JP3477308B2 - 機械翻訳装置 - Google Patents

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は、ある言語の文書を
他の言語の文書に変換する機械翻訳装置に関するもので
ある。

【０００２】

【従来の技術】機械翻訳装置を含め、ワードプロセッサ
やコンピュータなどの計算機上で取り扱われる文書デー
タの多くは、文字データ本体である文字情報以外にも、
文書の構成、レイアウトや文字の修飾情報、例えば罫線
の付与や書体の変更などの情報を含んでいる。

【０００３】これらの情報（以下付加情報と呼ぶ）を付
加する方式としてはいくつかの規格が既に提案されてお
り、文書の論理構造などを記述するためのＳＧＭＬ、ハ
イパーテキスト文書を記述するためのＨＴＭＬなどが知
られている。

【０００４】このような状況において、機械翻訳の分野
においても、原文書のデータの中に含まれている付加情
報をできるだけ損なわずに、通常の文書の部分を翻訳す
ることが行われている。この装置で翻訳された翻訳結果
の文書は、原文書データとほとんど同様の書式で出力す
ることが可能である。

【０００５】このような機械翻訳装置において、開始タ
グ／終了タグと呼ばれる記号を用いて、特定の区間に付
加情報を付与させている文の処理過程を考える。

【０００６】Time flies <itaric> like an arrow </it
aric> . 上記の文において、“<itaric>”、“</itaric>”がそ
れぞれ開始タグ、終了タグであり、これらの両タグはこ
の二つのタグではさまれた区間をイタリック体で出力す
ることを表している。

【０００７】この文は以下に説明する処理手順によっ
て、同じ付加情報を持った訳文へと変換される。図７の
処理ブロック図を元に説明する。まず、タグ分離部２
で、入力文書１中に出現するタグを識別し、どの単語に
タグ情報が付加されているのか記憶する。図８はタグ情
報の記憶状態（原文タグ情報６）を示す図である。タグ
情報を記憶後、タグを原文から削除する。

【０００８】次に、翻訳部３によって、文の翻訳を行
う。翻訳過程で得られる原文と訳文の単語の対応情報を
記憶する。図９は訳語の対応情報の例（訳語対応情報
７）を示す図である。

【０００９】さらに、タグ復元部４は、翻訳部３で得ら
れた翻訳結果、単語の対応情報と、タグ分離部で記憶し
ておいた原文タグ情報をもとにして、新たに訳文にタグ
を付与する。図１０が得られる訳文タグ情報を示す図で
ある。これに基づいて訳文にタグを付加し、出力文書５
が出力される。

【００１０】この例で得られる翻訳結果は次のようにな
る。

【００１１】時間は <itaric> 矢 のように </itaric>
飛ぶ 。

【００１２】

【発明が解決しようとする課題】ここで、上記したよう
な方式において、例えば次のような文を翻訳したとす
る。

【００１３】<tag1> Time flies </tag2> like an <tag
3> arrow </tag3> . この文では、タグの対応関係に誤りがある。そのため
に、<tag1>および<tag2>の有効範囲が定まらない。タグ
は文字の表示形式に関する情報を表すものであるとする
と、この文を受け取った表示装置（出力装置）は、タグ
の誤りがあることを使用者に報知して処理を中断する
か、もしくは、タグを無効であると解釈する、またはタ
グを自動的に矛盾しないように変更して処理するという
処理を行う。

【００１４】しかしながら、一般的にこの文を翻訳しよ
うとしたユーザとしては、タグが無効になってしまうと
せっかくタグ情報が欠落してしまうことになる。このこ
とは、その文だけでなく、その文書において表示形式が
原文書データと大きく異なってしまうということになり
かねない。

【００１５】例えば、前述の例文で、開始タグ<tag1>の
有効範囲を、誤った終了タグが出現する</tag2>の直前
までであるとし、対応する開始タグを持たない終了タグ
</tag2>を無効とすると、翻訳結果は以下のようにな
る。

【００１６】<tag1> 時間 </tag1> は <tag3> 矢 </tag
3> のように <tag1> 飛ぶ </tag1>。

【００１７】また、対応関係に誤りのあるタグをすべて
無効であるとすると、時間は <tag3> 矢 </tag3> のよ
うに 飛ぶ 。

【００１８】となる。

【００１９】上記した２つの結果ではどちらも、原文の
タグ情報が少なからず欠落してしまう。そのために上記
したように、表示形式が大きく変わってしまうという問
題が発生する可能性を残してしまう。

【００２０】本発明においては、このような誤ったタグ
が含まれている場合であっても、翻訳装置がタグの有効
範囲を勝手に解釈することなしに、原文のタグ情報を正
確に反映する形で翻訳処理の出力結果を得ることを目的
とするものである。

【００２１】

【課題を解決するための手段】本発明の請求項１によれ
ば、第１言語により記述された原文である文字データ、
開始位置及び終了位置を示す一対のタグにより、その区
間において各種情報を付加する付加情報からなる入力文
を入力する入力部と、前記文字データと前記付加情報の
関係を原文タグ情報として記憶し、前記入力文より前記
付加情報を分離するタグ分離部と、前記タグ分離部によ
り、タグを除いた残りの入力文を所望の第２の言語に翻
訳し、訳語対応情報として第１言語と第２言語の対応を
記憶する翻訳部と、前記翻訳部によって得られた第２言
語の文に、前記タグ分離部で一時的に分離したタグを復
元するタグ復元部と、前記タグ復元部によりタグが付け
られた第２言語の文を出力部を備えた機械翻訳装置にお
いて、タグ対応検査部は、前記タグの一文中における対
応関係を検査して開始位置及び終了位置を示す一対のタ
グの対応関係に誤りがある区間を検出し、前記翻訳部
は、前記タグ対応検査部によって分割された、タグの対
応関係に誤りがあると判断された区間にある入力文と、
当該区間の前にある入力文および当該区間の後ろにある
入力文とを、それぞれ翻訳処理を行うことを特徴とす
る。

【００２２】本発明の請求項２によれば、前記タグ対応
検査部は、タグの対応関係に誤りがあると判断された当
該区間にある入力文に対して、前記翻訳部に翻訳処理を
行わせることなく、第１言語による原文のまま出力する
ことを特徴とする。

【００２３】

【００２４】

【発明の実施の形態】本発明の実施の形態を図面を用い
て詳細に説明する。図１は本発明の構成を示すブロック
図である。入力文書１、タグ分離部２、翻訳部３、タグ
復元部４、出力文書５、原文タグ情報６、訳語対応情報
７は、図７で示した従来技術のものと同様の構成である
ので、ここでの説明は省略する。

【００２５】タグ対応検査部８についてここで詳細に説
明する。図２はタグ対応検査部をさらに細かい処理ごと
に分解して図示した図である。文字列バッファ８１は、
入力文書をそのまま、つまりタグが付与された状態のま
ま一文毎にセットするバッファである。

【００２６】タグ識別部８２は、セットされた文字列バ
ッファの先頭から走査を行い、文中に含まれているタグ
の出現位置とタグ名を順次取得する手段である。このタ
グ識別部８２で取得されたタグはタグバッファ８３に格
納される。

【００２７】タグスタック８４は、文字列バッファの現
在の走査位置までのタグの状態を記憶するための、後入
れ先出し型のスタックである。タグ識別部８２で開始タ
グが検出された時、開始タグバッファの内容及び位置を
格納する。

【００２８】タグ比較部８５は、タグ識別部８２で終了
タグが検出された時に終了タグバッファとタグスタック
８４の最上部の開始タグとを比較する手段である。つま
り、文字列バッファにセットされた文において、タグの
対応の誤りがあった場合には、このタグ比較部８５で検
出されることになる。文分割処理部８６は、タグ比較部
８５でタグの誤りが検出された場合、謝りのあったタグ
の直前と直後で文を分割するための手段である。

【００２９】分割された結果は、文前半部バッファ８６
ａ、誤りタグバッファ８６ｂ、文後半部バッファ８６ｃ
にそれぞれ格納される。文前半部バッファ８６ａの内容
は、従来の翻訳処理過程にそって翻訳を行う（図中[1]
の処理）。その翻訳結果の出力後、誤りタグバッファの
内容をそのまま出力し（図中[2]の処理）、その後文後
半部バッファの内容を改めて文字列バッファ８１へセッ
トし、処理を繰り返す（図中[3]）。文中にタグの対応
の誤りが一つも検出されなかった時には文分割処理部８
６は何も処理も行わず、文字列バッファ８１の内容がそ
のまま翻訳処理に送られる（図中[4]の処理）。

【００３０】次に図３のフローチャートを用いて処理の
流れを示す。まず、タグ対応検査部８への入力文をステ
ップＳ１で文字列バッファ８１に格納する。次にステッ
プＳ２で、タグ識別部８２の文字列バッファ走査位置の
初期化を行い、走査位置ポインタを０にセットする。

【００３１】ステップＳ３、Ｓ４、Ｓ５、Ｓ５、Ｓ８、
Ｓ１０はタグ識別部８２で行う文中のタグを切り出す処
理である。文字列バッファ８１の走査を前から順に行
い、走査位置がタグ開始記号（例では“<”）かどうか
を判断する（ステップＳ３）。

【００３２】走査位置がタグ開始記号でない場合には、
タグのポインタを進める（ステップＳ４）。さらに、ポ
インタを進めた結果文末までいったかどうかをチェック
する（ステップＳ１０）。走査位置がタグ開始記号であ
った場合には、ポインタ（の位置）をタグバッファ８３
に記憶し（ステップＳ４）、タグ終了記号（例では
“>”）まで走査を進め、タグ名をタグバッファ８３に
記憶する（ステップＳ５）。

【００３３】ここでタグ名が“/”で始まっているかど
うかをチェックする（ステップＳ６）。タグ名が“/”
で始まっていない場合は開始タグであると判断し、タグ
バッファに記憶しておいたタグ名とタグ開始位置のポイ
ンタの値の対をタグスタック８４に格納する（ステップ
Ｓ７）。

【００３４】タグ名が“/”で始まっている場合は、終
了タグであるので、まずタグスタック８４が空であるか
どうか確認し（ステップＳ９）、空でなければタグスタ
ック８４の一番上（一番新しく格納されたもの）の内容
を取り出し、タグバッファ８３の内容とタグ名の比較を
行う（ステップＳ１４）。

【００３５】タグスタック８４から取り出したタグ名
と、タグバッファ８３のタグ名が同一であれば、開始タ
グと終了タグが正しい対応関係にあるとして、そのまま
処理を続行する（ステップＳ３へ戻る）。ここで、文字
列バッファにおける走査位置ポインタの例を図４に、タ
グスタック８４の例を図５に示す。図４に示す２４の位
置にポインタが来ている時点で、図５に示すタグスタッ
ク８４には３つのタグがそれぞれ出現順に下からタグ名
と出現位置のポインタが積み上げられていることがわか
る。

【００３６】上記した処理を繰り返し、走査位置が文字
列バッファの文末まで達した時に（ステップＳ１０）、
タグスタック８４が空であれば、入力文に全くタグの対
応関係の誤りがなかったことになるので、文字列バッフ
ァの内容をそのまま、従来の機械翻訳処理に受け渡すこ
とになる（ステップＳ１３）。

【００３７】タグの対応関係に誤りがあるのは以下の３
パターンに分けられる。一つは、終了タグが出現された
にもかかわらず、タグスタックが空である場合である。
これは、タグ比較部８５において、タグバッファ８３に
終了タグが格納され（走査により終了タグが検出され）
ている際にタグスタック８４が空である場合に検出され
る誤りである。フローチャートではステップＳ９で検出
される。

【００３８】誤りの検出を受けて、文分割処理部８６は
文字列バッファ８１の、終了タグの直前までの部分、終
了タグ、終了タグより後半の部分をそれぞれ文前半部バ
ッファ８６ａ、誤りタグバッファ８６ｂ、文後半部バッ
ファ８６ｃに格納する（ステップＳ１７）。

【００３９】そして、文前半部バッファ８６ａの内容を
翻訳処理に受け渡す（ス テップＳ１８）。それに続い
て誤りタグバッファ８６ｂの内容を出力 する（ステッ
プＳ１９）。さらにそれに続いて文後半部バッファ８６
ｃの内容を文字列バッファ８１に出力する（ステップ
Ｓ２０）。この ようにして文字列バッファ８１の内容
が書き換えられる。そして処理 をステップＳ２に戻
す。

【００４０】二つめは、出現した終了タグのタグ名が、
タグスタック８４に格納されている開始タグのタグ名と
一致しない場合である。これは、タグ比較部８５におい
て、タグバッファ８３に終了タグが格納され（走査によ
り終了タグが検出され）ている際にタグスタック８４に
格納されている開始タグと、タグバッファ８３の終了タ
グとが対応しない場合に検出される誤りである。フロー
チャートではステップＳ１４で検出される。

【００４１】誤りが検出されると、タグスタック８４の
内容を全て取り出し、スタックの最下部にある開始タグ
の出現位置ポインタを取得する（ステップＳ１６）。文
分割処理部８６は誤りの検出を受け、文字列バッファの
タグより前方の部分、タグ、タグより後方の部分に分割
して（分割については前述の処理と同様）、それぞれを
各バッファ８６ａ〜８６ｃに格納する。そして、同様に
文後半部の内容を新たに文字列バッファ８１にセットし
て処理をステップＳ２に戻す。

【００４２】第３のパターンは、バッファの末尾まで走
査が終わった時点で、タグスタック８４にタグが残って
いる場合である。これは、タグ識別部８２が文字列バッ
ファ８１の走査を文末まで行った時点で、タグスタック
８４にタグが残っていた場合に検出される誤りである。
フローチャートではステップＳ１２で検出される。

【００４３】誤りが検出されると、文分割処理部８６
は、タグスタック８４の内容を全て取り出し、スタック
の最下部にある開始タグの出現位置ポインタを取得する
（ステップＳ１６）。文分割処理部８６は誤りの検出を
受け、文字列バッファのタグより前方の部分、タグ、タ
グより後方の部分に分割して（分割については前述の処
理と同様）、それぞれを各バッファ８６ａ〜８６ｃに格
納する。そして、同様に文後半部の内容を新たに文字列
バッファ８１にセットして処理をステップＳ２に戻す。

【００４４】ここまでの処理を実際の入力文に基づいて
説明する。入力文としては、前述した <tag1> Time flies </tag2> like an <tag3> arrow </t
ag3> . を用いる。

【００４５】まず、<tag1>がタグバッファ８３に記憶さ
れ、タグ比較部８５により、開始タグであることがわか
り、タグスタック８４に格納される。次に</tag2>がタ
グバッファ８３に記憶され、タグ比較部８５により終了
タグと判断されるので、タグスタック８４を取り出すと
<tag1>であり一致しないので、タグ名の不一致となる。
そこで、<tag1>を誤りタグとして分割するので、文分割
処理部８６では、文前半部バッファ８６ａには“”
（空）を、誤りタグバッファ８６ｂには“<tag1>”を、
文後半部バッファ８６ｃには“Time flies </tag2> lik
e an <tag3> arrow</tag3> .”が格納される。

【００４６】そして、文前半部バッファ８６ａの内容は
翻訳処理過程に引き渡される。この場合は空（空文）が
引き渡されるので、翻訳結果ももちろん空（空文）であ
る。

【００４７】続いて、誤りタグバッファ８６ｂに格納さ
れているタグ“<tag1>”を出力する。

【００４８】次に、文後半部バッファ８６ｃに格納され
ている“Time flies </tag2> likean <tag3> arrow </t
ag3> .”を文字列バッファ８１にもう一度セットし、処
理を繰り返す。この場合は、</tag2>を発見した時点
で、タグスタック８４が空であるので、開始タグの不足
となる。

【００４９】誤りタグは“</tag2>”となり、文前半部
バッファ８６ａには“Time flies”が、誤りタグバッフ
ァ８６ｂには“</tag2>”が、文後半部バッファ８６ｃ
には“like an <tag3> arrow </tag3> .”がそれぞれ格
納される。

【００５０】文前半部バッファの内容は翻訳処理過程に
受け渡され、翻訳結果として“時間は飛ぶ”が得られ
る。それに続いて誤りタグ“</tag2>”が出力される。
また、文後半部バッファ８６ｃに格納された“like an
<tag3> arrow </tag3> .”が文字列バッファ８１に戻さ
れて処理を繰り返す。この場合はもうタグの対応の誤り
がないので、文の分割は行われず、そのまま翻訳過程に
受け渡される。翻訳結果としては、“<tag3>矢</tag3>
のように。”が得られ、出力される。

【００５１】つまり、最終的には次のような訳文が得ら
れることになる<tag1>時間は飛ぶ</tag2><tag3>矢</tag
3>のように。

【００５２】このように、本発明による翻訳結果では、
タグと単語の前後関係が原文と一致した状態で、つまり
タグ情報を歪めることなく翻訳結果を出力されている。

【００５３】また、タグの誤りを検出した場合に、その
文は原文のまま出力してもよい。この処理のフローチャ
ートを図６に示す。ステップＳ１〜ステップＳ１４まで
は図３と同様である。ステップＳ９、ステップＳ１２、
ステップＳ１４のいづれかでタグの対応の誤りが検出さ
れると、ステップＳ２１において、原文をそのまま行わ
ずに出力する。

【００５４】

【発明の効果】本発明における装置では、入力文書の各
文に対して、開始タグと終了タグの対応を検査し、検出
されたタグの対応に誤りがある文に対して、その誤りの
タグの前後で分割を行い翻訳処理し、タグを戻すため
に、原文の持つタグ情報を歪めることなく翻訳結果を得
ることができる。

【００５５】

【００５６】また、タグの対応に誤りのある文に関し
て、原文のまま出力することにより、当然タグ情報の欠
落や歪みを防止てきる。

【００５７】このことは、多少翻訳の質を低下させて
も、文書データ重大な影響を持つタグ情報を原文とでき
る限り同じ状態で翻訳結果を得たい場合に非常に有効な
ものである。

【図面の簡単な説明】

【図１】本発明の一実施の形態における構成を示すブロ
ック図である。

【図２】本発明の一実施の形態におけるタグ対応検査部
８１の詳細な構成を示すブロック図である。

【図３】本発明の一実施の形態における処理の流れを示
すフローチャートである。

【図４】本発明の一実施の形態における文字列バッファ
８１の例と、走査位置ポインタの例を示す図である。

【図５】本発明の一実施の形態におけるタグスタック８
４の例を示す図である。

【図６】本発明の一実施の形態における処理の流れを示
すフローチャートである。

【図７】従来技術の構成を示すブロック図である。

【図８】従来技術におけるタグ情報の記憶例を示す図で
ある。

【図９】従来技術における訳語情報の記憶例を示す図で
ある。

【図１０】従来技術における訳文タグ情報の記憶例を示
す図である。

【符号の説明】

１ 入力文書 ２ タグ分離部 ３ 翻訳部 ４ タグ復元部 ５ 出力文書 ６ 原文タグ情報 ７ 訳語対応情報 ８ タグ対応検査部 ８１ 文字列バッファ ８２ タグ識別部 ８３ タグバッファ ８４ タグスタック ８５ タグ比較部 ８６ 文分割処理部 ８６ａ 文前半部バッファ ８６ｂ 誤りタグバッファ ８６ｃ 文後半部バッファ

Claims (2)

(57)【特許請求の範囲】
1. 【請求項１】 第１言語により記述された原文である文
   字データ、開始位置及び終了位置を示す一対のタグによ
   り、その区間において各種情報を付加する付加情報から
   なる入力文を入力する入力部と、 前記文字データと前記付加情報の関係を原文タグ情報と
   して記憶し、前記入力文より前記付加情報を分離するタ
   グ分離部と、 前記タグ分離部により、タグを除いた残りの入力文を所
   望の第２の言語に翻訳し、訳語対応情報として第１言語
   と第２言語の対応を記憶する翻訳部と、 前記翻訳部によって得られた第２言語の文に、前記タグ
   分離部で一時的に分離したタグを復元するタグ復元部
   と、 前記タグ復元部によりタグが付けられた第２言語の文を
   出力する出力部を備えた機械翻訳装置において、 前記タグの一文中における対応関係を検査し、開始位置
   及び終了位置を示す一対のタグの対応関係に誤りがある
   区間を検出するタグ対応検査部を備え、 前記翻訳部は、前記タグ対応検査部によって分割され
   た、タグの対応関係に誤りがあると判断された区間にあ
   る入力文と、当該区間の前にある入力文および当該区間
   の後ろにある入力文とを、それぞれ翻訳処理を行うこと
   を特徴とする機械翻訳装置。
2. 【請求項２】 前記タグ対応検査部は、タグの対応関係
   に誤りがあると判断された当該区間にある入力文に対し
   て、前記翻訳部に翻訳処理を行わせることなく、第１言
   語による原文のまま出力することを特徴とする請求項１
   に記載の機械翻訳装置。