JP4971844B2 - 用例データベース作成装置及び用例データベース作成プログラム、並びに、翻訳装置及び翻訳プログラム - Google Patents
用例データベース作成装置及び用例データベース作成プログラム、並びに、翻訳装置及び翻訳プログラム Download PDFInfo
- Publication number
- JP4971844B2 JP4971844B2 JP2007068088A JP2007068088A JP4971844B2 JP 4971844 B2 JP4971844 B2 JP 4971844B2 JP 2007068088 A JP2007068088 A JP 2007068088A JP 2007068088 A JP2007068088 A JP 2007068088A JP 4971844 B2 JP4971844 B2 JP 4971844B2
- Authority
- JP
- Japan
- Prior art keywords
- language
- translation
- sentence
- expression
- unit
- 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.)
- Expired - Fee Related
Links
Images
Landscapes
- Machine Translation (AREA)
Description
例えば、翻訳のプロフェッショナルが行った日本語から英語へのニュース翻訳の結果を調査したところ、日本語ニュース文は複数の英語ニュース文に翻訳されることの多いことが判明した。つまり、自然な英語ニュース文の単位は、日本語ニュース文の単位よりも短いことが判明した。このため、日本語の長いニュースを、自然な英語のニュースに翻訳するためには、1文の日本語を1文以上の英語に翻訳した方が適切であることになる。
なお、この編集コストは、用例データの編集に従って当該用例データに対応する第二言語の文に含まれている単語を置換、削除又は挿入する場合を計算したものである。
まず、用例データベース作成装置について構成及び動作について、続けて、翻訳装置の構成及び動作について、適宜、具体的な例を示しながら説明する。
(用例データベース作成装置の構成)
図1は、用例データベース作成装置のブロック図である。図1に示すように、用例データベース作成装置1は、第一言語の文を第二言語の文に翻訳した翻訳データが収められている対訳データベース2において、第一言語の1つの文が第二言語の複数の文に翻訳されている場合に、この第一言語の1つの文の各部分と第二言語の1つの文とが対応するように翻訳した一文対応翻訳データを対訳データベース2に追加した用例データベース4を作成するもので、翻訳データ判別手段3と、引用表現判別手段5と、引用表現パターン蓄積手段7と、引用表現分離手段9と、第二言語複数文判別手段11と、文区切りパターン蓄積手段13と、第一言語表現特定手段15と、対訳辞書データ蓄積手段17と、第一言語分割手段19と、分割第一言語対応第二言語追加手段21とを備えている。
日本語の1つの文が英語の複数の文に翻訳されているか否かを、判別するものである。この翻訳データ判別手段3による判別は、単純に日本語の1つの文に対し、対応する英語の文にピリオドが2つ以上含まれているか否かによって判定している。なお、この翻訳データ判別手段3による判別では、英語の文中に省略を示すピリオドが含まれていた場合には、当該英語の文を複数の文と判定してしまうことになる。
ここで、引用表現判別手段5で判別後、引用表現分離手段9で分離する場合の具体的な例について説明する。
複数翻訳文包含文が「JRによりますと、東海道・山陽新幹線のダイヤの乱れはきょう一杯続く見込みだということです。」であり、この複数翻訳文包含文に対応する英語の文が「The Japan Railway Company says the Tokaido Sanyo Shinkansen services will be disrupted until the last train tonight.」であるとする。
この図7に示したように、英語の(from later tonight)は日本語の(これから)に対応付けられ、英語の(until tomorrow)は日本語の(あすにかけても)に対応付けられ、英語の(Heavy rain)は日本語の(強い雨が降る)に対応付けられ、英語の(is forecast)は日本語の(恐れがあり)に対応付けられ、英語の(The Meteorological Agency)は日本語の(気象庁は)に対応付けられ、英語の(a heavy rain)は日本語の(雨に)に対応付けられ、英語の(advisory)は日本語の(警戒するよう)に対応付けられ、英語の(has issued)は日本語の(呼びかけています)に対応付けられている。
ここで、第一言語分割手段19によって、図7に示した本文が分割される例について説明する。
次に、図2に示すフローチャートを参照して、用例データベース作成装置1の動作を説明する(適宜、図1参照)。
まず、用例データベース作成装置1は、翻訳データ判別手段3によって、対訳データベース2に収められている翻訳データにおいて、日本語の1つの文が英語の複数の文に翻訳されているか否かを判別する(ステップS1)。用例データベース作成装置1は、日本語の1つの文が英語の複数の文に翻訳されている翻訳データが全くない場合(ステップS1、No)は動作を終了し、日本語の1つの文が英語の複数の文に翻訳されている場合(ステップS1、Yes)は、引用表現判別手段5によって、当該日本語の1つの文(複数翻訳文包含文)に引用表現が含まれているか否かを判別する(ステップS2)。
次に、用例データベース作成装置1で作成した用例データベース4を用いた翻訳装置について、図3を参照して説明する。図3は翻訳装置のブロック図である。
図3に示すように、翻訳装置31は、入力された第一言語の文を、第二言語の文に翻訳するもので、引用表現判別手段5と、引用表現パターン蓄積手段7と、引用表現分離手段9と、第一言語節・並列句判別手段33と、節・並列句パターン蓄積手段35と、第一言語翻訳単位分割手段37と、単位毎翻訳手段39と、翻訳手段41と、最大スコア翻訳結果選択手段43と、翻訳結果出力手段45と、対訳辞書データ蓄積手段17とを備えている。なお、図1に示した用例データベース作成装置1と同様の構成は同一の符号を付してその説明を省略する。
例えば、「このほか、道路の損壊が二ヶ所、流された橋が一ヶ所、山崩れが五ヶ所などとなっています。」という本文に、この並列句のパターンを適用すると、「道路の損壊が二ヶ所」、「流された橋が一ヶ所」、「山崩れが五ヶ所」という3つの並列句が含まれていると判別される。
例えば、「低気圧が日本付近を通過するためこれからあすにかけても北日本の太平洋側を中心にまとまった雪が降る恐れがある」は「低気圧が日本付近を通過するため」と「これからあすにかけても北日本の太平洋側を中心にまとまった雪が降る恐れがある」という2つの翻訳単位に分割される。
この翻訳処理例は、翻訳装置31に、日本語の入力文を英語に翻訳した際のもので、この図8に示すように、入力文が「(気象庁によりますと)低気圧が日本付近を通過するためこれからあすにかけて北日本の太平洋側を中心にまとまった雪が降る恐れがある(ということです。)」である。そして、この入力文中の括弧で囲った「(気象庁によりますと)(ということです。)」が引用表現であり、引用表現分離手段9で分離されているものとする。
スコア=5の翻訳候補(節に分割しなかった場合の翻訳結果)では、「低気圧が日本付近を通過するためこれからあすにかけても北日本の太平洋側を中心にまとまった雪が降る恐れがある」が「Heavy snow will fall along the Pacific Ocean in northern Japan from later tonight until tomorrow.」となる。
次に、図5に示すフローチャートを参照して、翻訳装置31の動作を説明する(適宜、図3参照)。
まず、翻訳装置31は、日本語の文を入力文として入力し(ステップ11)、引用表現判別手段5によって、この入力文が引用表現を含むか否かを判別する(ステップS12)。
まず、翻訳装置31は、第一言語翻訳単位分割手段37から、単位毎翻訳手段39に翻訳単位を入力する(ステップS21)。続いて、翻訳装置31は、単位毎翻訳手段39の用例データ取得手段39aによって、用例データベース4から、翻訳単位に含まれる述語が一致する又は類似する用例データを取得する(ステップS22)。
2 対訳データベース
3 翻訳データ判別手段
4 用例データベース
5 引用表現判別手段
7 引用表現パターン蓄積手段
9 引用表現分離手段
11 第二言語複数文判別手段
13 文区切りパターン蓄積手段
15 第一言語表現特定手段
17 対訳辞書データ蓄積手段
19 第一言語分割手段
19a、37a 主語・提題付加手段
21 分割第一言語対応第二言語追加手段
31 翻訳装置
33 第一言語節・並列句判別手段
35 節・並列句パターン蓄積手段
37 第一言語翻訳単位分割手段
39 単位毎翻訳手段
39a 用例データ取得手段
39b 用例データ選択手段
39c 編集手段
39d 翻訳候補出力手段
41 翻訳手段
43 最大スコア翻訳結果選択手段
45 翻訳結果出力手段
Claims (7)
- 第一言語の文を第二言語の文に翻訳した翻訳データが収められている対訳データベースであり、前記第一言語の1つの文が前記第二言語の複数の文に翻訳されている場合において、当該第一言語の1つの文の部分と当該第二言語の1つの文とが対応するようにした一文対応翻訳データを、前記対訳データベースに追加して、用例データベースを作成する用例データベース作成装置であって、
前記第一言語の文中に引用を表す引用表現が含まれているか否かを、前記第一言語において頻出する引用表現をパターン化した引用表現パターンを用いて判別する引用表現判別手段と、
この引用表現判別手段で引用表現が含まれていると判別した場合に、当該引用表現を、当該第一言語の文から分離して破棄する引用表現分離手段と、
この引用表現分離手段で引用表現が分離された第一言語の文を本文とし、この本文が前記第二言語の複数の文に翻訳されているか否かを、前記第二言語の文法に従った文の区切りをパターン化した文区切りパターンを用いて判別する第二言語複数文判別手段と、
この第二言語複数文判別手段で前記引用表現が分離された本文が前記第二言語の複数の文に翻訳されていると判別された場合に、当該第二言語の複数の文に含まれる単語が、前記本文に含まれる単語のどの単語に該当するのかを、前記第一言語の単語と前記第二言語の単語とが対応付けられている対訳辞書データを用いて特定する第一言語表現特定手段と、
この第一言語表現特定手段で特定された第二言語の複数の文に含まれる単語と、前記本文に含まれる単語との対応関係に従って、前記本文の各部分と前記第二言語の1つの文とが対応するように分割する第一言語分割手段と、
前記第一言語分割手段で分割された前記本文の各部分と第二言語の1つの文とが対応している一文対応翻訳データを、前記対訳データベースに追加する分割第一言語対応第二言語追加手段と、
を備えることを特徴とする用例データベース作成装置。 - 前記第一言語分割手段は、前記本文の各部分に、当該各部分の主語又は提題となる予め設定した単語を付加することを特徴とする請求項1に記載の用例データベース作成装置。
- 入力された第一言語の文を、第二言語の文に翻訳する翻訳装置であって、
請求項1のデータベース作成装置で作成された用例データベースと、
前記第一言語の文の中に引用を表す引用表現が含まれているか否かを、前記第一言語において頻出する引用表現をパターン化した引用表現パターンを用いて判別する引用表現判別手段と、
この引用表現判別手段で引用表現が含まれていると判別した場合に、当該引用表現を、該当する第一言語の1つの文から分離する引用表現分離手段と、
この引用表現分離手段で引用表現を分離した第一言語の文が節又は並列句を含むか否かを、前記第一言語の文法に従った文の節及び並列句をパターン化した節・並列句パターンを用いて判別する第一言語節・並列句判別手段と、
この第一言語節・並列句判別手段で節又は並列句を含むと判別された第一言語の文を、前記第二言語に翻訳する単位となる翻訳単位に分割する第一言語翻訳単位分割手段と、
この第一言語翻訳単位分割手段で分割された翻訳単位と前記用例データベースに含まれるデータとが一致する度合いを示すスコアを、当該翻訳単位ごとに計算して翻訳する単位毎翻訳手段と、
この単位毎翻訳手段で前記翻訳単位を翻訳する際に計算した当該翻訳単位ごとのスコアについて合計した合計スコアが最大となる最大スコア翻訳結果を選択する最大スコア翻訳結果選択手段と、
前記第一言語節・並列句判別手段で節又は並列句を含まないと判別された第一言語の文を、前記用例データベースを用いて翻訳する翻訳手段と、
前記最大スコア翻訳結果選択手段で選択された最大スコア翻訳結果、又は、前記翻訳手段で翻訳された翻訳結果と、前記引用表現分離手段で引用表現が分離された場合に当該引用表現を、第一言語の単語と第二言語の単語とが対応付けられている対訳辞書データを用いて翻訳した翻訳結果とを出力する翻訳結果出力手段と、
を備えることを特徴とする翻訳装置。 - 前記第一言語翻訳単位分割手段は、前記翻訳単位に、当該翻訳単位の主語又は提題となる予め設定した単語を付加することを特徴とする請求項3に記載の翻訳装置。
- 前記単位毎翻訳手段は、
前記用例データベースから、前記翻訳単位に含まれる述語が一致又は予め設定した類似度を満たす第一言語の文を、用例データとして取得する用例データ取得手段と、
この用例データ取得手段で取得した用例データと前記翻訳単位との構文構造が近似する度合いを表した距離を計算し、この距離が最小のものから所定数の用例データを選択する用例データ選択手段と、
この用例データ選択手段で選択した用例データと前記翻訳単位との表現が同一になるように当該用例データを編集する際に、予め設定した編集の規則に従った編集コストを計算すると共に、当該用例データを編集した後の第二言語の文を翻訳候補とする編集手段と、
前記用例データ選択手段で計算した距離と、前記編集手段で計算した編集コストとから、前記翻訳単位ごとのスコア及び翻訳候補を出力する翻訳候補出力手段と、
を備えることを特徴とする請求項3又は4に記載の翻訳装置。 - 第一言語の文を第二言語の文に翻訳した翻訳データが収められている対訳データベースであり、前記第一言語の1つの文が前記第二言語の複数の文に翻訳されている場合において、当該第一言語の1つの文の部分と当該第二言語の1つの文とが対応するようにした一文対応翻訳データを、前記対訳データベースに追加して、用例データベースを作成するために、コンピュータを、
前記第一言語の文中に引用を表す引用表現が含まれているか否かを、前記第一言語において頻出する引用表現をパターン化した引用表現パターンを用いて判別する引用表現判別手段、
この引用表現判別手段で引用表現が含まれていると判別した場合に、当該引用表現を、当該第一言語の文から分離して破棄する引用表現分離手段、
この引用表現分離手段で引用表現が分離された第一言語の文を本文とし、この本文が前記第二言語の複数の文に翻訳されているか否かを、前記第二言語の文法に従った文の区切りをパターン化した文区切りパターンを用いて判別する第二言語複数文判別手段、
この第二言語複数文判別手段で前記引用表現が分離された本文が前記第二言語の複数の文に翻訳されていると判別された場合に、当該第二言語の複数の文に含まれる単語が、前記本文に含まれる単語のどの単語に該当するのかを、前記第一言語の単語と前記第二言語の単語とが対応付けられている対訳辞書データを用いて特定する第一言語表現特定手段、
この第一言語表現特定手段で特定された第二言語の複数の文に含まれる単語と、前記本文に含まれる単語との対応関係に従って、前記本文の各部分と前記第二言語の1つの文とが対応するように分割する第一言語分割手段、
前記第一言語分割手段で分割された前記本文の各部分と第二言語の1つの文とが対応している一文対応翻訳データを、前記対訳データベースに追加する分割第一言語対応第二言語追加手段、
として機能させることを特徴とする用例データベース作成プログラム。 - 入力された第一言語の文を、第二言語の文に翻訳するために、請求項1のデータベース作成装置で作成された用例データベースを備えたコンピュータを、
前記第一言語の文の中に引用を表す引用表現が含まれているか否かを、前記第一言語において頻出する引用表現をパターン化した引用表現パターンを用いて判別する引用表現判別手段、
この引用表現判別手段で引用表現が含まれていると判別した場合に、当該引用表現を、該当する第一言語の1つの文から分離する引用表現分離手段、
この引用表現分離手段で引用表現を分離した第一言語の文が節又は並列句を含むか否かを、前記第一言語の文法に従った文の節及び並列句をパターン化した節・並列句パターンを用いて判別する第一言語節・並列句判別手段、
この第一言語節・並列句判別手段で節又は並列句を含むと判別された第一言語の文を、前記第二言語に翻訳する単位となる翻訳単位に分割する第一言語翻訳単位分割手段と、
この第一言語翻訳単位分割手段で分割された翻訳単位と前記用例データベースに含まれるデータとが一致する度合いを示すスコアを、当該翻訳単位ごとに計算して翻訳する単位毎翻訳手段、
この単位毎翻訳手段で前記翻訳単位を翻訳する際に計算した当該翻訳単位ごとのスコアについて合計した合計スコアが最大となる最大スコア翻訳結果を選択する最大スコア翻訳結果選択手段、
前記第一言語節・並列句判別手段で節又は並列句を含まないと判別された第一言語の文を、前記用例データベースを用いて翻訳する翻訳手段、
前記最大スコア翻訳結果選択手段で選択された最大スコア翻訳結果、又は、前記翻訳手段で翻訳された翻訳結果と、前記引用表現分離手段で引用表現が分離された場合に当該引用表現を、第一言語の単語と第二言語の単語とが対応付けられている対訳辞書データを用いて翻訳した翻訳結果とを出力する翻訳結果出力手段、
として機能させることを特徴とする翻訳プログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007068088A JP4971844B2 (ja) | 2007-03-16 | 2007-03-16 | 用例データベース作成装置及び用例データベース作成プログラム、並びに、翻訳装置及び翻訳プログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2007068088A JP4971844B2 (ja) | 2007-03-16 | 2007-03-16 | 用例データベース作成装置及び用例データベース作成プログラム、並びに、翻訳装置及び翻訳プログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2008233955A JP2008233955A (ja) | 2008-10-02 |
JP4971844B2 true JP4971844B2 (ja) | 2012-07-11 |
Family
ID=39906712
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2007068088A Expired - Fee Related JP4971844B2 (ja) | 2007-03-16 | 2007-03-16 | 用例データベース作成装置及び用例データベース作成プログラム、並びに、翻訳装置及び翻訳プログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP4971844B2 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6466138B2 (ja) | 2014-11-04 | 2019-02-06 | 株式会社東芝 | 外国語文作成支援装置、方法及びプログラム |
Family Cites Families (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US7353165B2 (en) * | 2002-06-28 | 2008-04-01 | Microsoft Corporation | Example based machine translation system |
-
2007
- 2007-03-16 JP JP2007068088A patent/JP4971844B2/ja not_active Expired - Fee Related
Also Published As
Publication number | Publication date |
---|---|
JP2008233955A (ja) | 2008-10-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Blodgett et al. | Demographic dialectal variation in social media: A case study of African-American English | |
KR970004100B1 (ko) | 일문 문서용 키 워드 추출 장치 | |
US8983977B2 (en) | Question answering device, question answering method, and question answering program | |
KR101279707B1 (ko) | 문서에서 정의를 식별하는 방법 및 정의 추출 시스템 | |
EP1351158A1 (en) | Machine translation | |
US20070198511A1 (en) | Method, medium, and system retrieving a media file based on extracted partial keyword | |
US8443008B2 (en) | Cooccurrence dictionary creating system, scoring system, cooccurrence dictionary creating method, scoring method, and program thereof | |
JP2020126493A (ja) | 対訳処理方法および対訳処理プログラム | |
JP2006526160A (ja) | 語彙強調予測 | |
CN1871597A (zh) | 利用一套消歧技术处理文本的***和方法 | |
CN100361124C (zh) | 用于词分析的***和方法 | |
CN111259645A (zh) | 一种裁判文书结构化方法及装置 | |
CN1786947A (zh) | 基于网页页面布局提取网页核心内容的***、方法和程序 | |
Álvarez et al. | Towards customized automatic segmentation of subtitles | |
Fachrurrozi et al. | Frequent term based text summarization for bahasa indonesia | |
JP2006227823A (ja) | 情報処理装置及びその制御方法 | |
WO2019021804A1 (ja) | 情報処理装置、および情報処理方法、並びにプログラム | |
JP4971844B2 (ja) | 用例データベース作成装置及び用例データベース作成プログラム、並びに、翻訳装置及び翻訳プログラム | |
KR20030039575A (ko) | 문서 요약 방법 및 시스템 | |
Ogrodniczuk et al. | Connecting data for digital libraries: the library, the dictionary and the corpus | |
JP4401269B2 (ja) | 対訳判断装置及びプログラム | |
JP2009295101A (ja) | 音声データ検索システム | |
JP4478042B2 (ja) | 頻度情報付き単語集合生成方法、プログラムおよびプログラム記憶媒体、ならびに、頻度情報付き単語集合生成装置、テキスト索引語作成装置、全文検索装置およびテキスト分類装置 | |
JP7131130B2 (ja) | 分類方法、装置、及びプログラム | |
JPH06348751A (ja) | 言語変換装置 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20090319 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20120308 |
|
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: 20120313 |
|
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: 20120406 |
|
FPAY | Renewal fee payment (event date is renewal date of database) |
Free format text: PAYMENT UNTIL: 20150413 Year of fee payment: 3 |
|
R150 | Certificate of patent or registration of utility model |
Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
LAPS | Cancellation because of no payment of annual fees |