストデータを解析するテキスト解析装置において、上述した共起データ記憶手段を有する省略語判定装置を備え、テキストデータ及びアクセント型を対応付けてテキスト記憶手段に記憶している。前記省略語判定装置は、テキスト記憶手段の記憶内容に基づいて、文書データをテキストデータに分割し、分割したテキストデータのそれぞれにアクセント型を付与する。また、省略語判定装置は、テキスト記憶手段に記憶されていないテキストデータが省略語であるか否かを判定しており、テキスト解析装置は、省略語判定装置によって省略語であると判定されたテキストデータに所定のアクセント型を付与する。よって、テキスト記憶手段に記憶されていないテキストデータにおいて、省略語であると判定されたテキストデータと、他のテキストデータとにおいて異なるアクセント型を付与するので、省略語に適したアクセント型を付与することが可能となる。 The text analysis apparatus according to the present invention is a text analysis apparatus for analyzing text data, and includes the abbreviation determination apparatus having the above-described co-occurrence data storage means, and stores the text data and the accent type in association with each other in the text storage means. ing. The abbreviation determination device divides the document data into text data based on the stored contents of the text storage means, and gives an accent type to each of the divided text data. The abbreviation determination device determines whether text data not stored in the text storage means is an abbreviation, and the text analysis device is determined to be an abbreviation by the abbreviation determination device. A predetermined accent type is given to the text data. Therefore, in the text data not stored in the text storage means, different accent types are assigned to the text data determined to be an abbreviation and the other text data, so an accent type suitable for the abbreviation is assigned. It becomes possible.
本発明に係るテキスト解析装置は、省略語及びアクセント型を対応付けて省略語記憶手段に記憶しており、省略語記憶手段の記憶内容に基づいて、省略語判定装置によって省略語であると判定されたテキストデータのそれぞれにアクセント型を付与すると共に、省略語記憶手段に記憶されていないテキストデータに所定のアクセント型を付与する。よって、予め省略語記憶手段に記憶してある省略語に対しては、それぞれ対応するアクセント型を付与し、省略語記憶手段に記憶されていない省略語に対しては、所定のアクセント型を付与するので、省略語に適したアクセント型を付与することが可能となる。 The text analysis apparatus according to the present invention stores abbreviations and accent types in association with each other in the abbreviation storage means, and determines that the abbreviation is determined by the abbreviation determination apparatus based on the stored contents of the abbreviation storage means. An accent type is assigned to each piece of text data, and a predetermined accent type is assigned to text data not stored in the abbreviation storage means. Therefore, the corresponding accent type is assigned to the abbreviations stored in advance in the abbreviation storage means, and the predetermined accent type is assigned to the abbreviations not stored in the abbreviation storage means. Therefore, an accent type suitable for an abbreviation can be given.
本発明に係る音声合成装置は、テキストデータから合成音声を生成する音声合成装置において、上述したいずれかのテキスト解析装置を備え、テキスト解析装置の形態素分割手段が分割した形態素及び各形態素に付与されたアクセント型に基づいて、各形態素に対応する韻律を生成し、生成した韻律に基づいて合成音声を生成する。 A speech synthesizer according to the present invention is a speech synthesizer that generates synthesized speech from text data. The speech synthesizer includes any of the text analysis devices described above, and is assigned to each morpheme divided by the morpheme dividing unit of the text analysis device. Prosody corresponding to each morpheme is generated based on the accent type, and synthesized speech is generated based on the generated prosody.
本発明に係る音声合成装置は、テキストデータから合成音声を生成する音声合成装置において、上述した共起データ記憶手段を有する省略語判定装置を備えたテキスト解析装置を備え、省略語判定装置の分割手段が分割したテキストデータ及びテキスト解析装置が各テキストデータに付与したアクセント型に基づいて、各テキストデータに対応する韻律を生成し、生成した韻律に基づいて合成音声を生成する。 A speech synthesizer according to the present invention is a speech synthesizer that generates synthesized speech from text data. The speech synthesizer includes a text analysis device that includes the abbreviation determination device having the above-described co-occurrence data storage unit. Prosody corresponding to each text data is generated based on the text data divided by the means and the accent type given to each text data by the text analysis device, and synthesized speech is generated based on the generated prosody.
本発明では、テキストデータが、人名の姓に用いられる文字の先頭の所定数の文字と、人名の名に用いられる文字の先頭の所定数の文字とを組み合わせて構成される場合に、前記テキストデータを、人名を省略して生成された省略語であると判定する。なお、近年の省略語は、人名における姓の先頭の2音節と名の先頭の2音節とを組み合わせたものが多い。従って、例えば、人名の姓に用いられる文字の先頭の2文字と人名の名に用いられる文字の先頭の2文字とを組み合わせて構成されるテキストデータを省略語であると判定する場合、テキストデータが、例えば、マツケン(松平健)、キムタク(木村拓也)、ナカショー(中川翔子)等の省略語であるか否かを容易に判定することができる。 In the present invention, when the text data is configured by combining a predetermined number of characters at the beginning of the characters used for the surname of the person name and a predetermined number of characters at the beginning of the characters used for the name of the person name, the text The data is determined to be an abbreviation generated by omitting a person's name. In recent years, many abbreviations are a combination of the first two syllables of a family name and the first two syllables of a first name. Therefore, for example, when it is determined that text data formed by combining the first two characters used for the surname of the person name and the first two characters used for the name of the person name is an abbreviation, the text data However, it is possible to easily determine whether the abbreviation is, for example, Matsuken (Ken Matsuhira), Kim Taku (Takuya Kimura), Nakasho (Shoko Nakagawa), or the like.
本発明では、テキストデータが、複合語を構成する2つの構成語のそれぞれの先頭の所定数の文字を組み合わせて構成される場合に、前記テキストデータを、複合語を省略して生成された省略語であると判定する。なお、近年の省略語は、複合語における正式名称を構成する最初の単語(構成語)の先頭の2音節と2番目の単語(構成語)の先頭の2音節とを組み合わせたものが多い。従って、例えば、最初の構成語の先頭の2文字と2番目の構成語の先頭の2文字とを組み合わせて構成されるテキストデータを省略語であると判定する場合、テキストデータが、例えば、コスプレ(コスチュームプレイ)、連ドラ(連続ドラマ)、筋トレ(筋肉トレーニング)等の省略語であるか否かを容易に判定することができる。また、最初の構成語の先頭の1文字と2番目の構成語の先頭の2文字とを組み合わせて構成されるテキストデータを省略語であると判定する場合、テキストデータが、例えば、地デジ(地上デジタル放送)等の省略語であるか否かを容易に判定することができる。 In the present invention, when the text data is configured by combining a predetermined number of characters at the head of each of the two constituent words constituting the compound word, the text data is generated by omitting the compound word. Judged to be a word. In recent years, many abbreviations are a combination of the first two syllables of the first word (component word) and the first two syllables of the second word (component word) constituting the formal name in the compound word. Therefore, for example, when it is determined that text data formed by combining the first two characters of the first constituent word and the first two characters of the second constituent word is an abbreviation, the text data is, for example, a cosplay Whether it is an abbreviation such as (costume play), continuous drama (continuous drama), muscle training (muscle training) or the like can be easily determined. Further, when it is determined that text data configured by combining the first character of the first constituent word and the first two characters of the second constituent word is an abbreviation, the text data is, for example, terrestrial digital ( It is possible to easily determine whether the abbreviation is “terrestrial digital broadcasting” or the like.
本発明では、文書データをテキストデータに分割し、分割されたテキストデータが省略語の候補であると判定された場合、このテキストデータと共起される共起データが、このテキストデータを含む文書データに含まれているか否かを判断し、含まれている場合、このテキストデータを省略語であると確定する。よって、省略語の候補と判定されたテキストデータが、本来の省略語であれば共起される可能性の高い共起データと共起されている場合にのみ、このテキストデータを省略語に確定するので、省略語の誤判定を防止することができる。具体的には、例えば、「マツケン」に対する共起データに「サンバ」が登録されており、「マツケンがサンバを踊った」という文書データ中のテキストデータ「マツケン」が省略語の候補であると判定された場合、「マツケン」の共起データである「サンバ」が文書データ中に含まれているので、この「マツケン」を省略語に特定することができる。 In the present invention, when document data is divided into text data, and it is determined that the divided text data is an abbreviation candidate, the co-occurrence data co-occurred with the text data is a document including the text data. It is determined whether or not it is included in the data, and if it is included, this text data is determined to be an abbreviation. Therefore, this text data is determined to be an abbreviation only if the text data determined to be an abbreviation candidate co-occurs with co-occurrence data that is likely to co-occur if it is an original abbreviation. Thus, erroneous determination of abbreviations can be prevented. Specifically, for example, “samba” is registered in the co-occurrence data for “Matsuken”, and text data “Matsuken” in the document data “Matsuken danced samba” is a candidate for abbreviation. If it is determined, since “samba”, which is co-occurrence data of “Matsuken”, is included in the document data, this “Matsuken” can be specified as an abbreviation.
本発明では、形態素及びアクセント型を対応付けて記憶してある形態素記憶手段の記憶内容に基づいて、テキストデータを形態素に分割し、分割した形態素のそれぞれにアクセント型を付与する。また、形態素記憶手段に記憶されていない形態素が省略語判定装置によって省略語であると判定された場合、この形態素に所定のアクセント型を付与する。このように、形態素記憶手段に記憶されていない形態素において、省略語であると判定された形態素と、他の形態素とにおいて異なるアクセント型を付与するので、省略語に適したアクセント型を付与することができる。従って、このように各形態素に適切に付与されたアクセント型に基づいて、各形態素に対応する韻律を生成し、生成した韻律に基づいて合成音声を生成した場合、適切な韻律を生成することができ、また、適切な韻律に基づいて適切な合成音声を生成することができるので、形態素記憶手段に記憶されていない形態素(未知語)に対しても正しいアクセントで合成音声を出力することができる。 In the present invention, the text data is divided into morphemes based on the storage contents of the morpheme storage means in which the morpheme and the accent type are stored in association with each other, and an accent type is assigned to each of the divided morphemes. When a morpheme that is not stored in the morpheme storage unit is determined to be an abbreviation by the abbreviation determination device, a predetermined accent type is assigned to the morpheme. In this way, in a morpheme that is not stored in the morpheme storage means, a different accent type is assigned to a morpheme determined to be an abbreviation and another morpheme, and therefore an accent type suitable for the abbreviation is given. Can do. Therefore, when a prosody corresponding to each morpheme is generated based on the accent type appropriately given to each morpheme in this way, and a synthesized speech is generated based on the generated prosody, an appropriate prosody can be generated. In addition, since an appropriate synthesized speech can be generated based on an appropriate prosody, a synthesized speech can be output with a correct accent even for morphemes (unknown words) that are not stored in the morpheme storage means. .
本発明では、省略語及びアクセント型を対応付けて記憶してある省略語記憶手段の記憶内容に基づいて、省略語判定装置によって省略語であると判定された形態素のそれぞれにアクセント型を付与すると共に、省略語記憶手段に記憶されていない形態素に所定のアクセント型を付与する。このように、省略語記憶手段に記憶してある省略語に対してはそれぞれ対応するアクセント型を付与するので、より適切なアクセント型を付与することができる。従って、このように各形態素に適切に付与されたアクセント型に基づいて、各形態素に対応する韻律を生成し、生成した韻律に基づいて合成音声を生成した場合、適切な韻律を生成することができ、また、適切な韻律に基づいて適切な合成音声を生成することができる。 In the present invention, an accent type is assigned to each morpheme determined to be an abbreviation by the abbreviation determination device based on the stored contents of the abbreviation storage means that stores the abbreviation and the accent type in association with each other. At the same time, a predetermined accent type is given to the morphemes that are not stored in the abbreviation storage means. Thus, since the corresponding accent type is assigned to each abbreviation stored in the abbreviation storage means, a more appropriate accent type can be assigned. Therefore, when a prosody corresponding to each morpheme is generated based on the accent type appropriately given to each morpheme in this way, and a synthesized speech is generated based on the generated prosody, an appropriate prosody can be generated. In addition, an appropriate synthesized speech can be generated based on an appropriate prosody.
本発明では、テキストデータ及びアクセント型を対応付けて記憶してあるテキスト記憶手段の記憶内容に基づいて、文書データをテキストデータに分割し、分割したテキストデータのそれぞれにアクセント型を付与する。また、テキスト記憶手段に記憶されていないテキストデータが省略語判定装置によって省略語であると判定された場合、このテキストデータに所定のアクセント型を付与する。このように、テキスト記憶手段に記憶されていないテキストデータにおいて、省略語であると判定されたテキストデータと、他のテキストデータとにおいて異なるアクセント型を付与するので、省略語に適したアクセント型を付与することができる。従って、このように各テキストデータに適切に付与されたアクセント型に基づいて、各テキストデータに対応する韻律を生成し、生成した韻律に基づいて合成音声を生成した場合、適切な韻律を生成することができ、また、適切な韻律に基づいて適切な合成音声を生成することができるので、テキスト記憶手段に記憶されていない形態素(未知語)に対しても正しいアクセントで合成音声を出力することができる。 In the present invention, the document data is divided into text data based on the stored contents of the text storage means in which the text data and the accent type are stored in association with each other, and an accent type is assigned to each of the divided text data. When text data not stored in the text storage means is determined to be an abbreviation by the abbreviation determination device, a predetermined accent type is assigned to this text data. In this way, in the text data not stored in the text storage means, different accent types are given to the text data determined to be an abbreviation and the other text data, so an accent type suitable for the abbreviation is selected. Can be granted. Therefore, when a prosody corresponding to each text data is generated based on the accent type appropriately given to each text data in this way, and a synthesized speech is generated based on the generated prosody, an appropriate prosody is generated. Since it is possible to generate an appropriate synthesized speech based on an appropriate prosody, it is possible to output a synthesized speech with a correct accent even for morphemes (unknown words) that are not stored in the text storage means. Can do.
本発明では、省略語及びアクセント型を対応付けて記憶してある省略語記憶手段の記憶内容に基づいて、省略語判定装置によって省略語であると判定されたテキストデータのそれぞれにアクセント型を付与すると共に、省略語記憶手段に記憶されていないテキストデータに所定のアクセント型を付与する。このように、省略語記憶手段に記憶してある省略語に対してはそれぞれ対応するアクセント型を付与するので、より適切なアクセント型を付与することができる。従って、このように各テキストデータに適切に付与されたアクセント型に基づいて、各テキストデータに対応する韻律を生成し、生成した韻律に基づいて合成音声を生成した場合、適切な韻律を生成することができ、また、適切な韻律に基づいて適切な合成音声を生成することができる。 In the present invention, an accent type is assigned to each text data determined to be an abbreviation by the abbreviation determination device based on the stored contents of the abbreviation storage means that stores the abbreviation and the accent type in association with each other. At the same time, a predetermined accent type is given to the text data not stored in the abbreviation storage means. Thus, since the corresponding accent type is assigned to each abbreviation stored in the abbreviation storage means, a more appropriate accent type can be assigned. Therefore, when a prosody corresponding to each text data is generated based on the accent type appropriately given to each text data in this way, and a synthesized speech is generated based on the generated prosody, an appropriate prosody is generated. In addition, an appropriate synthesized speech can be generated based on an appropriate prosody.
以下に、本発明に係る省略語判定装置、テキスト解析装置及び音声合成装置を、各実施形態を示す図面に基づいて詳述する。なお、以下の各実施形態では、本発明に係るコンピュータプログラムを公知のパーソナルコンピュータ等に読み取らせ、パーソナルコンピュータのCPU等によって実行させることによって本発明に係る省略語判定装置、テキスト解析装置及び音声合成装置を実現する構成について説明する。しかし、等価な働きをするハードウェアによって本発明に係る省略語判定装置、テキスト解析装置及び音声合成装置を実現してもよい。 Hereinafter, an abbreviation determination device, a text analysis device, and a speech synthesis device according to the present invention will be described in detail with reference to the drawings illustrating each embodiment. In the following embodiments, the computer program according to the present invention is read by a known personal computer or the like and executed by the CPU or the like of the personal computer, whereby the abbreviation determination device, text analysis device, and speech synthesis according to the present invention are performed. A configuration for realizing the apparatus will be described. However, the abbreviation determination device, the text analysis device, and the speech synthesis device according to the present invention may be realized by hardware having equivalent functions.
(実施形態1)
以下に、本発明に係る省略語判定装置を備えた本発明に係るテキスト解析装置を、実施形態1を示す図面に基づいて詳述する。図1は実施形態1に係るテキスト解析装置の構成例を示すブロック図である。本実施形態1に係るテキスト解析装置10は、制御部1、ROM2、RAM3、HDD4、操作部5、表示部6等を備え、これらのハードウェア各部はそれぞれバス1aを介して相互に接続されている。
(Embodiment 1)
Hereinafter, a text analysis apparatus according to the present invention provided with an abbreviation determination apparatus according to the present invention will be described in detail with reference to the
制御部1は、CPU(Central Processing Unit )又はMPU(Micro Processor Unit)等で構成され、ROM2又はHDD4に予め記憶してある制御プログラムを適宜RAM3に読み出して実行すると共に、上述したハードウェア各部の動作を制御する。ROM2には、テキスト解析装置10を本発明の省略語判定装置及びテキスト解析装置として動作させるために必要な種々の制御プログラムが予め格納されている。RAM3はSRAM又はフラッシュメモリ等で構成されており、制御部1による制御プログラムの実行時に発生する種々のデータを一時的に記憶する。
The
操作部5は、キーボード及びマウス等であり、ユーザがテキスト解析装置10を操作するために必要な各種の操作キーを備えている。ユーザにより各操作キーが操作された場合、操作部5は操作された操作キーに対応した制御信号を制御部1へ送出し、制御部1は操作部5から取得した制御信号に対応した処理を実行する。
表示部6は、液晶ディスプレイ又はCRTディスプレイ等であり、制御部1からの指示に従って、テキスト解析装置10の動作状態、操作部5を介して入力された情報、ユーザに対して通知すべき情報等を表示する。
The
The
HDD4は大容量の記憶装置であり、HDD4には、テキスト解析装置10を本発明の省略語判定装置及びテキスト解析装置として動作させるために必要な種々の制御プログラム、テキストデータ、図2に示すような言語辞書4a、図3に示すような人名辞書4b、図4に示すような複合語辞書4c、ユーザに対して各種の情報を通知するための画面情報等が予め記憶されている。
The
なお、言語辞書4a、人名辞書4b及び複合語辞書4cは、HDD4に予め格納されているだけでなく、テキスト解析装置10が外部メモリ(図示せず)に記憶してあるデータの読み出しが可能なドライバ(図示せず)を備える場合には、外部メモリに記憶された各種辞書をドライバによって読み出してHDD4に格納させてもよい。また、テキスト解析装置10がインターネットのようなネットワークとの接続が可能な通信部(図示せず)を備える場合には、ネットワークを介して外部の装置から各種辞書をダウンロードしてHDD4に格納させてもよい。また、HDD4に記憶してあるテキストデータは、テキスト解析装置10で作成されたテキストデータであってもよく、外部の装置で作成されて外部メモリ(図示せず)又はネットワーク(図示せず)を介してテキスト解析装置10に読み取らせたテキストデータであってもよい。
The
図2は言語辞書4aの登録内容を示す模式図である。図2に示すように、言語辞書(形態素記憶手段)4aには、単語(形態素)の表記、読み及びアクセント型がそれぞれ対応付けて登録されている。なお、言語辞書4aに各形態素の品詞が登録されていてもよい。
FIG. 2 is a schematic diagram showing registered contents of the
図3は人名辞書4bの登録内容を示す模式図である。人名辞書(人名記憶手段)4bは、人名に用いられる姓及び名をそれぞれ記憶しており、図3(a)に示すような姓のリストと、図3(b)に示すような名のリストとを有する。
FIG. 3 is a schematic diagram showing the registered contents of the
図4は複合語辞書4cの登録内容を示す模式図である。図4に示すように、複合語辞書(複合語記憶手段)4cには、複合語、複合語を構成する構成語及び各構成語の読みがそれぞれ対応付けて登録されている。なお、本実施形態1では、複合語辞書4cの構成語の欄に登録される各構成語が、複合語を構成する順に登録されている例で説明するが、登録順序はこれに限られない。ただし、構成語の欄に順次登録される各構成語と、読みの欄に順次登録される各構成語の読みとは対応付けて登録されることが望ましい。
FIG. 4 is a schematic diagram showing the registered contents of the
以下に、上述した構成のテキスト解析装置10において、制御部1がROM2及びHDD4に記憶してある制御プログラムを実行することによって実現される各種の機能について説明する。図5はテキスト解析装置10の機能構成例を示す機能ブロック図である。本実施形態1のテキスト解析装置10において、制御部1は、ROM2及びHDD4に記憶してある制御プログラムを実行することによって、形態素解析部11、省略語判定部(本発明に係る省略語判定装置)12、省略語アクセント付与部13等の各機能を実現する。なお、以下では、テキスト解析装置10が「マツケンが、サンバを踊った。」のテキストデータを解析する処理を例に説明する。
Hereinafter, in the
形態素解析部(形態素分割手段)11は、HDD4に記憶してあるテキストデータをHDD4からRAM3に読み出し、言語辞書4aの登録内容に基づいて、RAM3に読み出したテキストデータを形態素に分割すると共に、分割した形態素のそれぞれにアクセント型を付与する。形態素解析部11は、分割した各形態素と、それぞれに付与したアクセント型とを対応付けて省略語判定部12へ送出する。なお、形態素解析部11は、言語辞書4aの登録内容に基づいてアクセント型を付与できなかった形態素(未知語)については、各形態素と、アクセント型が不明であること(未知語であること)を示す情報とを対応付けて省略語判定部12へ送出する。
The morpheme analysis unit (morpheme dividing means) 11 reads the text data stored in the
本実施形態1の言語辞書4aには、「マツケン」は登録されていないため、「マツケン」は未知語として扱われる。従って、形態素解析部11は、テキストデータ「マツケンが、サンバを踊った。」を、「マツケン(未知語)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」のように形態素に分割し、この表音文字列を省略語判定部12へ送出する。
Since “Matsuken” is not registered in the
なお、表音文字列の()内には、各形態素のアクセント型、又は各形態素が未知語である場合には未知語であることを示す情報が付与される。また、「踊った」は、厳密に言うと形態素ではなく、文節又はアクセント句と呼ばれるものだが、本発明の本質とは関係ないのでここでは1形態素として扱っている。 In addition, information indicating that the accent type of each morpheme or an unknown word when each morpheme is an unknown word is given in parentheses in the phonetic character string. Strictly speaking, “dancing” is not a morpheme but is called a phrase or an accent phrase, but it is treated as one morpheme because it is not related to the essence of the present invention.
省略語判定部12は、人名辞書4b及び複合語辞書4cの登録内容に基づいて、形態素解析部11によって未知語であるとされた形態素が省略語であるか否かを判定する。ここでは、省略語判定部12は、「マツケン」が省略語であるか否かを判定する。なお、省略語判定部12による省略語の判定処理の詳細については後述する。
The
省略語判定部12は、形態素解析部11によって未知語であるとされた形態素が省略語であると判定した場合、省略語であると判定された形態素に、省略語であることを示す情報を対応付けて省略語アクセント付与部13へ送出する。具体的には、「マツケン」が省略語であると判定した場合、省略語判定部12は、「マツケン(省略語)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」の表音文字列を省略語アクセント付与部13へ送出する。
When the
一方、省略語判定部12は、形態素解析部11によって未知語であるとされた形態素が省略語でないと判定した場合、省略語でないと判定された形態素に、形態素解析部11から送出されてきた未知語であることを示す情報をそのまま対応付けて省略語アクセント付与部13へ送出する。具体的には、「マツケン」が省略語でないと判定した場合、省略語判定部12は、「マツケン(未知語)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」の表音文字列を省略語アクセント付与部13へ送出する。
On the other hand, if the
省略語アクセント付与部(アクセント付与手段)13は、省略語判定部12によって省略語であると判定された形態素に対して平板型(0型)のアクセント型(所定のアクセント型)を付与する。具体的には、省略語判定部12によって「マツケン」が省略語であると判定されていた場合、省略語アクセント付与部13は、省略語「マツケン」に対して4モーラ0型のアクセント型を付与し、省略語判定部12から送出されてきた表音文字列中の「マツケン」のアクセント型に「4モーラ0型」を割り当てる。
The abbreviation accent imparting unit (accent imparting means) 13 imparts a flat type (0 type) accent type (predetermined accent type) to the morpheme determined by the
これにより、省略語アクセント付与部13は、「マツケン(4モーラ0型)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」の表音文字列を出力する。なお、省略語判定部12によって「マツケン」が省略語でないと判定されていた場合、省略語アクセント付与部13は、省略語判定部12から送出されてきた表音文字列をそのまま出力する。
As a result, the abbreviation
以下に、省略語判定部12による省略語の判定処理について説明する。なお、本実施形態1では、省略語判定部12は、形態素解析部11によって未知語であるとされた形態素が、人名を省略した省略語であるか否か、又は複合語を省略した省略語であるか否かを判定する。なお、近年の省略語は、人名における姓の先頭の2音節(2文字)と名の先頭の2音節(2文字)とを組み合わせたもの、複合語における正式名称を構成する最初の単語(構成語)の先頭の2音節(2文字)と2番目の単語(構成語)の先頭の2音節(2文字)とを組み合わせたもの、複合語における正式名称を構成する最初の単語(構成語)の先頭の1音節(1文字)と2番目の単語(構成語)の先頭の2音節(2文字)とを組み合わせたものが多い。従って、本実施形態1では、形態素解析部11によって未知語であるとされた形態素が、これらの省略語であるか否かを判定する。
The abbreviation determination process by the
本実施形態1の省略語判定部12は、まず、形態素解析部11から送出されてきた表音文字列から、形態素解析部11によって未知語とされた形態素を抽出し、抽出した未知語(形態素)が3音節であるか4音節であるかを判断する。なお、未知語が3音節である場合、例えば、人名における姓の先頭の1文字と名の先頭の2文字とを組み合わせた省略語、又は複合語を構成する最初の構成語の先頭の1文字と2番目の構成語の先頭の2文字とを組み合わせた省略語である可能性が高い。また、未知語が4音節である場合、例えば、人名における姓の先頭の2文字と名の先頭の2文字とを組み合わせた省略語、又は複合語を構成する最初の構成語の先頭の2文字と2番目の構成語の先頭の2文字とを組み合わせた省略語である可能性が高い。
The
従って、抽出した未知語が3音節である場合、省略語判定部(第1抽出手段)12は、3音節の未知語(テキストデータ)から先頭の1音節を抽出する。そして、省略語判定部12は、抽出した1音節が、人名辞書4bの姓のリストに登録されているいずれかの姓の先頭の1文字に一致するか否かを判断する。即ち、3音節の未知語の先頭の1音節を先頭に有する姓が姓のリストに登録されているか否かを判断する。抽出した1音節が姓のリストに登録されているいずれかの姓の先頭の1文字に一致すると判断した場合、省略語判定部(第2抽出手段)12は、抽出した1音節を除いた前記3音節の未知語から先頭の2音節を抽出する。即ち、3音節の未知語の後方の2音節を抽出する。
Therefore, when the extracted unknown word is three syllables, the abbreviation determination unit (first extraction means) 12 extracts the first one syllable from the unknown word (text data) of the three syllables. Then, the
省略語判定部12は、抽出した2音節が、人名辞書4bの名のリストに登録されているいずれかの名の先頭の2文字に一致するか否かを判断する。即ち、3音節の未知語の後方の2音節を先頭に有する名が名のリストに登録されているか否かを判断する。抽出した2音節が名のリストに登録されているいずれかの名の先頭の2文字に一致すると判断した場合、省略語判定部(判定手段)12は、この未知語が人名を省略した省略語であると判定する。
The
なお、3音節の未知語の先頭の1音節が姓のリストに登録されているいずれの姓の先頭の1文字とも一致しない場合、即ち、3音節の未知語の先頭の1音節を先頭に有する姓が人名辞書4bの姓のリストに登録されていない場合、又は、3音節の未知語の後方の2音節が名のリストに登録されているいずれの名の先頭の2文字とも一致しない場合、即ち、3音節の未知語の後方の2音節を先頭に有する名が人名辞書4bの名のリストに登録されていない場合、省略語判定部12は、同様の処理を複合語辞書4cに基づいて行なう。
If the first syllable of the unknown word of the three syllables does not match the first character of any last name registered in the surname list, that is, it has the first syllable of the unknown word of the three syllable at the beginning. If the last name is not registered in the list of surnames in the
具体的には、省略語判定部(判断手段)12は、3音節の未知語(テキストデータ)から先頭の1音節を抽出し、抽出した1音節が、複合語辞書4cの構成語の欄に最初の構成語として登録されているいずれかの構成語の先頭の1文字に一致するか否かを判断する。即ち、3音節の未知語の先頭の1音節を先頭に有する構成語が、複合語辞書4cの構成語の欄に最初の構成語として登録されているか否かを判断する。抽出した1音節が最初の構成語として登録されているいずれかの構成語の先頭の1文字に一致すると判断した場合、省略語判定部12は、この構成語を含む複合語の2番目の構成語を複合語辞書4cから読み出すと共に、抽出した1音節を除いた前記3音節の未知語から先頭の2音節、即ち、3音節の未知語の後方の2音節を抽出する。
Specifically, the abbreviation determination unit (determination means) 12 extracts the first one syllable from the unknown word (text data) of the three syllables, and the extracted one syllable is in the component word column of the
省略語判定部12は、抽出した2音節が、複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致するか否かを判断する。即ち、3音節の未知語の後方の2音節を先頭に有する構成語が、当該3音節の未知語の先頭の1音節を先頭に有する構成語が構成する複合語の2番目の構成語であるか否かを判断する。抽出した2音節が2番目の構成語の先頭の2文字に一致すると判断した場合、省略語判定部(判定手段)12は、この未知語が複合語を省略した省略語であると判定する。
The
なお、3音節の未知語の先頭の1音節が最初の構成語として登録されているいずれの構成語の先頭の1文字とも一致しない場合、即ち、3音節の未知語の先頭の1音節を先頭に有する構成語が複合語辞書4cに登録されていない場合、又は、3音節の未知語の後方の2音節が2番目の構成語の先頭の2文字に一致しない場合、省略語判定部12は、この未知語を省略語でないと判定する。
When the first syllable of the unknown word of 3 syllables does not match the first character of any of the registered words registered as the first component word, that is, the first syllable of the unknown word of 3 syllables starts Is not registered in the
同様に、形態素解析部11によって未知語とされた形態素が4音節である場合、省略語判定部12は、4音節の未知語から先頭の2音節を抽出する。そして、省略語判定部12は、抽出した2音節が、人名辞書4bの姓のリストに登録されているいずれかの姓の先頭の2文字に一致するか否かを判断する。即ち、4音節の未知語の先頭の2音節を先頭に有する姓が姓のリストに登録されているか否かを判断する。抽出した2音節が姓のリストに登録されているいずれかの姓の先頭の2文字に一致すると判断した場合、省略語判定部12は、抽出した2音節を除いた前記4音節の未知語から先頭の2音節を抽出する。即ち、4音節の未知語の後方の2音節を抽出する。
Similarly, when the morpheme made into an unknown word by the
省略語判定部12は、抽出した2音節が、人名辞書4bの名のリストに登録されているいずれかの名の先頭の2文字に一致するか否かを判断する。即ち、4音節の未知語の後方の2音節を先頭に有する名が名のリストに登録されているか否かを判断する。抽出した2音節が名のリストに登録されているいずれかの名の先頭の2文字に一致すると判断した場合、省略語判定部12は、この未知語が人名を省略した省略語であると判定する。
The
なお、4音節の未知語の先頭の2音節が姓のリストに登録されているいずれの姓の先頭の2文字とも一致しない場合、又は、4音節の未知語の後方の2音節が名のリストに登録されているいずれの名の先頭の2文字とも一致しない場合、省略語判定部12は、同様の処理を複合語辞書4cに基づいて行なう。
If the first two syllables of an unknown word in four syllables do not match the first two letters of any last name registered in the last name list, or the last two syllables of the unknown word in four syllables are a list of first names If neither of the first two characters registered in the name matches, the
具体的には、省略語判定部12は、4音節の未知語から先頭の2音節を抽出し、抽出した2音節が、複合語辞書4cの構成語の欄に最初の構成語として登録されているいずれかの構成語の先頭の2文字に一致するか否かを判断する。即ち、4音節の未知語の先頭の2音節を先頭に有する構成語が、複合語辞書4cの構成語の欄に最初の構成語として登録されているか否かを判断する。抽出した2音節が最初の構成語として登録されているいずれかの構成語の先頭の2文字に一致すると判断した場合、省略語判定部12は、この構成語を含む複合語の2番目の構成語を複合語辞書4cから読み出すと共に、抽出した2音節を除いた前記3音節の未知語から先頭の2音節、即ち、4音節の未知語の後方の2音節を抽出する。
Specifically, the
省略語判定部12は、抽出した2音節が、複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致するか否かを判断する。即ち、4音節の未知語の後方の2音節を先頭に有する構成語が、当該4音節の未知語の先頭の2音節を先頭に有する構成語が構成する複合語の2番目の構成語であるか否かを判断する。抽出した2音節が2番目の構成語の先頭の2文字に一致すると判断した場合、省略語判定部(判定手段)12は、この未知語が複合語を省略した省略語であると判定する。
The
なお、4音節の未知語の先頭の2音節が最初の構成語として登録されているいずれの構成語の先頭の2文字とも一致しない場合、又は4音節の未知語の後方の2音節が2番目の構成語の先頭の2文字に一致しない場合、省略語判定部12は、この未知語を省略語でないと判定する。
If the first two syllables of an unknown word in four syllables do not match the first two characters of any of the constituent words registered as the first constituent word, or the second syllable after the unknown word in four syllables is the second If the two words do not match the first two characters, the
省略語判定部12は、上述した処理を、形態素解析部11から送出されてきた表音文字列中の全ての未知語に対して実行し、省略語であると判定された形態素(未知語)には、省略語であることを示す情報を対応付け、省略語でないと判定された形態素には、未知語であることを示す情報をそのまま対応付けて省略語アクセント付与部13へ送出する。
The
以下に、本実施形態1のテキスト解析装置10によるテキスト解析処理についてフローチャートに基づいて詳述する。図6はテキスト解析処理の手順を示すフローチャートである。なお、以下の処理は、テキスト解析装置10のROM2又はHDD4に記憶してある制御プログラムに従って制御部1によって実行される。
Below, the text analysis process by the
テキスト解析装置10のユーザが操作部5を操作することによって1つのテキストデータに基づくテキスト解析の実行を指示した場合、制御部1は、HDD4に記憶してあるテキストデータをRAM3に読み込む(S1)。制御部1(形態素解析部11)は、RAM3に読み込んだテキストデータを、言語辞書4aの登録内容に基づいて形態素に分割し、分割した形態素のそれぞれにアクセント型を付与し(S2)、各形態素にアクセント型を対応付けた表音文字列を生成する。
When the user of the
制御部1は、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語判定処理を実行し(S3)、ステップS2でアクセント型を付与できなかった形態素(未知語)が省略語であるか否かを判定する。なお、省略語判定処理の詳細については図7乃至図11に基づいて後述する。制御部1(省略語アクセント付与部13)は、ステップS3で省略語であると判定された形態素に対して平板型(0型)のアクセント型を付与し(S4)、テキスト解析処理を終了する。
The
以下に、上述したテキスト解析処理における省略語判定処理(図6中のステップS3)について説明する。図7乃至図11は省略語判定処理の手順を示すフローチャートである。なお、以下の処理は、テキスト解析装置10のROM2又はHDD4に記憶してある制御プログラムに従って制御部1(省略語判定部12)によって実行される。
The abbreviation determination process (step S3 in FIG. 6) in the text analysis process described above will be described below. 7 to 11 are flowcharts showing the procedure of the abbreviation determination process. The following processing is executed by the control unit 1 (abbreviated word determination unit 12) according to a control program stored in the
制御部1は、図6中のステップS2で各形態素にアクセント型を対応付けた表音文字列を生成した場合、生成した表音文字列から未知語(形態素)を抽出し(S11)、抽出した未知語が3音節であるか否かを判断する(S12)。3音節であると判断した場合(S12:YES)、制御部1は、この未知語から先頭の1音節を抽出し(S13)、人名辞書4bの姓のリストから1単語を読み出す(S14)。制御部1は、ステップS13で抽出した1音節が、姓のリストから読み出した単語(姓)の先頭の1文字に一致するか否かを判断し(S15)、一致しないと判断した場合(S15:NO)、姓のリストから全ての単語の読み出しが終了したか否かを判断する(S16)。
When the phonetic character string in which the accent type is associated with each morpheme is generated in step S2 in FIG. 6, the
姓のリストから全ての単語の読み出しが終了していないと判断した場合(S16:NO)、制御部1は、ステップS14へ処理を戻し、人名辞書4bの姓のリストから1単語を読み出し(S14)、ステップS13で抽出した1音節が姓のリストから読み出した単語の先頭の1文字に一致するか否かの判断を繰り返す。なお、姓のリストから全ての単語の読み出しが終了したと判断した場合(S16:YES)、即ち、ステップS13で抽出した1音節を先頭に有する姓が人名辞書4bの姓のリストに登録されていない場合、制御部1は、ステップS23へ処理を移行する。ステップS13で抽出した1音節が姓のリストから読み出した単語の先頭の1文字に一致すると判断した場合(S15:YES)、即ち、ステップS13で抽出した1音節を先頭に有する姓が人名辞書4bの姓のリストに登録されている場合、制御部1は、ステップS11で抽出した未知語の後方の2音節を抽出する(S17)。
When it is determined that reading of all words from the last name list has not been completed (S16: NO), the
制御部1は、人名辞書4bの名のリストから1単語を読み出し(S18)、ステップS17で抽出した2音節が、名のリストから読み出した単語(名)の先頭の2文字に一致するか否かを判断する(S19)。抽出した2音節が名のリストから読み出した単語の先頭の2文字に一致すると判断した場合(S19:YES)、即ち、ステップS17で抽出した2音節を先頭に有する名が人名辞書4bの名のリストに登録されている場合、制御部1は、ステップS11で抽出した未知語は省略語であると判定し(S20)、図6中のステップS2で各形態素にアクセント型を対応付けた表音文字列中の全ての未知語に対して上述した処理を終了したか否かを判断する(S21)。制御部1は、全ての未知語に対する処理を終了したと判断した場合(S21:YES)、省略語判定処理を終了し、終了していないと判断した場合(S21:NO)、ステップS11へ処理を戻し、表音文字列中の全ての未知語に対して上述した処理を繰り返す。
The
ステップS17で抽出した2音節が名のリストから読み出した単語の先頭の2文字に一致しないと判断した場合(S19:NO)、制御部1は、名のリストから全ての単語の読み出しが終了したか否かを判断し(S22)、全ての単語の読み出しが終了していないと判断した場合(S22:NO)、ステップS18へ処理を戻し、人名辞書4bの名のリストから1単語を読み出し(S18)、ステップS17で抽出した2音節が名のリストから読み出した単語の先頭の2文字に一致するか否かの判断を繰り返す。なお、名のリストから全ての単語の読み出しが終了したと判断した場合(S22:YES)、即ち、ステップS17で抽出した2音節を先頭に有する名が人名辞書4bの名のリストに登録されていない場合、制御部1は、ステップS23へ処理を移行する。
If it is determined that the two syllables extracted in step S17 do not match the first two characters of the word read from the name list (S19: NO), the
制御部1は、ステップS11で抽出した未知語から先頭の1音節を抽出し(S23)、複合語辞書4cの構成語の欄に最初の構成語として登録されている構成語を1つ読み出す(S24)。制御部1は、ステップS23で抽出した1音節が、複合語辞書4cから読み出した構成語の先頭の1文字に一致するか否かを判断し(S25)、一致しないと判断した場合(S25:NO)、複合語辞書4cから最初の構成語の全ての読み出しが終了したか否かを判断する(S26)。
The
複合語辞書4cから最初の構成語の全ての読み出しが終了していないと判断した場合(S26:NO)、制御部1は、ステップS24へ処理を戻し、複合語辞書4cの構成語の欄に最初の構成語として登録されている構成語を1つ読み出し(S24)、ステップS23で抽出した1音節が複合語辞書4cから読み出した構成語の先頭の1文字に一致するか否かの判断を繰り返す。なお、複合語辞書4cから最初の構成語の全ての読み出しが終了したと判断した場合(S26:YES)、即ち、ステップS23で抽出した1音節を先頭に有する最初の構成語が複合語辞書4cに登録されていない場合、制御部1は、ステップS11で抽出した未知語は省略語でないと判定し(S31)、ステップS21へ処理を移行する。
If it is determined that the reading of all the first constituent words from the
ステップS23で抽出した1音節が複合語辞書4cから読み出した構成語の先頭の1文字に一致すると判断した場合(S25:YES)、即ち、ステップS23で抽出した1音節を先頭に有する最初の構成語が複合語辞書4cに登録されている場合、制御部1は、ステップS11で抽出した未知語の後方の2音節を抽出する(S27)。制御部1は、ステップS24で読み出した最初の構成語を含む複合語の2番目の構成語を複合語辞書4cから読み出し(S28)、ステップS27で抽出した2音節が、複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致するか否かを判断する(S29)。
When it is determined that one syllable extracted in step S23 matches the first character of the constituent word read from the
制御部1は、抽出した2音節が複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致すると判断した場合(S29:YES)、ステップS11で抽出した未知語は省略語であると判定し(S30)、ステップS21へ処理を移行する。また、制御部1は、抽出した2音節が複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致しないと判断した場合(S29:NO)、ステップS11で抽出した未知語は省略語でないと判定し(S31)、ステップS21へ処理を移行する。
When the
一方、ステップS11で抽出した未知語が3音節でないと判断した場合(S12:NO)、制御部1は、この未知語が4音節であるか否かを判断し(S32)、4音節でないと判断した場合(S32:NO)、ステップS21へ処理を移行する。制御部1は、この未知語が4音節であると判断した場合(S32:YES)、この未知語から先頭の2音節を抽出し(S33)、人名辞書4bの姓のリストから1単語を読み出す(S34)。
On the other hand, when it is determined that the unknown word extracted in step S11 is not 3 syllables (S12: NO), the
制御部1は、ステップS33で抽出した2音節が、姓のリストから読み出した単語(姓)の先頭の2文字に一致するか否かを判断し(S35)、一致しないと判断した場合(S35:NO)、姓のリストから全ての単語の読み出しが終了したか否かを判断する(S36)。姓のリストから全ての単語の読み出しが終了していないと判断した場合(S36:NO)、制御部1は、ステップS34へ処理を戻し、人名辞書4bの姓のリストから1単語を読み出し(S34)、ステップS33で抽出した2音節が姓のリストから読み出した単語の先頭の2文字に一致するか否かの判断を繰り返す。なお、姓のリストから全ての単語の読み出しが終了したと判断した場合(S36:YES)、即ち、ステップS33で抽出した2音節を先頭に有する姓が人名辞書4bの姓のリストに登録されていない場合、制御部1は、ステップS42へ処理を移行する。
The
ステップS33で抽出した2音節が姓のリストから読み出した単語の先頭の2文字に一致すると判断した場合(S35:YES)、即ち、ステップS33で抽出した2音節を先頭に有する姓が人名辞書4bの姓のリストに登録されている場合、制御部1は、ステップS11で抽出した未知語の後方の2音節を抽出する(S37)。
When it is determined that the two syllables extracted in step S33 match the first two letters of the word read from the surname list (S35: YES), that is, the surname having the two syllables extracted in step S33 at the head is the
制御部1は、人名辞書4bの名のリストから1単語を読み出し(S38)、ステップS37で抽出した2音節が、名のリストから読み出した単語(名)の先頭の2文字に一致するか否かを判断する(S39)。抽出した2音節が名のリストから読み出した単語の先頭の2文字に一致すると判断した場合(S39:YES)、即ち、ステップS37で抽出した2音節を先頭に有する名が人名辞書4bの名のリストに登録されている場合、制御部1は、ステップS11で抽出した未知語は省略語であると判定し(S40)、ステップS21へ処理を移行する。
The
ステップS37で抽出した2音節が名のリストから読み出した単語の先頭の2文字に一致しないと判断した場合(S39:NO)、制御部1は、名のリストから全ての単語の読み出しが終了したか否かを判断し(S41)、全ての単語の読み出しが終了していないと判断した場合(S41:NO)、ステップS38へ処理を戻し、人名辞書4bの名のリストから1単語を読み出し(S38)、ステップS37で抽出した2音節が名のリストから読み出した単語の先頭の2文字に一致するか否かの判断を繰り返す。なお、名のリストから全ての単語の読み出しが終了したと判断した場合(S41:YES)、即ち、ステップS37で抽出した2音節を先頭に有する名が人名辞書4bの名のリストに登録されていない場合、制御部1は、ステップS42へ処理を移行する。
When it is determined that the two syllables extracted in step S37 do not match the first two letters of the word read from the name list (S39: NO), the
制御部1は、ステップS11で抽出した未知語から先頭の2音節を抽出し(S42)、複合語辞書4cの構成語の欄に最初の構成語として登録されている構成語を1つ読み出す(S43)。制御部1は、ステップS42で抽出した2音節が、複合語辞書4cから読み出した構成語の先頭の2文字に一致するか否かを判断し(S44)、一致しないと判断した場合(S44:NO)、複合語辞書4cから最初の構成語の全ての読み出しが終了したか否かを判断する(S45)。
The
複合語辞書4cから最初の構成語の全ての読み出しが終了していないと判断した場合(S45:NO)、制御部1は、ステップS43へ処理を戻し、複合語辞書4cの構成語の欄に最初の構成語として登録されている構成語を1つ読み出し(S43)、ステップS42で抽出した2音節が複合語辞書4cから読み出した構成語の先頭の2文字に一致するか否かの判断を繰り返す。なお、複合語辞書4cから最初の構成語の全ての読み出しが終了したと判断した場合(S45:YES)、即ち、ステップS42で抽出した2音節を先頭に有する最初の構成語が複合語辞書4cに登録されていない場合、制御部1は、ステップS11で抽出した未知語は省略語でないと判定し(S50)、ステップS21へ処理を移行する。
When it is determined that reading of all the first component words from the
ステップS42で抽出した2音節が複合語辞書4cから読み出した構成語の先頭の2文字に一致すると判断した場合(S44:YES)、即ち、ステップS42で抽出した2音節を先頭に有する最初の構成語が複合語辞書4cに登録されている場合、制御部1は、ステップS11で抽出した未知語の後方の2音節を抽出する(S46)。制御部1は、ステップS43で読み出した最初の構成語を含む複合語の2番目の構成語を複合語辞書4cから読み出し(S47)、ステップS46で抽出した2音節が、複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致するか否かを判断する(S48)。
When it is determined that the two syllables extracted in step S42 match the first two characters of the constituent word read from the
制御部1は、抽出した2音節が複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致すると判断した場合(S48:YES)、ステップS11で抽出した未知語は省略語であると判定し(S49)、ステップS21へ処理を移行する。また、制御部1は、抽出した2音節が複合語辞書4cから読み出した2番目の構成語の先頭の2文字に一致しないと判断した場合(S48:NO)、ステップS11で抽出した未知語は省略語でないと判定し(S50)、ステップS21へ処理を移行する。
When the
上述したように、本実施形態1のテキスト解析装置10では、言語辞書4aに基づいてアクセント型を付与できなかった形態素(未知語)に対して省略語判定処理を行なうことにより、人名を省略した省略語であるか複合語を省略した省略語であるかを判定することができる。また、省略語であると判定された未知語には所定のアクセント型(平板型のアクセント型)を付与し、省略語であると判定されなかった未知語には、例えば後ろから3モーラ目にアクセント核を有するアクセント型を付与することにより、省略語であると判定された未知語と、省略語でないと判定された未知語とにそれぞれ異なるアクセント型を付与することができるので、それぞれに適したアクセント型を付与することができる。
As described above, in the
上述した実施形態1では、各未知語が、人名における姓の先頭の1音節と名の先頭の2音節とを組み合わせた省略語、人名における姓の先頭の2音節と名の先頭の2音節とを組み合わせた省略語、複合語を構成する最初の構成語の先頭の1音節と2番目の構成語の先頭の2音節とを組み合わせた省略語、複合語を構成する最初の構成語の先頭の2音節と2番目の構成語の先頭の2音節とを組み合わせた省略語のいずれかであるか否かを判定する構成であった。しかし、省略語を構成する文字数はこれらに限られず、また、操作部5を介してユーザからの設定によって、任意の文字数に変更可能とすることもできる。
In
上述した構成により、本実施形態1のテキスト解析装置10では、マツケン(松平健)、キムタク(木村拓也)、ナカショー(中川翔子)、コスプレ(コスチュームプレイ)、連ドラ(連続ドラマ)、筋トレ(筋肉トレーニング)、地デジ(地上デジタル放送)等の省略語がテキストデータに含まれている場合に、各単語を省略語であると適切に判定することができる。
With the configuration described above, in the
(実施形態2)
以下に、本発明に係る省略語判定装置を備えた本発明に係るテキスト解析装置を、実施形態2を示す図面に基づいて詳述する。なお、本実施形態2のテキスト解析装置は、上述した実施形態1のテキスト解析装置10と同様の構成によって実現することができるので、同様の構成については同一の符号を付して説明を省略する。
(Embodiment 2)
Hereinafter, a text analysis device according to the present invention provided with an abbreviation determination device according to the present invention will be described in detail with reference to the
図12は実施形態2のテキスト解析装置10の機能構成例を示す機能ブロック図である。本実施形態2のテキスト解析装置10において、制御部1は、ROM2又はHDD4に記憶してある制御プログラムを実行することにより、上述した実施形態1のテキスト解析装置10と同様に、形態素解析部11、省略語判定部12及び省略語アクセント付与部13等の各機能を実現する。
FIG. 12 is a functional block diagram illustrating a functional configuration example of the
なお、本実施形態2のテキスト解析装置10のHDD4には、図13に示すような共起辞書4dが格納されている。図13は共起辞書4dの登録内容を示す模式図である。図13に示すように、共起辞書(共起データ記憶手段)4dには、単語(テキストデータ)の読み及び各単語と共起される共起単語(共起データ)がそれぞれ対応付けて登録されている。
A
以下に、上述した構成の本実施形態2のテキスト解析装置10によるテキスト解析処理について説明する。以下では、テキスト解析装置10が「マツケンが、サンバを踊った。」のテキストデータを解析する処理を例に説明する。
本実施形態2の形態素解析部11は、上述した実施形態1の形態素解析部11と同様に、HDD4に記憶してあるテキストデータ(文書データ)をHDD4からRAM3に読み出し、言語辞書(テキスト記憶手段)4aの登録内容に基づいて、RAM3に読み出したテキストデータ(文書データ)を形態素(テキストデータ)に分割すると共に、分割した形態素のそれぞれにアクセント型を付与する。具体的には、形態素解析部11は、実施形態1で説明したように、「マツケン(未知語)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」の表音文字列を生成して省略語判定部12へ送出する。
The text analysis process performed by the
The
本実施形態2の省略語判定部12は、まず、上述した実施形態1の省略語判定部12と同様の処理を行ない、人名辞書4b又は複合語辞書4cの登録内容に基づいて、形態素解析部11から送出されてきた表音文字列中の未知語(形態素)が、人名又は複合語を省略した省略語の候補であるか否かを判定する。ここでは、実施形態1で説明した通り、未知語「マツケン」が省略語の候補であると判定される。なお、本実施形態2の省略語判定部12は、各未知語が省略語の候補であると判定した場合、この省略語に対する正式名称を、人名辞書4b又は複合語辞書4cの登録内容に基づいて取得しておく。
The
具体的には、省略語判定部12は、未知語の先頭の1音節(又は2音節)が、人名辞書4bの姓のリストに登録されているいずれかの姓の先頭の1文字(又は2文字)に一致する場合、若しくは、複合語辞書4cに登録されている最初の構成語のいずれかの先頭の1文字(又は2文字)に一致する場合、それぞれ一致する姓又は構成語を読み出してRAM3に記憶しておく。また、省略語判定部12は、未知語の後方の2音節が、人名辞書4bの名のリストに登録されているいずれかの名の先頭の2文字に一致する場合、若しくは、複合語辞書4cに登録されている2番目の構成語の先頭の2文字に一致する場合、それぞれ一致する名又は構成語を読み出してRAM3に記憶しておく。これにより、省略語判定部12は、省略語の候補であると判定した未知語に対する正式名称を取得することができる。なお、ここでは、省略語の候補「マツケン」の正式名称「マツダイラケン」が取得される。
Specifically, the
次に、省略語判定部12は、省略語の候補であると判定した未知語の正式名称に基づいて、この省略語に対する共起単語を共起辞書4dから取得する。ここでは、正式名称「マツダイラケン」に対する共起単語「サンバ」及び「暴れん坊将軍」が取得される。省略語判定部12は、形態素解析部11から送出されてきた表音文字列中に、共起辞書4dから取得した共起単語が含まれているか否かを判断し、含まれると判断した場合、省略語の候補であると判定していた未知語を省略語であると確定する。そして、省略語判定部12は、「マツケン(省略語)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」の表音文字列を省略語アクセント付与部13へ送出する。
Next, the
一方、形態素解析部11から送出されてきた表音文字列中に、共起辞書4dから取得した共起単語が含まれていないと判断した場合、省略語判定部12は、省略語の候補であると判定した未知語を省略語でないと確定し、例えば、「マツケン(未知語)・ガ(1モーラ0型)・サンバ(3モーラ1型)・オ(1モーラ0型)・オドッタ(4モーラ0型)」の表音文字列を省略語アクセント付与部13へ送出する。
On the other hand, when it is determined that the syllable character string transmitted from the
省略語アクセント付与部13は、上述した実施形態1の省略語アクセント付与部13と同様に、省略語判定部12によって省略語であると判定された形態素に対して平板型(0型)のアクセント型を付与する。
The abbreviation
上述したように、人名辞書4b及び複合語辞書4cの登録内容に基づいて、省略語の候補であると判定された未知語について、当該未知語を含むテキストデータ(文書データ)中に、当該未知語と共起される共起単語が含まれない場合は、この未知語が、当該省略語ではない可能性が高いため、当該省略語ではないと確定する。これにより、省略語の誤判定を防止することができ、真に省略語に対してのみ所定のアクセント型を付与することができる。
As described above, for unknown words determined to be abbreviation candidates based on the registered contents of the
以下に、本実施形態2のテキスト解析装置10によるテキスト解析処理についてフローチャートに基づいて詳述する。図14はテキスト解析処理の手順を示すフローチャートである。なお、以下の処理は、テキスト解析装置10のROM2又はHDD4に記憶してある制御プログラムに従って制御部1によって実行される。
Below, the text analysis process by the
テキスト解析装置10のユーザが操作部5を操作することによって1つのテキストデータに基づくテキスト解析の実行を指示した場合、制御部1は、HDD4に記憶してあるテキストデータをRAM3に読み込む(S61)。制御部1(形態素解析部11)は、RAM3に読み込んだテキストデータを、言語辞書4aの登録内容に基づいて形態素に分割し、分割した形態素のそれぞれにアクセント型を付与し(S62)、各形態素にアクセント型を対応付けた表音文字列を生成する。
When the user of the
制御部1(省略語判定部12)は、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語判定処理を実行し(S63)、ステップS62でアクセント型を付与できなかった形態素(未知語)が省略語の候補であるか否かを判定する。なお、本実施形態2の省略語判定処理は、実施形態1において図7乃至図11に基づいて説明した処理と同様であるが、本実施形態2の制御部1(省略語判定部12)は、各未知語が省略語の候補であると判定した場合、この省略語に対する正式名称を、人名辞書4b又は複合語辞書4cの登録内容に基づいて取得する(S64)。
The control unit 1 (abbreviated word determining unit 12) executes the abbreviated word determining process based on the registered contents of the
制御部1は、ステップS64で取得した正式名称に基づいて、この省略語に対する共起単語を共起辞書4dから取得し(S65)、ステップS62で生成した表音文字列中に、共起辞書4dから取得した共起単語が含まれるか否かを判断する(S66)。共起単語が含まれると判断した場合(S66:YES)、制御部1は、ステップS63で省略語の候補であると判定した未知語を省略語であると確定する(S67)。また、制御部1(省略語アクセント付与部13)は、ステップS67で省略語であると確定された形態素に対して平板型(0型)のアクセント型を付与し(S68)、テキスト解析処理を終了する。
The
一方、ステップS62で生成した表音文字列中に共起単語が含まれないと判断した場合(S66:NO)、制御部1は、ステップS63で省略語の候補であると判定した未知語を省略語でないと確定し(S69)、テキスト解析処理を終了する。
On the other hand, when it is determined that the co-occurrence word is not included in the phonogram string generated in step S62 (S66: NO), the
上述したように、本実施形態2のテキスト解析装置10では、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語の候補であると判定された未知語を含むテキストデータ(文書データ)中に、当該省略語と共起される共起単語が含まれない場合は、この未知語が当該省略語ではない可能性が高いため、当該省略語ではないと確定する。従って、省略語の候補であると判定された未知語が、当該省略語であれば共起される可能性の高い共起単語と共に用いられていれば、この未知語を省略語であると確定し、共起単語と共に用いられていなければ、この未知語を省略語でないと確定する。
As described above, in the
これにより、省略語の誤判定を防止することができ、真の省略語に対してのみ省略語であると判定することができる。よって、省略語であると確定された未知語には所定のアクセント型を付与し、省略語でないと確定され未知語には、例えば後ろから3モーラ目にアクセント核を有するアクセント型を付与することにより、真の省略語と、省略語でない未知語とにそれぞれ異なるアクセント型を付与することができるので、それぞれに適したアクセント型を付与することができる。 Thereby, erroneous determination of an abbreviation can be prevented, and it can be determined that only an abbreviation is a true abbreviation. Therefore, a predetermined accent type is assigned to an unknown word determined to be an abbreviation, and an accent type having an accent nucleus is assigned to the unknown word determined to be not an abbreviation, for example, at the third mora from the back. Thus, different accent types can be assigned to true abbreviations and unknown words that are not abbreviations, so that an appropriate accent type can be assigned to each.
(実施形態3)
以下に、本発明に係る省略語判定装置を備えた本発明に係るテキスト解析装置を、実施形態3を示す図面に基づいて詳述する。なお、本実施形態3のテキスト解析装置は、上述した実施形態1のテキスト解析装置10と同様の構成によって実現することができるので、同様の構成については同一の符号を付して説明を省略する。
(Embodiment 3)
Hereinafter, a text analysis apparatus according to the present invention provided with an abbreviation determination apparatus according to the present invention will be described in detail with reference to the drawings showing a third embodiment. Note that the text analysis apparatus according to the third embodiment can be realized by the same configuration as the
上述した実施形態1のテキスト解析装置10において、制御部1(省略語アクセント付与部13)は、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語であると判定した未知語に対して平板型のアクセント型を付与するように構成されていた。
In the
本実施形態3のテキスト解析装置10では、各省略語に対するアクセント型を登録してある例外省略語辞書4eがHDD4に予め格納されており、制御部1(省略語アクセント付与部13)は、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語であると判定した未知語(省略語)において、例外省略語辞書4eに登録されている省略語には例外省略語辞書4eに登録されているアクセント型を付与し、例外省略語辞書4eに登録されていない省略語には平板型のアクセント型を付与するように構成されている。
In the
図15は実施形態3のテキスト解析装置10の機能構成例を示す機能ブロック図である。本実施形態3のテキスト解析装置10において、制御部1は、ROM2又はHDD4に記憶してある制御プログラムを実行することにより、上述した実施形態1のテキスト解析装置10と同様に、形態素解析部11、省略語判定部12及び省略語アクセント付与部13等の各機能を実現する。
FIG. 15 is a functional block diagram illustrating a functional configuration example of the
なお、本実施形態3のテキスト解析装置10のHDD4には、図16に示すような例外省略語辞書4eが格納されている。図16は例外省略語辞書4eの登録内容を示す模式図である。図16に示すように、例外省略語辞書(省略語記憶手段)4eには、省略語及び各省略語のアクセント型がそれぞれ対応付けて登録されている。
Note that an
以下に、上述した構成の本実施形態3のテキスト解析装置10によるテキスト解析処理について説明する。以下では、テキスト解析装置10が「ナカショーが、コスプレをした。」のテキストデータを解析する処理を例に説明する。
本実施形態3の形態素解析部11は、上述した実施形態1の形態素解析部11と同様に、HDD4に記憶してあるテキストデータをHDD4からRAM3に読み出し、言語辞書4aの登録内容に基づいて、RAM3に読み出したテキストデータを形態素に分割すると共に、分割した形態素のそれぞれにアクセント型を付与する。ここでは、形態素解析部11は、「ナカショー(未知語)・ガ(1モーラ0型)・コスプレ(未知語)・オ(1モーラ0型)・シタ(2モーラ0型)」の表音文字列を生成する。
The text analysis process performed by the
Similar to the
本実施形態3の省略語判定部12は、上述した実施形態1の省略語判定部12と同様に、人名辞書4b及び複合語辞書4cの登録内容に基づいて、形態素解析部11によって生成された表音文字列中の未知語が省略語であるか否かを判定する。省略語判定部12は、省略語であると判定した未知語に対しては省略語であることを示す情報を対応付け、省略語でないと判定した未知語に対しては未知語であることを示す情報を対応付けた表音文字列を生成する。ここでは、省略語判定部12は、「ナカショー(省略語)・ガ(1モーラ0型)・コスプレ(省略語)・オ(1モーラ0型)・シタ(2モーラ0型)」の表音文字列を生成する。
The
本実施形態3の省略語アクセント付与部13は、省略語判定部12によって生成された表音文字列中の省略語を抽出し、抽出した省略語が例外省略語辞書4eに登録されているか否かを判断する。抽出した省略語が例外省略語辞書4eに登録されている場合、省略語アクセント付与部13は、抽出した省略語に対応するアクセント型を例外省略語辞書4eから読み出し、抽出した省略語に対して付与する。一方、抽出した省略語が例外省略語辞書4eに登録されていない場合、省略語アクセント付与部13は、抽出した省略語に対して平板型(0型)のアクセント型を付与する。
The abbreviation
ここでは、省略語「ナカショー」は例外省略語辞書4eに登録されているので、省略語「ナカショー」には、そのアクセント型「4モーラ2型」を付与し、省略語「コスプレ」は例外省略語辞書4eに登録されていないので、省略語「コスプレ」には平板型のアクセント型を付与する。即ち、ここでは、省略語アクセント付与部13は、「ナカショー(4モーラ2型)・ガ(1モーラ0型)・コスプレ(4モーラ0型)・オ(1モーラ0型)・シタ(2モーラ0型)」の表音文字列を生成する。
Here, since the abbreviation “Nakasho” is registered in the
なお、省略語アクセント付与部13は、上述した処理を、省略語判定部12によって生成された表音文字列中の全ての省略語に対して実行することにより、例外省略語辞書4eに登録されている省略語に対しては予め登録しておいたアクセント型を付与することができる。これにより、省略語「ナカショー」のように平板型のアクセント型でない省略語に対してはより適切なアクセント型を付与することができる。
The abbreviation
以下に、本実施形態3のテキスト解析装置10によるテキスト解析処理についてフローチャートに基づいて詳述する。図17はテキスト解析処理の手順を示すフローチャートである。なお、以下の処理は、テキスト解析装置10のROM2又はHDD4に記憶してある制御プログラムに従って制御部1によって実行される。
Below, the text analysis process by the
テキスト解析装置10のユーザが操作部5を操作することによって1つのテキストデータに基づくテキスト解析の実行を指示した場合、制御部1は、HDD4に記憶してあるテキストデータをRAM3に読み込む(S71)。制御部1(形態素解析部11)は、RAM3に読み込んだテキストデータを、言語辞書4aの登録内容に基づいて形態素に分割し、分割した形態素のそれぞれにアクセント型を付与し(S72)、各形態素にアクセント型を対応付けた表音文字列を生成する。
When the user of the
制御部1(省略語判定部12)は、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語判定処理を実行し(S73)、ステップS72でアクセント型を付与できなかった形態素(未知語)が省略語の候補であるか否かを判定する。なお、本実施形態3の省略語判定処理は、実施形態1において図7乃至図11に基づいて説明した処理と同様である。
The control unit 1 (abbreviated word determining unit 12) executes an abbreviated word determining process based on the registered contents of the
制御部1(省略語アクセント付与部13)は、ステップS73で生成した表音文字列から省略語を抽出し(S74)、抽出した省略語が例外省略語辞書4eに登録されているか否かを判断する(S75)。抽出した省略語が例外省略語辞書4eに登録されていると判断した場合(S75:YES)、制御部1は、抽出した省略語に対応するアクセント型を例外省略語辞書4eから読み出し、抽出した省略語に対して付与する(S76)。
The control unit 1 (abbreviated word accent assigning unit 13) extracts abbreviations from the phonetic character string generated in step S73 (S74), and determines whether or not the extracted abbreviations are registered in the
抽出した省略語が例外省略語辞書4eに登録されていないと判断した場合(S75:NO)、制御部1は、抽出した省略語に対して平板型(0型)のアクセント型を付与する(S77)。制御部1は、ステップS73で生成した表音文字列中の全ての省略語に対して上述した処理が終了したか否かを判断しており(S78)、終了していないと判断した場合(S78:NO)、ステップS74へ処理を戻し、表音文字列から省略語を抽出し(S74)、抽出した省略語が例外省略語辞書4eに登録されているか否かの判断を繰り返す。表音文字列中の全ての省略語に対する処理が終了したと判断した場合(S78:YES)、制御部1は、上述したテキスト解析処理を終了する。
When it is determined that the extracted abbreviation is not registered in the
上述したように、本実施形態3のテキスト解析装置10では、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語であると判定された未知語に対するアクセント型が例外省略語辞書4eに登録されている場合、このアクセント型を省略語に付与することにより、平板型でないアクセント型の省略語に対して適切なアクセント型を付与することができる。また、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語であると判定された未知語に対するアクセント型が例外省略語辞書4eに登録されていない場合であっても、この省略語に平板型のアクセント型を付与することにより、省略語ではない未知語とは異なるアクセント型を付与することができる。従って、各省略語により適切に付与されたアクセント型に基づいて、各省略語に対応する韻律を生成し、生成した韻律に基づいて合成音声を生成した場合、適切な韻律を生成することができ、また、適切な韻律に基づいて適切な合成音声を生成することができる。
As described above, in the
上述した本実施形態3は、実施形態1のテキスト解析装置10において、制御部1(省略語アクセント付与部13)が、例外省略語辞書4eに登録されている省略語に対しては、対応するアクセント型を付与し、例外省略語辞書4eに登録されていない省略語に対しては、平板型のアクセント型を付与する構成であり、実施形態1の変形例として説明した。しかし、実施形態2のテキスト解析装置10においても同様の変形例を適用することができる。即ち、本実施形態3の構成を実施形態2のテキスト解析装置10に適用した場合、人名辞書4b及び複合語辞書4cだけでなく、共起辞書4dに基づいて省略語であると特定された各単語に対して適切なアクセント型を付与することができる。
The third embodiment described above corresponds to the abbreviations registered in the
(実施形態4)
以下に、本発明に係る音声合成装置を、実施形態4を示す図面に基づいて詳述する。なお、本実施形態4の音声合成装置は、上述した実施形態1のテキスト解析装置10の構成を備えており、同様の構成については同一の符号を付して説明を省略する。図18は実施形態4に係る音声合成装置の構成例を示すブロック図である。本実施形態4に係る音声合成装置100は、図1に示した制御部1、ROM2、RAM3、HDD4、操作部5、表示部6のほかに、音声出力部7を備えており、これらのハードウェア各部はそれぞれバス1aを介して相互に接続されている。
(Embodiment 4)
Hereinafter, a speech synthesizer according to the present invention will be described in detail with reference to the drawings showing a fourth embodiment. Note that the speech synthesizer of the fourth embodiment includes the configuration of the
音声出力部7は、音声増幅回路及びスピーカ等を備えており、例えばHDD4に記憶された音声情報(音声波形)に基づく音声を出力する。
HDD4には、テキストデータ、図2に示すような言語辞書4a、図3に示すような人名辞書4b、図4に示すような複合語辞書4c、ユーザに対して各種の情報を通知するための画面情報のほかに、音声合成装置100を本発明の音声合成装置として動作させるために必要な種々の制御プログラム、韻律生成ルール辞書4f、波形辞書4g等が予め記憶されている。
The
In the
なお、韻律生成ルール辞書4f及び波形辞書4gの詳細については図示しないが、韻律生成ルール辞書4fには、各形態素の読み及びアクセント型に基づいて韻律データを生成する際のルールが登録されており、波形辞書4gには、複数の音素(音素列)からなる文章に対応して各音声の波形群が登録されている。
Although details of the prosody
以下に、上述した構成の音声合成装置100において、制御部1がROM2及びHDD4に記憶してある制御プログラムを実行することによって実現される各種の機能について説明する。図19は実施形態4の音声合成装置100の機能構成例を示す機能ブロック図である。本実施形態4の音声合成装置100において、制御部1は、ROM2及びHDD4に記憶してある制御プログラムを実行することによって、上述した実施形態1のテキスト解析装置10、韻律生成部20、波形生成部30等の各機能を実現する。
Hereinafter, in the
韻律生成部20は、テキスト解析装置10によって生成された表音文字列に対応する韻律データを、韻律生成ルール辞書4fの登録内容に従って生成する。具体的には、韻律生成部20は、テキスト解析装置10から送出されてきた表音文字列において、各形態素の読み及びアクセント型に対応する韻律データを生成する。
The
波形生成部30は、韻律生成部20によって生成された韻律データを、波形辞書4gの登録内容に基づいて音声波形に変換して合成音声を生成する。具体的には、波形生成部30は、韻律生成部20から送出されてきた韻律データにおける各形態素に対応する音声波形を波形辞書4gから抽出し、抽出した音声波形と韻律データとに基づいて合成音声を生成する。なお、波形生成部30が生成した合成音声は、一旦RAM3又はHDD4に記憶された後、制御部1による制御に従った所定のタイミングで音声出力部7へ送出され、音声出力部7から音声出力される。
The
上述した構成により、本実施形態4の音声合成装置100は、テキスト解析装置10によってテキストデータを解析して表音文字列を生成し、生成した表音文字列に応じた合成音声を生成することができる。従って、上述した実施形態1のテキスト解析装置10のように、言語辞書4aに基づいて各形態素に適切なアクセント型を付与し、また、言語辞書4aに登録されていない未知語については、省略語である場合には省略語に適したアクセント型(平板型のアクセント型)を付与することにより、各形態素のそれぞれに適切なアクセント型を付与した場合、このようなアクセント型に基づいて適切な合成音声を生成することができる。
With the above-described configuration, the
以下に、本実施形態4の音声合成装置100による合成音声の生成処理についてフローチャートに基づいて詳述する。図20は合成音声の生成処理の手順を示すフローチャートである。なお、以下の処理は、音声合成装置100のROM2又はHDD4に記憶してある制御プログラムに従って制御部1によって実行される。
Below, the synthetic | combination speech production | generation process by the
音声合成装置100のユーザが操作部5を操作することによって1つのテキストデータに基づく合成音声の生成処理の実行を指示した場合、制御部1は、HDD4に記憶してあるテキストデータをRAM3に読み込む(S81)。制御部1(形態素解析部11)は、RAM3に読み込んだテキストデータを、言語辞書4aの登録内容に基づいて形態素に分割し、分割した形態素のそれぞれにアクセント型を付与し(S82)、各形態素にアクセント型を対応付けた表音文字列を生成する。
When the user of the
制御部1(省略語判定部12)は、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語判定処理を実行し(S83)、ステップS82でアクセント型を付与できなかった形態素(未知語)が省略語であるか否かを判定する。なお、本実施形態4の省略語判定処理は、実施形態1において図7乃至図11に基づいて説明した処理と同様である。
The control unit 1 (abbreviated word determining unit 12) executes an abbreviated word determining process based on the registered contents of the
制御部1(省略語アクセント付与部13)は、ステップS83で省略語であると判定された形態素に対して平板型(0型)のアクセント型を付与する(S84)。制御部1(韻律生成部20)は、得られた表音文字列に対応する韻律データを、韻律生成ルール辞書4fの登録内容に基づいて生成する(S85)。制御部1(波形生成部30)は、生成した韻律データを、波形辞書4gの登録内容に基づいて音声波形を生成し(S86)、合成音声(音声波形)の生成処理を終了する。
The control unit 1 (abbreviated word accent assigning unit 13) assigns a flat plate type (0 type) accent type to the morpheme determined to be an abbreviated word in step S83 (S84). The control unit 1 (prosody generation unit 20) generates prosody data corresponding to the obtained phonetic character string based on the registered contents of the prosody
上述したように、本実施形態4の音声合成装置100では、実施形態1で説明したように、言語辞書4aに基づいてアクセント型を付与できなかった形態素(未知語)が省略語であるか否かを判定し、省略語であるか否かに応じて適切なアクセント型を各未知語に付与することにより、適切に付与されたアクセント型に基づいて適切な韻律を生成することができ、また、適切な韻律に基づいて適切な合成音声を生成することができる。従って、言語辞書4aに登録されていない未知語に対しても正しいアクセント、イントネーションでの合成音声を生成することができる。
As described above, in the
上述した本実施形態4では、実施形態1のテキスト解析装置10を備えた音声合成装置100を例に本発明を説明したが、本発明の音声合成装置は、上述した実施形態2,3のテキスト解析装置10を備えた構成とすることもできる。なお、上述した実施形態3のテキスト解析装置10を備えた構成とした場合、音声合成装置100は、省略語判定処理によって省略語であると判定された未知語で、例外省略語辞書4eに登録されている省略語には予め登録しておいたアクセント型を付与することができるので、平板型のアクセント型でない省略語に対してより適切なアクセント型を付与することができ、このようなアクセント型に基づいてより適切な合成音声を生成することができる。
In the fourth embodiment described above, the present invention has been described by taking the
上述したように、本発明に係る省略語判定装置は、言語辞書4aに登録されていない形態素(未知語)が、人名を省略した省略語である場合、又は複合語を省略した省略語である場合、このような省略語には平板型のアクセント型を付与し、それ以外の未知語には従来から行なっているように、例えば後ろから3モーラ目にアクセント核を有するアクセント型を付与することにより、省略語と、省略語ではない未知語とにおいてそれぞれ異なるアクセント型を付与することができる。
As described above, the abbreviation determination device according to the present invention is an abbreviation in which a morpheme (unknown word) that is not registered in the
なお、人名を省略した省略語及び複合語を省略した省略語は、平板型のアクセント型を有する場合が多いので、このような省略語には平板型のアクセント型を付与することにより、このような省略語を含む文書であっても、適切なアクセントでの合成音声を生成することができ、このような合成音声に基づいて、より自然な音声の出力が可能となる。また、本発明は、日々出現する新しい省略語を辞書に登録しておく構成ではなく、人名辞書4b及び複合語辞書4cの登録内容に基づいて省略語であるか否かを判断する構成であるので、省略語を辞書に登録する作業を行なうことなく、文書中の省略語を適切に判定し、省略語に対して適切なアクセント型を付与することができる。
Note that abbreviations omitting names of persons and abbreviations omitting compound words often have a flat accent type. Therefore, by adding a flat accent type to such abbreviations, Even a document including abbreviated abbreviations can generate synthesized speech with appropriate accents, and more natural speech can be output based on such synthesized speech. The present invention is not configured to register new abbreviations that appear every day in the dictionary, but is configured to determine whether or not the abbreviation is based on the registered contents of the
(付記1)
テキストデータが省略語であるか否かを判定する省略語判定装置において、
人名に用いられる姓及び名をそれぞれ記憶する人名記憶手段と、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出手段と、
該第1抽出手段が抽出した文字データを先頭に有する姓が前記人名記憶手段に記憶してあるか否かを判断する手段と、
前記姓が前記人名記憶手段に記憶してあると判断した場合、前記第1抽出手段が抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出手段と、
該第2抽出手段が抽出した文字データを先頭に有する名が前記人名記憶手段に記憶してあるか否かを判断する手段と、
前記名が前記人名記憶手段に記憶してあると判断した場合、前記テキストデータが省略語であると判定する判定手段と
を備えることを特徴とする省略語判定装置。
(Appendix 1)
In an abbreviation determination device that determines whether text data is an abbreviation,
Personal name storage means for storing the last name and first name used for the personal name;
First extraction means for extracting a predetermined number of character data at the beginning from the text data;
Means for determining whether or not a last name having the character data extracted by the first extraction means at the head is stored in the personal name storage means;
A second extraction means for extracting a predetermined number of character data at the beginning from the text data excluding the character data extracted by the first extraction means when it is determined that the last name is stored in the personal name storage means; ,
Means for determining whether or not a name having character data extracted by the second extraction means at the head is stored in the personal name storage means;
An abbreviation determination device comprising: determination means for determining that the text data is an abbreviation when it is determined that the name is stored in the personal name storage means.
(付記2)
テキストデータが省略語であるか否かを判定する省略語判定装置において、
複数の複合語及び各複合語を構成する構成語を対応付けて記憶する複合語記憶手段と、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出手段と、
該第1抽出手段が抽出した文字データを先頭に有する構成語を含む複合語が前記複合語記憶手段に記憶してあるか否かを判断する判断手段と、
前記複合語が前記複合語記憶手段に記憶してあると判断した場合、前記第1抽出手段が抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出手段と、
該第2抽出手段が抽出した文字データを先頭に有する構成語が、前記判断手段が前記複合語記憶手段に記憶してあると判断した複合語の構成語に含まれているか否かを判断する手段と、
前記構成語が含まれていると判断した場合、前記テキストデータが省略語であると判定する判定手段と
を備えることを特徴とする省略語判定装置。
(Appendix 2)
In an abbreviation determination device that determines whether text data is an abbreviation,
A compound word storage means for storing a plurality of compound words and constituent words constituting each compound word in association with each other;
First extraction means for extracting a predetermined number of character data at the beginning from the text data;
Determining means for determining whether or not a compound word including a constituent word having the character data extracted by the first extracting means is stored in the compound word storage means;
A second extraction for extracting a predetermined number of character data from the text data excluding the character data extracted by the first extraction means when it is determined that the compound word is stored in the compound word storage means; Means,
It is determined whether or not the constituent word having the character data extracted by the second extraction means at the head is included in the constituent words of the composite word determined by the determination means to be stored in the compound word storage means. Means,
An abbreviation determination device comprising: a determination unit that determines that the text data is an abbreviation when it is determined that the constituent word is included.
(付記3)
前記第1抽出手段は、前記テキストデータの先頭から、2音節に相当する数の文字データを抽出するように構成されており、
前記第2抽出手段は、前記第1抽出手段が抽出した文字データを除いた前記テキストデータの先頭から、2音節に相当する数の文字データを抽出するように構成されていることを特徴とする付記1又は2に記載の省略語判定装置。
(Appendix 3)
The first extraction means is configured to extract a number of character data corresponding to two syllables from the beginning of the text data,
The second extraction means is configured to extract a number of character data corresponding to two syllables from the beginning of the text data excluding the character data extracted by the first extraction means. The abbreviation determination device according to
(付記4)
前記第1抽出手段は、前記テキストデータの先頭から、1音節に相当する数の文字データを抽出するように構成されており、
前記第2抽出手段は、前記第1抽出手段が抽出した文字データを除いた前記テキストデータの先頭から、2音節に相当する数の文字データを抽出するように構成されていることを特徴とする付記1又は2に記載の省略語判定装置。
(Appendix 4)
The first extraction means is configured to extract a number of character data corresponding to one syllable from the beginning of the text data,
The second extraction means is configured to extract a number of character data corresponding to two syllables from the beginning of the text data excluding the character data extracted by the first extraction means. The abbreviation determination device according to
(付記5)
複数のテキストデータを含む文書データをテキストデータに分割する分割手段を備え、
前記第1抽出手段は、分割されたテキストデータのそれぞれから先頭の所定数の文字データを抽出するように構成されており、
前記第2抽出手段は、前記第1抽出手段が抽出した文字データを除いた前記分割されたテキストデータのそれぞれから、先頭の所定数の文字データを抽出するように構成されており、
前記判定手段は、前記分割されたテキストデータのそれぞれが省略語の候補であるか否かを判定するように構成されており、
複数のテキストデータ及び各テキストデータと共起される共起データを対応付けて記憶する共起データ記憶手段と、
前記判定手段が省略語の候補であると判定したテキストデータに対応する共起データを前記共起データ記憶手段から取得する手段と、
前記文書データ中のテキストデータに、前記共起データ記憶手段から取得された共起データが含まれているか否かを判断する手段と、
前記共起データが含まれていると判断した場合、前記判定手段が省略語の候補であると判定したテキストデータを省略語であると確定する手段と
を備えることを特徴とする付記1乃至4のいずれかひとつに記載の省略語判定装置。
(Appendix 5)
A dividing unit for dividing document data including a plurality of text data into text data;
The first extracting means is configured to extract a predetermined number of character data at the beginning from each of the divided text data,
The second extraction means is configured to extract a predetermined number of character data at the beginning from each of the divided text data excluding the character data extracted by the first extraction means,
The determination means is configured to determine whether each of the divided text data is an abbreviation candidate,
Co-occurrence data storage means for storing a plurality of text data and co-occurrence data co-occurring with each text data in association with each other;
Means for acquiring from the co-occurrence data storage means co-occurrence data corresponding to the text data determined by the determination means to be abbreviation candidates;
Means for determining whether the text data in the document data includes co-occurrence data acquired from the co-occurrence data storage means;
(付記6)
テキストデータが省略語であるか否かを判定する省略語判定方法において、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出ステップと、
該第1抽出ステップで抽出した文字データを先頭に有する姓が、人名に用いられる姓及び名をそれぞれ記憶する人名記憶手段に記憶してあるか否かを判断するステップと、
前記姓が前記人名記憶手段に記憶してあると判断した場合、前記第1抽出ステップで抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出ステップと、
該第2抽出ステップで抽出した文字データを先頭に有する名が前記人名記憶手段に記憶してあるか否かを判断するステップと、
前記名が前記人名記憶手段に記憶してあると判断した場合、前記テキストデータが省略語であると判定するステップと
を含むことを特徴とする省略語判定方法。
(Appendix 6)
In the abbreviation determination method for determining whether text data is an abbreviation,
A first extraction step of extracting a predetermined number of character data at the beginning from the text data;
A step of determining whether or not the surname having the character data extracted in the first extraction step at the beginning is stored in a personal name storage means for storing the surname and the first name used for the personal name;
A second extraction step of extracting a predetermined number of character data from the text data excluding the character data extracted in the first extraction step when it is determined that the last name is stored in the personal name storage means; ,
Determining whether the name having the character data extracted in the second extraction step at the head is stored in the personal name storage means;
And a step of determining that the text data is an abbreviation when it is determined that the name is stored in the personal name storage means.
(付記7)
テキストデータが省略語であるか否かを判定する省略語判定方法において、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出ステップと、
該第1抽出ステップで抽出した文字データを先頭に有する構成語を含む複合語が、複数の複合語及び各複合語を構成する構成語を対応付けて記憶する複合語記憶手段に記憶してあるか否かを判断する判断ステップと、
前記複合語が前記複合語記憶手段に記憶してあると判断した場合、前記第1抽出ステップで抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出ステップと、
該第2抽出ステップで抽出した文字データを先頭に有する構成語が、前記判断ステップで前記複合語記憶手段に記憶してあると判断された複合語の構成語に含まれているか否かを判断するステップと、
前記構成語が含まれていると判断した場合、前記テキストデータが省略語であると判定するステップと
を含むことを特徴とする省略語判定方法。
(Appendix 7)
In the abbreviation determination method for determining whether text data is an abbreviation,
A first extraction step of extracting a predetermined number of character data at the beginning from the text data;
A compound word including a constituent word having the character data extracted in the first extraction step at the head is stored in a compound word storage unit that stores a plurality of compound words and the constituent words constituting each compound word in association with each other. A determination step for determining whether or not,
A second extraction for extracting a predetermined number of character data from the text data excluding the character data extracted in the first extraction step when it is determined that the compound word is stored in the compound word storage means; Steps,
It is determined whether or not the constituent word having the character data extracted in the second extraction step at the head is included in the constituent words of the compound word determined to be stored in the compound word storage means in the determination step. And steps to
And a step of determining that the text data is an abbreviation when it is determined that the constituent word is included.
(付記8)
コンピュータに、テキストデータが省略語であるか否かを判定させるためのコンピュータプログラムにおいて、
人名に用いられる姓及び名をそれぞれ記憶する人名記憶手段を備えたコンピュータに、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出ステップと、
該第1抽出ステップで抽出した文字データを先頭に有する姓が前記人名記憶手段に記憶してあるか否かを判断するステップと、
前記姓が前記人名記憶手段に記憶してあると判断した場合、前記第1抽出ステップで抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出ステップと、
該第2抽出ステップで抽出した文字データを先頭に有する名が前記人名記憶手段に記憶してあるか否かを判断するステップと、
前記名が前記人名記憶手段に記憶してあると判断した場合、前記テキストデータが省略語であると判定するステップと
を実行させるためのコンピュータプログラム。
(Appendix 8)
In a computer program for causing a computer to determine whether text data is an abbreviation,
In a computer equipped with personal name storage means for storing the last name and first name used for the personal name,
A first extraction step of extracting a predetermined number of character data at the beginning from the text data;
Determining whether a surname having the character data extracted in the first extraction step at the head is stored in the personal name storage means;
A second extraction step of extracting a predetermined number of character data from the text data excluding the character data extracted in the first extraction step when it is determined that the last name is stored in the personal name storage means; ,
Determining whether the name having the character data extracted in the second extraction step at the head is stored in the personal name storage means;
And a step of determining that the text data is an abbreviation when it is determined that the name is stored in the personal name storage means.
(付記9)
コンピュータに、テキストデータが省略語であるか否かを判定させるためのコンピュータプログラムにおいて、
複数の複合語及び各複合語を構成する構成語を対応付けて記憶する複合語記憶手段を備えたコンピュータに、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出ステップと、
該第1抽出ステップで抽出した文字データを先頭に有する構成語を含む複合語が前記複合語記憶手段に記憶してあるか否かを判断する判断ステップと、
前記複合語が前記複合語記憶手段に記憶してあると判断した場合、前記第1抽出ステップで抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出ステップと、
該第2抽出ステップで抽出した文字データを先頭に有する構成語が、前記判断ステップで前記複合語記憶手段に記憶してあると判断された複合語の構成語に含まれているか否かを判断するステップと、
前記構成語が含まれていると判断した場合、前記テキストデータが省略語であると判定するステップと
を実行させるためのコンピュータプログラム。
(Appendix 9)
In a computer program for causing a computer to determine whether text data is an abbreviation,
In a computer provided with a compound word storage means for storing a plurality of compound words and constituent words constituting each compound word in association with each other,
A first extraction step of extracting a predetermined number of character data at the beginning from the text data;
A determination step of determining whether or not a compound word including a constituent word having the character data extracted in the first extraction step at the head is stored in the compound word storage unit;
A second extraction for extracting a predetermined number of character data from the text data excluding the character data extracted in the first extraction step when it is determined that the compound word is stored in the compound word storage means; Steps,
It is determined whether or not the constituent word having the character data extracted in the second extraction step at the head is included in the constituent words of the compound word determined to be stored in the compound word storage means in the determination step. And steps to
A computer program for executing the step of determining that the text data is an abbreviation when it is determined that the constituent word is included.
(付記10)
テキストデータを解析するテキスト解析装置において、
付記1乃至4のいずれかひとつに記載の省略語判定装置と、
形態素及びアクセント型を対応付けて記憶する形態素記憶手段と、
該形態素記憶手段の記憶内容に基づいて、テキストデータを形態素に分割する形態素分割手段と、
前記形態素記憶手段の記憶内容に基づいて、前記形態素分割手段が分割した形態素のそれぞれにアクセント型を付与する手段とを備え、
前記省略語判定装置は、前記形態素記憶手段に記憶されていない形態素が省略語であるか否かを判定するように構成されており、
前記省略語判定装置によって省略語であると判定された形態素に所定のアクセント型を付与するアクセント付与手段を備えることを特徴とするテキスト解析装置。
(Appendix 10)
In a text analysis device that analyzes text data,
The abbreviation determination device according to any one of
Morpheme storage means for storing morphemes and accent types in association with each other;
Morpheme dividing means for dividing text data into morphemes based on the stored contents of the morpheme storage means;
Means for giving an accent type to each of the morphemes divided by the morpheme dividing means based on the storage contents of the morpheme storage means,
The abbreviation determination device is configured to determine whether or not a morpheme that is not stored in the morpheme storage unit is an abbreviation,
A text analysis apparatus comprising: an accent imparting unit that imparts a predetermined accent type to a morpheme determined to be an abbreviation by the abbreviation determination apparatus.
(付記11)
省略語及びアクセント型を対応付けて記憶する省略語記憶手段を備え、
前記アクセント付与手段は、
前記省略語記憶手段の記憶内容に基づいて、前記省略語判定装置によって省略語であると判定された形態素のそれぞれにアクセント型を付与する手段と、
前記省略語記憶手段に記憶されていない形態素に所定のアクセント型を付与する手段とを備えることを特徴とする付記10に記載のテキスト解析装置。
(Appendix 11)
Abbreviation storage means for storing abbreviations and accent types in association with each other;
The accent giving means is
Means for assigning an accent type to each of the morphemes determined to be abbreviations by the abbreviation determination device based on the stored contents of the abbreviation storage means;
The text analysis apparatus according to
(付記12)
テキストデータを解析するテキスト解析装置において、
付記5に記載の省略語判定装置と、
テキストデータ及びアクセント型を対応付けて記憶するテキスト記憶手段とを備え、
前記省略語判定装置の分割手段は、前記テキスト記憶手段の記憶内容に基づいて、文書データをテキストデータに分割するように構成されており、
前記テキスト記憶手段の記憶内容に基づいて、前記分割手段が分割したテキストデータのそれぞれにアクセント型を付与する手段を備え、
前記省略語判定装置は、前記テキスト記憶手段に記憶されていないテキストデータが省略語であるか否かを判定するように構成されており、
前記省略語判定装置によって省略語であると判定されたテキストデータに所定のアクセント型を付与する手段を備えることを特徴とするテキスト解析装置。
(Appendix 12)
In a text analysis device that analyzes text data,
An abbreviation determination device according to
Text storage means for storing text data and an accent type in association with each other,
The dividing means of the abbreviation determination device is configured to divide document data into text data based on the stored contents of the text storage means,
Means for giving an accent type to each of the text data divided by the dividing means based on the stored contents of the text storing means;
The abbreviation determination device is configured to determine whether text data not stored in the text storage means is an abbreviation,
A text analysis apparatus comprising means for giving a predetermined accent type to text data determined to be an abbreviation by the abbreviation determination apparatus.
(付記13)
省略語及びアクセント型を対応付けて記憶する省略語記憶手段を備え、
前記アクセント付与手段は、
前記省略語記憶手段の記憶内容に基づいて、前記省略語判定装置によって省略語であると判定されたテキストデータのそれぞれにアクセント型を付与する手段と、
前記省略語記憶手段に記憶されていないテキストデータに所定のアクセント型を付与する手段とを備えることを特徴とする付記12に記載のテキスト解析装置。
(Appendix 13)
Abbreviation storage means for storing abbreviations and accent types in association with each other;
The accent giving means is
Means for assigning an accent type to each of the text data determined to be abbreviations by the abbreviation determination device based on the stored contents of the abbreviation storage means;
The text analysis apparatus according to
(付記14)
テキストデータから合成音声を生成する音声合成装置において、
付記10又は11に記載のテキスト解析装置と、
該テキスト解析装置の形態素分割手段が分割した形態素及び各形態素に付与されたアクセント型に基づいて、各形態素に対応する韻律を生成する韻律生成手段と、
該韻律生成手段が生成した韻律に基づいて合成音声を生成する波形生成手段と
を備えることを特徴とする音声合成装置。
(Appendix 14)
In a speech synthesizer that generates synthesized speech from text data,
The text analysis device according to
Prosody generation means for generating prosody corresponding to each morpheme based on the morpheme divided by the morpheme dividing means of the text analysis device and the accent type assigned to each morpheme;
A speech synthesizer comprising: waveform generation means for generating synthesized speech based on the prosody generated by the prosody generation means.
(付記15)
テキストデータから合成音声を生成する音声合成装置において、
付記12又は13に記載のテキスト解析装置と、
前記省略語判定装置の分割手段が分割したテキストデータ及び前記テキスト解析装置が各テキストデータに付与したアクセント型に基づいて、各テキストデータに対応する韻律を生成する韻律生成手段と、
該韻律生成手段が生成した韻律に基づいて合成音声を生成する波形生成手段と
を備えることを特徴とする音声合成装置。
(Appendix 15)
In a speech synthesizer that generates synthesized speech from text data,
The text analysis device according to
Prosody generation means for generating prosody corresponding to each text data based on the text data divided by the dividing means of the abbreviation determination device and the accent type given to each text data by the text analysis device;
A speech synthesizer comprising: waveform generation means for generating synthesized speech based on the prosody generated by the prosody generation means.
10 テキスト解析装置
1 制御部
11 形態素解析部(形態素分割手段)
12 省略語判定部(第1抽出手段、第2抽出手段、判定手段、判断手段)
13 省略語アクセント付与部(アクセント付与手段)
4a 言語辞書(形態素記憶手段)
4b 人名辞書(人名記憶手段)
4c 複合語辞書(複合語記憶手段)
4d 共起辞書(共起データ記憶手段)
4e 例外省略語辞書(省略語記憶手段)
20 韻律生成部(韻律生成手段)
30 波形生成部(波形生成手段)
DESCRIPTION OF
12 abbreviation determination unit (first extraction means, second extraction means, determination means, determination means)
13 Abbreviated accent giving part (accent giving means)
4a Language dictionary (morpheme storage means)
4b Personal name dictionary (person name storage means)
4c Compound word dictionary (compound word storage means)
4d Co-occurrence dictionary (co-occurrence data storage means)
4e Exception abbreviation dictionary (abbreviation storage means)
20 Prosody generation part (prosody generation means)
30 Waveform generator (waveform generator)
Claims (8)
人名に用いられる姓及び名をそれぞれ記憶する人名記憶手段と、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出手段と、
該第1抽出手段が抽出した文字データを先頭に有する姓が前記人名記憶手段に記憶してあるか否かを判断する手段と、
前記姓が前記人名記憶手段に記憶してあると判断した場合、前記第1抽出手段が抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出手段と、
該第2抽出手段が抽出した文字データを先頭に有する名が前記人名記憶手段に記憶してあるか否かを判断する手段と、
前記名が前記人名記憶手段に記憶してあると判断した場合、前記テキストデータが省略語であると判定する判定手段と
を備えることを特徴とする省略語判定装置。 In an abbreviation determination device that determines whether text data is an abbreviation,
Personal name storage means for storing the last name and first name used for the personal name;
First extraction means for extracting a predetermined number of character data at the beginning from the text data;
Means for determining whether or not a last name having the character data extracted by the first extraction means at the head is stored in the personal name storage means;
A second extraction means for extracting a predetermined number of character data at the beginning from the text data excluding the character data extracted by the first extraction means when it is determined that the last name is stored in the personal name storage means; ,
Means for determining whether or not a name having character data extracted by the second extraction means at the head is stored in the personal name storage means;
An abbreviation determination device comprising: determination means for determining that the text data is an abbreviation when it is determined that the name is stored in the personal name storage means.
複数の複合語及び各複合語を構成する構成語を対応付けて記憶する複合語記憶手段と、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出手段と、
該第1抽出手段が抽出した文字データを先頭に有する構成語を含む複合語が前記複合語記憶手段に記憶してあるか否かを判断する判断手段と、
前記複合語が前記複合語記憶手段に記憶してあると判断した場合、前記第1抽出手段が抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出手段と、
該第2抽出手段が抽出した文字データを先頭に有する構成語が、前記判断手段が前記複合語記憶手段に記憶してあると判断した複合語の構成語に含まれているか否かを判断する手段と、
前記構成語が含まれていると判断した場合、前記テキストデータが省略語であると判定する判定手段と
を備えることを特徴とする省略語判定装置。 In an abbreviation determination device that determines whether text data is an abbreviation,
A compound word storage means for storing a plurality of compound words and constituent words constituting each compound word in association with each other;
First extraction means for extracting a predetermined number of character data at the beginning from the text data;
Determining means for determining whether or not a compound word including a constituent word having the character data extracted by the first extracting means is stored in the compound word storage means;
A second extraction for extracting a predetermined number of character data from the text data excluding the character data extracted by the first extraction means when it is determined that the compound word is stored in the compound word storage means; Means,
It is determined whether or not the constituent word having the character data extracted by the second extraction means at the head is included in the constituent words of the composite word determined by the determination means to be stored in the compound word storage means. Means,
An abbreviation determination device comprising: a determination unit that determines that the text data is an abbreviation when it is determined that the constituent word is included.
前記第1抽出手段は、分割されたテキストデータのそれぞれから先頭の所定数の文字データを抽出するように構成されており、
前記第2抽出手段は、前記第1抽出手段が抽出した文字データを除いた前記分割されたテキストデータのそれぞれから、先頭の所定数の文字データを抽出するように構成されており、
前記判定手段は、前記分割されたテキストデータのそれぞれが省略語の候補であるか否かを判定するように構成されており、
複数のテキストデータ及び各テキストデータと共起される共起データを対応付けて記憶する共起データ記憶手段と、
前記判定手段が省略語の候補であると判定したテキストデータに対応する共起データを前記共起データ記憶手段から取得する手段と、
前記文書データ中のテキストデータに、前記共起データ記憶手段から取得された共起データが含まれているか否かを判断する手段と、
前記共起データが含まれていると判断した場合、前記判定手段が省略語の候補であると判定したテキストデータを省略語であると確定する手段と
を備えることを特徴とする請求項1又は2に記載の省略語判定装置。 A dividing unit for dividing document data including a plurality of text data into text data;
The first extracting means is configured to extract a predetermined number of character data at the beginning from each of the divided text data,
The second extraction means is configured to extract a predetermined number of character data at the beginning from each of the divided text data excluding the character data extracted by the first extraction means,
The determination means is configured to determine whether each of the divided text data is an abbreviation candidate,
Co-occurrence data storage means for storing a plurality of text data and co-occurrence data co-occurring with each text data in association with each other;
Means for acquiring from the co-occurrence data storage means co-occurrence data corresponding to the text data determined by the determination means to be abbreviation candidates;
Means for determining whether the text data in the document data includes co-occurrence data acquired from the co-occurrence data storage means;
2. The method according to claim 1, further comprising: means for determining that the text data determined by the determining means as an abbreviation candidate is an abbreviation when it is determined that the co-occurrence data is included. 2. The abbreviation determination device according to 2.
人名に用いられる姓及び名をそれぞれ記憶する人名記憶手段を備えたコンピュータに、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出ステップと、
該第1抽出ステップで抽出した文字データを先頭に有する姓が前記人名記憶手段に記憶してあるか否かを判断するステップと、
前記姓が前記人名記憶手段に記憶してあると判断した場合、前記第1抽出ステップで抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出ステップと、
該第2抽出ステップで抽出した文字データを先頭に有する名が前記人名記憶手段に記憶してあるか否かを判断するステップと、
前記名が前記人名記憶手段に記憶してあると判断した場合、前記テキストデータが省略語であると判定するステップと
を実行させるためのコンピュータプログラム。 In a computer program for causing a computer to determine whether text data is an abbreviation,
In a computer equipped with personal name storage means for storing the last name and first name used for the personal name,
A first extraction step of extracting a predetermined number of character data at the beginning from the text data;
Determining whether a surname having the character data extracted in the first extraction step at the head is stored in the personal name storage means;
A second extraction step of extracting a predetermined number of character data from the text data excluding the character data extracted in the first extraction step when it is determined that the last name is stored in the personal name storage means; ,
Determining whether the name having the character data extracted in the second extraction step at the head is stored in the personal name storage means;
And a step of determining that the text data is an abbreviation when it is determined that the name is stored in the personal name storage means.
複数の複合語及び各複合語を構成する構成語を対応付けて記憶する複合語記憶手段を備えたコンピュータに、
前記テキストデータから先頭の所定数の文字データを抽出する第1抽出ステップと、
該第1抽出ステップで抽出した文字データを先頭に有する構成語を含む複合語が前記複合語記憶手段に記憶してあるか否かを判断する判断ステップと、
前記複合語が前記複合語記憶手段に記憶してあると判断した場合、前記第1抽出ステップで抽出した文字データを除いた前記テキストデータから、先頭の所定数の文字データを抽出する第2抽出ステップと、
該第2抽出ステップで抽出した文字データを先頭に有する構成語が、前記判断ステップで前記複合語記憶手段に記憶してあると判断された複合語の構成語に含まれているか否かを判断するステップと、
前記構成語が含まれていると判断した場合、前記テキストデータが省略語であると判定するステップと
を実行させるためのコンピュータプログラム。 In a computer program for causing a computer to determine whether text data is an abbreviation,
In a computer provided with a compound word storage means for storing a plurality of compound words and constituent words constituting each compound word in association with each other,
A first extraction step of extracting a predetermined number of character data at the beginning from the text data;
A determination step of determining whether or not a compound word including a constituent word having the character data extracted in the first extraction step at the head is stored in the compound word storage unit;
A second extraction for extracting a predetermined number of character data from the text data excluding the character data extracted in the first extraction step when it is determined that the compound word is stored in the compound word storage means; Steps,
It is determined whether or not the constituent word having the character data extracted in the second extraction step at the head is included in the constituent words of the compound word determined to be stored in the compound word storage means in the determination step. And steps to
A computer program for executing the step of determining that the text data is an abbreviation when it is determined that the constituent word is included.
請求項1又は2に記載の省略語判定装置と、
形態素及びアクセント型を対応付けて記憶する形態素記憶手段と、
該形態素記憶手段の記憶内容に基づいて、テキストデータを形態素に分割する形態素分割手段と、
前記形態素記憶手段の記憶内容に基づいて、前記形態素分割手段が分割した形態素のそれぞれにアクセント型を付与する手段とを備え、
前記省略語判定装置は、前記形態素記憶手段に記憶されていない形態素が省略語であるか否かを判定するように構成されており、
前記省略語判定装置によって省略語であると判定された形態素に所定のアクセント型を付与するアクセント付与手段を備えることを特徴とするテキスト解析装置。 In a text analysis device that analyzes text data,
An abbreviation determination device according to claim 1 or 2,
Morpheme storage means for storing morphemes and accent types in association with each other;
Morpheme dividing means for dividing text data into morphemes based on the stored contents of the morpheme storage means;
Means for giving an accent type to each of the morphemes divided by the morpheme dividing means based on the storage contents of the morpheme storage means,
The abbreviation determination device is configured to determine whether or not a morpheme that is not stored in the morpheme storage unit is an abbreviation,
A text analysis apparatus comprising: an accent imparting unit that imparts a predetermined accent type to a morpheme determined to be an abbreviation by the abbreviation determination apparatus.
請求項3に記載の省略語判定装置と、
テキストデータ及びアクセント型を対応付けて記憶するテキスト記憶手段とを備え、
前記省略語判定装置の分割手段は、前記テキスト記憶手段の記憶内容に基づいて、文書データをテキストデータに分割するように構成されており、
前記テキスト記憶手段の記憶内容に基づいて、前記分割手段が分割したテキストデータのそれぞれにアクセント型を付与する手段を備え、
前記省略語判定装置は、前記テキスト記憶手段に記憶されていないテキストデータが省略語であるか否かを判定するように構成されており、
前記省略語判定装置によって省略語であると判定されたテキストデータに所定のアクセント型を付与する手段を備えることを特徴とするテキスト解析装置。 In a text analysis device that analyzes text data,
An abbreviation determination device according to claim 3,
Text storage means for storing text data and an accent type in association with each other,
The dividing means of the abbreviation determination device is configured to divide document data into text data based on the stored contents of the text storage means,
Means for giving an accent type to each of the text data divided by the dividing means based on the stored contents of the text storing means;
The abbreviation determination device is configured to determine whether text data not stored in the text storage means is an abbreviation,
A text analysis apparatus comprising means for giving a predetermined accent type to text data determined to be an abbreviation by the abbreviation determination apparatus.
請求項6に記載のテキスト解析装置と、
該テキスト解析装置の形態素分割手段が分割した形態素及び各形態素に付与されたアクセント型に基づいて、各形態素に対応する韻律を生成する韻律生成手段と、
該韻律生成手段が生成した韻律に基づいて合成音声を生成する波形生成手段と
を備えることを特徴とする音声合成装置。 In a speech synthesizer that generates synthesized speech from text data,
A text analysis device according to claim 6;
Prosody generation means for generating prosody corresponding to each morpheme based on the morpheme divided by the morpheme dividing means of the text analysis device and the accent type assigned to each morpheme;
A speech synthesizer comprising: waveform generation means for generating synthesized speech based on the prosody generated by the prosody generation means.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007275651A JP5125404B2 (en) | 2007-10-23 | 2007-10-23 | Abbreviation determination device, computer program, text analysis device, and speech synthesis device |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007275651A JP5125404B2 (en) | 2007-10-23 | 2007-10-23 | Abbreviation determination device, computer program, text analysis device, and speech synthesis device |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2009103921A true JP2009103921A (en) | 2009-05-14 |
JP5125404B2 JP5125404B2 (en) | 2013-01-23 |
Family
ID=40705661
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007275651A Expired - Fee Related JP5125404B2 (en) | 2007-10-23 | 2007-10-23 | Abbreviation determination device, computer program, text analysis device, and speech synthesis device |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP5125404B2 (en) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013164870A1 (en) * | 2012-05-02 | 2013-11-07 | 三菱電機株式会社 | Speech synthesis device |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH09237277A (en) * | 1996-02-29 | 1997-09-09 | Hitachi Ltd | Method for analyzing compound noun |
JP2792147B2 (en) * | 1989-10-18 | 1998-08-27 | 松下電器産業株式会社 | Character processing method and device |
JPH11109991A (en) * | 1997-10-08 | 1999-04-23 | Mitsubishi Electric Corp | Man machine interface system |
JP2000076293A (en) * | 1998-09-02 | 2000-03-14 | Nec Corp | Abbreviated name extraction device/method and record medium |
JP2000251017A (en) * | 1999-02-25 | 2000-09-14 | Toshiba Corp | Word dictionary preparing device and word recognizing device |
JP2003333161A (en) * | 2002-05-09 | 2003-11-21 | Nec Corp | Communication terminal and memory dial search method |
JP2004326367A (en) * | 2003-04-23 | 2004-11-18 | Sharp Corp | Text analysis device, text analysis method and text audio synthesis device |
JP2006031228A (en) * | 2004-07-14 | 2006-02-02 | Oki Electric Ind Co Ltd | Morphemic analysis device, method, and program |
-
2007
- 2007-10-23 JP JP2007275651A patent/JP5125404B2/en not_active Expired - Fee Related
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2792147B2 (en) * | 1989-10-18 | 1998-08-27 | 松下電器産業株式会社 | Character processing method and device |
JPH09237277A (en) * | 1996-02-29 | 1997-09-09 | Hitachi Ltd | Method for analyzing compound noun |
JPH11109991A (en) * | 1997-10-08 | 1999-04-23 | Mitsubishi Electric Corp | Man machine interface system |
JP2000076293A (en) * | 1998-09-02 | 2000-03-14 | Nec Corp | Abbreviated name extraction device/method and record medium |
JP2000251017A (en) * | 1999-02-25 | 2000-09-14 | Toshiba Corp | Word dictionary preparing device and word recognizing device |
JP2003333161A (en) * | 2002-05-09 | 2003-11-21 | Nec Corp | Communication terminal and memory dial search method |
JP2004326367A (en) * | 2003-04-23 | 2004-11-18 | Sharp Corp | Text analysis device, text analysis method and text audio synthesis device |
JP2006031228A (en) * | 2004-07-14 | 2006-02-02 | Oki Electric Ind Co Ltd | Morphemic analysis device, method, and program |
Non-Patent Citations (7)
Title |
---|
CSNJ200510018004; 原田 俊信 Toshinobu HARADA: '若者語処理方法の未知語獲得システムへの適用' 第65回(平成15年)全国大会講演論文集(2) 人工知能と認知科学 , 20030325 * |
JPN6011066241; 鈴木 和洋: '日本語テキスト音声合成のための言語処理の検討' 情報処理学会研究報告 96-SLP-11 Vol.96 No.55, 19960528, 社団法人情報処理学会 * |
JPN6011066242; 酒井 浩之: '略語とその原形語との対応関係のコーパスからの自動獲得手法の改良' 自然言語処理 第12巻 第5号, 20051010, 言語処理学会 * |
JPN6011066243; 原田 俊信: '未知語としての若者語処理に関する基礎的考察' 電子情報通信学会技術研究報告 Vol.100 No.47, 20000505, 社団法人電子情報通信学会 * |
JPN6011066244; 竹元 義美: '日本語新聞記事からの固有名詞情報抽出' 第53回(平成8年後期)全国大会講演論文集(2) 平成8年9月4日〜6日 人工知能と認知科学 人工知能 自然言語処, 19960906, 社団法人情報処理学会 * |
JPN6011066245; 小池 麻子: 'テキストマイニングによる潜在的知識の発見支援 情報の価値化・知識化技術の実現へ向けて' 情報処理 第48巻 第8号, 20070815, 社団法人情報処理学会 * |
JPN6012050491; 原田 俊信 Toshinobu HARADA: '若者語処理方法の未知語獲得システムへの適用' 第65回(平成15年)全国大会講演論文集(2) 人工知能と認知科学 , 20030325 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013164870A1 (en) * | 2012-05-02 | 2013-11-07 | 三菱電機株式会社 | Speech synthesis device |
JP5570675B2 (en) * | 2012-05-02 | 2014-08-13 | 三菱電機株式会社 | Speech synthesizer |
DE112012006308B4 (en) * | 2012-05-02 | 2016-02-04 | Mitsubishi Electric Corporation | Speech synthesis device |
Also Published As
Publication number | Publication date |
---|---|
JP5125404B2 (en) | 2013-01-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Schultz et al. | Multilingual speech processing | |
US6879957B1 (en) | Method for producing a speech rendition of text from diphone sounds | |
US20070255567A1 (en) | System and method for generating a pronunciation dictionary | |
Davel et al. | Pronunciation dictionary development in resource-scarce environments | |
JP5198046B2 (en) | Voice processing apparatus and program thereof | |
JP4811557B2 (en) | Voice reproduction device and speech support device | |
KR20170057623A (en) | An apparatus for the linguistically disabled to synthesize the pronunciation and the script of words of a plural of designated languages | |
Chen et al. | All depressors are not alike: a comparison of Shanghai Chinese and Zulu | |
JP5088109B2 (en) | Morphological analyzer, morphological analyzer, computer program, speech synthesizer, and speech collator | |
JP5125404B2 (en) | Abbreviation determination device, computer program, text analysis device, and speech synthesis device | |
JPH06282290A (en) | Natural language processing device and method thereof | |
JP6998017B2 (en) | Speech synthesis data generator, speech synthesis data generation method and speech synthesis system | |
JP6197523B2 (en) | Speech synthesizer, language dictionary correction method, and language dictionary correction computer program | |
Ekpenyong et al. | Towards an unrestricted domain TTS system for African tone languages | |
Dijkstra et al. | Frisian TTS, an example of bootstrapping TTS for minority languages | |
JP3414326B2 (en) | Speech synthesis dictionary registration apparatus and method | |
JP2002123281A (en) | Speech synthesizer | |
JP4208819B2 (en) | Speech synthesis dictionary registration method and apparatus | |
JPH09258763A (en) | Voice synthesizing device | |
JP2004258561A (en) | Program and device for inputting data for singing synthesis | |
JP2008250090A (en) | Support device and program for learning to pronounce | |
Das et al. | Twee: A Novel Text-To-Speech Engine | |
JP2023006055A (en) | Program, information processing device, and method | |
JP2006098552A (en) | Speech information generating device, speech information generating program and speech information generating method | |
JP2024069156A (en) | Speech generation program and speech generation system |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20100616 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20111208 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20111220 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20120508 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20120706 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20121002 |
|
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20121015 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20151109 Year of fee payment: 3 |
|
LAPS | Cancellation because of no payment of annual fees |