JPH01205226A - 単語辞書検索装置 - Google Patents

Abstract

(57)【要約】本公報は電子出願前の出願データであるた
め要約のデータは記録されません。

Description

【発明の詳細な説明】 （産業上の利用分野） 本発明は、ワードプロセッサ等の文章処理装置に用いら
れ、単語辞書から文章の部分文字列に一致する全ての単
語を検索する単語辞書検索装置に関する。

（従来の技術） 近年、ワードプロセッサをはじめとする文章処理装置の
普及は著しい、このような文章処理装置において、最も
高頻度に行われる処理のひとつは、文字列検索処理であ
る０例えば、文章の所望の位置を捜すためにある文字列
を検索したり、文意中のある文字列を全て別の文字列に
置き換えたりする場合などに、文字列検索処理が行われ
る（これを第１種の文字列検索処理とする）。きらには
、文章の検査（文章中の誤りや不適切な部分の検出）、
キーワードの自動抽出、文章の音声への変換、他国語へ
の自動翻訳といったより高度な文章処理を行うための第
１ステツプとして、単語辞書と文章とを照合し、単語辞
書から文章の部分文字列に一致する全ての単語を検索す
る場合にも、文字列検索処理が行われる（これを第２種
の文字列検索処理とする。）単語辞書と文章の照合は、
単語辞書に登録されている複数の単語の表記の文字列と
、文章の文字列との照合であり、やはり文字列検索処理
である。第１種の文字列検索処理と第２種の文字列検索
処理とは、文章から被検索文字列を捜し出す点では変わ
りがないが、第１種の文字列検索処理の被検索文字列は
、通常１個、多くとも数個程度であり、第２種の文字列
検索処理の被検索文字列は、通常、数刃側から数十刃側
（＝単語辞書に収められている単語数）という膨大な数
である点が、大きな相違点である。

そこで、従来、文字列検索処理専用に、登録モードと検
索モードとを有し、登録モードにおいては、入力される
複数の文字列を内部に記憶し、検索モードにおいては、
入力される文字列（ワールドカード文字を含むことを許
す）から、登録モードで記憶きれた複数の文字列と一致
する全ての部分文字列を検出する文字列検索手段が実現
きれている。このような文字列検索手段は、次の文献（
１）に示されているようにＬＳＩ化されている。なお、
ワールドカード文字とは、任意の文字と一致するように
予め定められた特殊文字である。

１文字列検索ＬＳＩ。

（山田・平田・水弁・高橋、 電子情報通信学会技術研究報告ＣＡ　Ｓ　８７−２５．
１９８７年５月２９日）　　　　　　　・・・文献（１
）上記のような文字列検索手段は、第１種の文字列検索
処理には容易に適用できる。すなわち、まず、登録モー
ドで被検索文字列を文字列検索手段に登録し、次に、検
索モードで文章を文字列検索手段に入力すれば、文章か
ら所望の文字列を検索することができる。

（発明が解決しようとする課題） しかし、上記の文字列検索手段を、第２種の文字列検索
地理に適用するには問題がある。前記したように被検索
文字列の数が、通常、数刃側から数十刃側という膨大な
数であるためである。したがって、第１種の文字列検索
処理と同様の形態で第２種の文字列検索処理を実現しよ
うとすると（登録モードで単語辞書の各単語を登録して
、検索モードで文章を入力する方法をとると）、文字列
検索手段が非常に多くの文字列を登録可能であるか、あ
るいは、文字列検索手段が多数用意されることが必要に
なる０例えば、前記の文献（１）でＬＳＩとして実現さ
れている文字列検索手段は、登録可能な文字列の数が６
４個であり、６万４千語の単語辞書を登録するのに、１
千個必要である。

そこで、文字列検索手段に、単語辞書ではなく、文章を
登録する方法が考えられる。すなわち、まず、登録モー
ドで文章を文字列検索手段に登録し、検索モードで！に
語辞書を入力するという方法である。文章の基本的な単
位である文の長さは、一般に、数十文字であるから、こ
の方法の方が、単語辞書を登録する方式に比べて、文字
列検索手段の個数が少なくて済む。しかし、文章に対し
て、先頭文字位置と文字列長を変えて形成した可能な全
てのパターンを、文字列検索手段に登録する必要がある
４例えば、「日本語を学習する。

という８文字の文に対しては、次のようなバリエーショ
ン（３６通り）を登録する必要がある。８文字程度の文
で３６通りであるから、数十文字の文に対しては数百通
りから数千通りともなり、やはり、文字列検索手段が多
数必要になってくる。

日本語を学習する 日本語を学習す 日本語を学習 日本語を学 日本語を 日本語 日本 日 単語を学習する 単語を学習す 単語を学習 単語を学 語を学習する 語を学習す また、ここで述べたような文字列検索手段を用いずに第
２種の文字列検索処理を実現する方法もあるが、第２種
の文字列検索処理についても文字列検索手段を用いた方
が、第１種の文字列検索処理と第２種の文字列検索処理
とで、１つの文字列検索手段を共用できる点で、文章処
理装置としては望ましい（文章処理装置として、効率の
良い構成がとれる）。

本発明の目的は、以上に述べたような文字列検索手段を
用いた単語辞書検索装置であって、かつ、従来よりも少
ない個数の文字列検索手段で構成できる単語辞書検索装
置を提供することである。

（課題を解決するための手段） 前述の課題を解決し上記目的を達成するために本発明が
提供する手段は、単語辞書から文章の部分文字列に一致
する金工の単語を検索する単語辞書検索装置であって、
前記文章の全文字位置から一定の長さの単位文字列を抽
出する単位文字列抽出手段と、登録モードと検索モード
とを有し該登録モードにおいては入力される複数の文字
列を内部に記憶し該検索モードにおいては入力されるワ
ールドカード文字を含む文字列から前記登録モードで記
憶された複数の文字列と一致する全ての部分文字列を検
出する文字列検索手段と、前記文字列検索手段に対して
登録モードを設定し前記単位文字列抽出手段によって抽
出きれた複数の単位文字列を前記文字列検索手段に入力
する単位文字列登録手段と、与えられた文字列の末尾に
前記単位文字列と同一の長さになるまでワールドカード
文字を付加するワールドカード付加手段と、前記文字列
検索手段に対して検索モードを設定し前記ワールドカー
ド付加手段により前記単語辞書の各単語の表記にワール
ドカード文字を付加して前記文字列検索手段に入力する
単語辞書入力手段とを備えることを特徴とする。

（作用） 本発明の詳細な説明する。

本発明における単位文字列抽出手段は、長啓がｎ文字の
文章から、ｎ通りの単位文字列（一定の長さの文字列）
を抽出する。このときの単位文字列の長きＵは、単語辞
書における最大表記長と同一とするのが最も効果的であ
る（単語辞書中の最大長の表記よりも長い文章の部分文
字列と照合を行っても無駄である）。発明が解決しよう
とする課題の項で示したような文章を文字列検索手段に
登録する従来の方法では、長さがｎの文章から抽出した
先頭位置の異なるｎ通りの単位文字列を、さらに、長さ
の異なる部分文字列に展開するわけであるから、部分文
字列の総数（文字列検索手段に登録する文字列の数）は
、次のようになる。

例えは、ｎ＝８とすると上記の式の値は、ｎ＝８のとき
３６、ｎ＝１６のとき１００、ｎ＝３２のとき２２８で
ある。本発明で文字列検索手段に登録する単位文字列の
数は、ｎ＝８のとき８、ｎ＝１６とき１６、ｎｘ３２の
とき３２であるから、従来の方法に比へて、はるかに少
なくて済む（したがって、文字列検索手段の数も少なく
て済む）。

そして、本発明では、単位文字列を長さの異なる部分文
字列に展開する代わりに、ワールドカード付加手段によ
り単語辞書中の単語の表記にワールドカード文字を付加
し、文字列検索手段のワールドカード文字を照合する機
能を利用することによって、単位文字列から長さの異な
る複数の単語を検出するようにしている。第２図は単語
辞書１の内容の例である。第２図において、各単語はデ
リミタ「／、をはさんでベタ詰めされている０例えば、
１日本語を学習する」という文章の先頭から１日本語、
１日本、「日」という単語群を抽出する場合、従来の方
法ならば、次のような８通りの部分文字列と、第２図の
ような単語辞書１とを照合することになる。

日本語を学習する 日本語を学習す 日本語を学習 日本語を学 日本語を 日本語 日本 日 しかし、本発明では、単語辞書の各表記に、長さＵまで
ワールドカード文字を付加してから照合を行う、第３図
は、第２図の単語辞書１の各表記にワールドカード文字
を付加した形を示した図である（ｕ−８の場合、ワール
ドカード文字は「＄、で表している。）シたがって、本
発明では、「日本語を学習する」という１通りの単位文
字列と、第３図のような文字列とを照合すればよいこと
になる。

（実施例） 図面を参照して、本発明の詳細な説明する。

第１図は本発明の単語辞書検索装置の一実施例の構成を
示すブロック図である。

第１図に、おいて、単語辞書１は、単語を登録した辞書
である。磁気ディスク装置、磁気テープ装置、ＩＣメモ
リ、光デイスク装置などで実現することができる。第２
図は、単語辞書１の内容の例である。第２図の単語辞書
１は、各単語の表記をデリミタをはさんでベタ詰めした
形態をとっている。（第２図の単語辞書１では、デリミ
タを１／」で表している）、単語辞書１は必ずしも、表
記をベタ詰めする必要はないが、ベタ詰めした方が容量
が小さく抑えられる。また、第２図の単語辞書１では、
単語が各単語の表記の文字フード類に並べられているが
、本発明の単語辞書１では、表記の文字フード類に並べ
られている必要はない、なお、単語辞書１には、表記以
外に品詞・読みなどの情報を含んでもよい。

文章入力手段２は、文章を入力する手段である。その場
で作成されながら文章が入力される形態をとっても良い
し、予め他の装置で作成された文章をまとめて読み込む
形態をとっても良い。文章入力手段２は、キーボード、
文字認識装置、音声認識装置、かな漢字変換装置、磁気
ディスク読み取り装置、磁気テープ読み取り装置などで
実現することができる。文章入力手段２より入力された
文章は、単位文字列抽出手段３へ送られる。

単位文字列抽出手段３は、文章入力手段２より入力され
た文章の全文字位置から、一定の長さＵの単位文字列を
抽出する手段である。この単位文字列の長さＵは、例え
ば、単語辞書１における最大表記長とすればよい（単語
辞書１における最大表記長より長くｕを設定してもよい
が、最大表記長よりも長い文章の部分文字列と照合を行
っても無駄である）。例えば、ｕｗ８の場合（以下、動
作例では、同様にｕ＝８として説明を行う）、「第１図
は本発明の単語辞書検索装置の一実施例の構成を示すブ
ロック図である。、という文章からは、次のような単位
文字列を抽出する。単位文字列抽出手段３は、抽出した
単位文字列を単位文字列登録手段５へ送る。

第１図は本発明の １図は本発明の車 図は本発明の単語 は本発明の単語界 本発明の単語辞書 すブロック図であ ブロック図である ロック図である。

ツク図である。

り図である。

図である。

である。

ある。

る。

文字列検索手段４は、登録モードと検索モードとを有し
、登録モードにおいては、入力される複数の文字列を内
部に記憶し、検索モードにおいては、入力諮れる文字列
（ワールドカード文字を含むことを許す）から、登録モ
ードで記憶された複数の文字列と一致する全ての部分文
字列を検出する手段である。文字列検索手段４は、公知
の手段であり、例えば、前記の文献（１）のようにして
実現できる。文＃（１）のようにして文字列検索手段４
を実現した場合、登録モードと検索モードの切り替えは
、外部からの信号を受は取ることによって行われる６登
録モードにおいては、まず、登録アドレス（文字列検索
手段４の内部に記憶する位置）が外部から設定され、続
いて、登録する文字列とが外部から入力されたならば、
文字列検索手段４は、文字列を１つ内部に記憶する。こ
れが繰り返諮れると、複数の文字列が文字列検索手段４
の内部に記憶されることになる。検索モードにおいては
、登録モードで記憶された文字列と一致する文字列が入
力されるごとに、文字列検索手段４は、一致した文字列
の登録アドレスを出力する。また、その際、入力序れる
文字列における一致位置（一致アドレス）は、登録アド
レスが出力されたときに、文字列検索手段４に文字列が
どこまで入力きれたかをカウントしておくことによって
得られ、登録アトし・スが出力されるのと同時に、文字
列検索手段４から出力される。

単位文字列登録手段５は、文字列検索手段４に対して登
録モードを設定し、単位文字列抽出手段３から送られて
きた複数の単位文字列を、文字列検索手段４へ入力する
手段である。第４図は、文献（１）のようにして文字列
検索手段４を実現した場合の、単位文字列登録手段５の
処理手順を示すフローチャートである。単位文字列登録
手段５は、まず、文字列検索手段４へ登録モードを設定
する信号を送る（その信号により文字列検索手段４は登
録モードになる）、そして、単位文字列登録手段５は、
単位文字列抽出手段３から単位文字列を１つずつ受は取
り、受は取った単位文字列を文字列検索手段４へ登録す
ることを繰り返す、単位文字列の文字列検索手段４への
登録は、登録アドレスを設定した後、登録する単位文字
列を文字列検索手段４へ入力するという処理である。単
位文字列抽出手段３から送られてくる単位文字列がなく
なったならば、単位文字列登録手段５は文字列検索手段
４へ登録モードを解除する信号を送り、処理を終了する
（ただし、登録モードを解除する信号は、単語辞書入力
手段６の発する検索モード設定信号で代用して省略する
形もとれる）。

ワールドカード付加手段９は、与えられた文字列の末尾
に、単位文字列と同一の長さＵになるまで、ワールドカ
ード文字を付加する手段である。

単語辞書入力手段６から単語の表記（可変長）を受は取
り、単語辞書入力手段６ヘワイルド力−ド文字を付加し
た結果を返す形態で動作する６例えば、単語辞書入力手
段６かも「日本、という表記を受は取ったならば、単語
辞書入力手段６へ「日本！Ｊｕｔ！ＪＪ＄＄　Ｊを返し
、「日本語、という表記を受は取ったならば「日本語１
１１１１１！４！、を返す。ワールドカード文字を長さ
Ｕまで付加した文字列を形成する方法は、例えば、予め
ワールドカード文字をＵ個収めたバッファを用意してお
き、単語辞書入力手段６から受は取った表記を、その文
字列長分だけ、先頭からバッファにセットしくオーバー
ライドして書き込み）、その結果のバッファ内の文字列
を取り出せば良い。

単語辞書入力手段６は、文字列検索手段４に対して検索
モードを設定し、ワールドカード付加手段９により単語
辞書１の各単語の表記にワールドカード文字を付加して
、文字列検索手段４へ入力する手段である。処理手順は
、単位文字列登録手段５とほぼ同様で、まず、文字列検
索手段４に検索モードを設定する信号を送り、次に、単
語辞書１を文字列検索手段４へ入力し、その入力が完了
したら、文字列検索手段４へ検索モードを解除する信号
を送る。ただし、単語辞書１を文字列検索手段４へ入力
する際には、単語辞書１の各単語をワールドカード付加
手段９へ渡し、それに対してワールドカード付加手段９
より返される文字列を、文字列検索手段４へ入力するよ
うにする。したがって、単語辞書入力手段６は、第２図
のような内容の単語辞書１を読み込んで、それをワール
ドカード付加手段９により第３図のようなワールドカー
ド文字付きの文字列に変えて、文字列検索手段４へ入力
する。なお、単語辞書入力手段６は、単位文字列登録手
段５による単位文字列の文字列検索手段４への登録処理
が完了してから、起動される必要がある。

検索結果記憶手段７は、文字列検索手段４による検索結
果を記憶する手段である。磁気ディスク装置、磁気テー
プ装置、ＩＣメモリなどで実現することができる。検索
結果とは、文章中のどの部分に、どのような単語が出現
したか（単語辞書中の単語と文章がどこで一致したか）
という情報である。文章中のどの部分かという情報は、
文字列検索手段４において一致が発生したときに、文字
列検索手段４から出力される（一致した単位文字列の）
登録アドレスと対応する。どのような単語かという情報
は、文字列検索手段４において一致が発生したときに、
文字列検索手段４から出力される、単語辞書１の一致ア
ドレスと対応する。そこで、検索結果記憶手段７は、一
致が発生したときの、単位文字列の登録アドレスと単語
辞書１の一致アドレスの組を記憶する。この２つのアド
レスは、一致が発生したときに文字列検索手段４から出
力される情報であるから、それをそのまま記憶すればよ
い。

制御手段８は、文章入力手段２．単位文字列抽出手段３
１文字列検索手段４．単位文字列登録手段５．単語辞書
入力手段６の動作を制御し、第５図のような処理を行わ
せる手段である。コンピュータのＣＰＵなどが用いられ
る。制御手段８は、まず、文章入力手段２を起動して文
章を入力する。次に、制御手段８は、単位文字列抽出手
段３を起動して、文章から単位文字列を抽出する。続い
て、制御手段８は、単位文字列登録手段５を起動し、単
位文字列を文字列検索手段４に登録する（この際、文字
列検索手段４は登録モードに設定され、単位文字列登録
手段５より入力される単位文字列を、内部に記憶する′
）。続いて、制御手段８は、単語辞書入力手段６を起動
し、単語辞書１にワールドカード文字を付加して文字列
検索手段４へ入力する（この際、文字列検索手段４は検
索モードに設定され、内部に記憶きれた単位文字列に対
して、ワールドカード文字を含んだ単語辞書１の文字列
を検索した結果を、検索結果記憶手段７へ出力する）。

本実施例では、ワールドカード付加手段９は、単語辞書
入力手段６から直接制御されるようになっている（制御
手段８がワールドカード付加手段９を制御するような形
態も可能である）。

なお、１個の文字列検索手段４では文字列が登録しきれ
ない場合には、登録できる数ずつ登録・検索を繰り返す
方法か、または、複数個の文字列検索手段４を用いる方
法をとればよい。複数個の文字列検索手段４を用いる場
合には、登録モードでは、制御手段８が文字列検索手段
４に登録された文字列の数を堂視し、１つの文字列検索
手段４の登録可使数に達したならば、単位文字列登録手
段５へ登録する文字列検索手段４を切り替える指令を送
るようにする。検索モードでは、単語辞書入力手段６は
、複数の文字列検索手段４へ並列に単語辞書１を入力し
、文字列検索手段４から出力される検索結果は、全て検
索結果記憶手段７へ書き込むようにする。

従来技術の項で示した第１種の文字列検索処理の実施形
態では、検索モードにおいて、文章を文字列検索手段に
入力する。この際、文章の任意の文字位置から照合が行
われる形がとられる。しかし、本発明のように、検索モ
ードにおいて、単語辞書を文字列検索手段に入力する場
合には、単語辞書の文字列の任意の位置から照合を行う
必要はない、各単語の表記の先頭位置から照合を開始す
ればよい、そのような照合開始位置の制限を行うために
は、次のような２つの方法がある。単語辞書内の表記は
単語ごとにデリミタで区切られているので、第一の方法
は、文字列検索手段の照合がデリミタの直後から行われ
るように制御することである（これは、一般に、アンカ
ーマツチと呼ばれる照合方法である）０文献（１）に示
されている文字列検索手段では、そのようなアンカーマ
ツチを実現できるようになっている。第二の方法は、ア
ンカーマツチを用いずに、登録する単位文字列の先頭に
デリミタを登録しておくものである。これによって、文
字列検索手段がアンカーマツチ機能を持たなくとも、単
語辞書内のデリミタ位置から照合が行える。

また、第１種の文字列検索処理を、これまでに述べてい
る文字列検索手段で行っているような文章作成装置に、
本発明の単語辞書検索装置を組み込むならば、文字列検
索手段を、第１種の文字列検索処理と第２種の文字列検
索処理とで共用することができる。

（発明の効果） 以上に説明したように、本発明によれば、文字列検索手
段を用いた単語辞書検索装置であって、かつ、従来より
も少ない個数の文字列検索手段で構成できる単語辞書検
索装置が得られる。

そして、文字列検索手段を用いた単語辞書検索装置であ
るので、第１種の文字列検索処理を、文字列検索手段で
行う文章作成装置と組み合わせることによって、文字列
検索手段を、第１種の文字列検索処理と第２種の文字列
検索処理とで共用する、効率の良い構成の文章作成装置
が実現できる。そして、単語辞書検索装置を組み込むこ
とによって、文章作成装置は、文章について単なる文字
列の情報だけでなく、単語の情報を利用することかでき
ろようになり、文章の検査や文章の音声変換をはしめと
する、より高度な文章処理を行えるようになる。

なお、本発明の単語辞書検索装置では、単語辞書に登録
きれている単語は、必ずしも表記の文字コード順に並べ
られている必要はない。従来、単語辞書については、そ
のなかに登録されている単語の並びを管理することが、
単語の追加・削除作業に大きな負荷を加えていた６本発
明で用いている単語辞書は、そのような追加・削除作業
の負荷をなくすことができる。

きらに、単語辞書は、表記をベタ詰めした形態がとれる
ので、表記領域を固定長にした場合に比べて、容量が／
Ｊ％さく抑えられる。

【図面の簡単な説明】

第１図は本発明の一実施例の構成を示すブロック図、第
２図は単語辞書１の内容の例を示す図、第３図は単語辞
書１内の各単語の表記にワールドカード文字を付加した
結果を示す図、第４図は単位文字列登録手段５の処理手
順を示すフローチャート、第５図は第１図実施例の処理
手順を示すフローチャートである。 １・・・単語辞書、２・・・文章入力手段、３・・・単
位文字列抽出手段、４・・・文字列検索手段、５・・・
単位文字列登録手段、６・・・単語辞書入力手段、７・
・・検索結果記憶手段、８・・・制御手段、９・・・ワ
ールドカード付加手段。

Claims (1)

【特許請求の範囲】
1. 　単語辞書から文章の部分文字列に一致する全ての単語
   を検索する単語辞書検索装置において、前記文章の全文
   字位置から一定の長さの単位文字列を抽出する単位文字
   列抽出手段と、登録モードと検索モードとを有し該登録
   モードにおいては入力される複数の文字列を内部に記憶
   し該検索モードにおいては入力されるワールドカード文
   字を含む文字列から前記登録モードで記憶された複数の
   文字列と一致する全ての部分文字列を検出する文字列検
   索手段と、前記文字列検索手段に対して登録モードを設
   定し前記単位文字列抽出手段によって抽出された複数の
   単位文字列を前記文字列検索手段に入力する単位文字列
   登録手段と、与えられた文字列の末尾に前記単位文字列
   と同一の長さになるまでワールドカード文字を付加する
   ワールドカード付加手段と、前記文字列検索手段に対し
   て検索モードを設定し前記ワールドカード付加手段によ
   り前記単語辞書の各単語の表記にワールドカード文字を
   付加して前記文字列検索手段に入力する単語辞書入力手
   段とを備えることを特徴とする単語辞書検索装置。