JP6020093B2 - Alphabet reading estimation device - Google Patents

Alphabet reading estimation device Download PDF

Info

Publication number
JP6020093B2
JP6020093B2 JP2012260940A JP2012260940A JP6020093B2 JP 6020093 B2 JP6020093 B2 JP 6020093B2 JP 2012260940 A JP2012260940 A JP 2012260940A JP 2012260940 A JP2012260940 A JP 2012260940A JP 6020093 B2 JP6020093 B2 JP 6020093B2
Authority
JP
Japan
Prior art keywords
partial
character string
alphabet
alphabet character
reading
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.)
Active
Application number
JP2012260940A
Other languages
Japanese (ja)
Other versions
JP2014106857A (en
Inventor
貴弘 大塚
貴弘 大塚
啓吾 川島
啓吾 川島
訓 古田
訓 古田
山浦 正
正 山浦
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Mitsubishi Electric Corp
Original Assignee
Mitsubishi Electric Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Mitsubishi Electric Corp filed Critical Mitsubishi Electric Corp
Priority to JP2012260940A priority Critical patent/JP6020093B2/en
Publication of JP2014106857A publication Critical patent/JP2014106857A/en
Application granted granted Critical
Publication of JP6020093B2 publication Critical patent/JP6020093B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Machine Translation (AREA)
  • Document Processing Apparatus (AREA)

Description

本発明は、アルファベット文字列の読みを推定する装置に関するものである。   The present invention relates to an apparatus for estimating reading of an alphabetic character string.

従来のアルファベット読み推定装置は、アルファベット文字列とその日本語読みとを対応付けた大量のデータを用いて、入力されたアルファベット文字列を分解した複数の文字列とその日本語読みとのngram(複数要素の連鎖)頻度(例えば、「tio,ショ」と「n,ン」の連鎖の頻度)を計算し、このngram頻度を用いた音訳モデルに基づいて、入力されたアルファベット単語の日本語読みを推定する装置であった。(例えば、特許文献1)   A conventional alphabet reading estimation apparatus uses a large amount of data in which an alphabet character string and its Japanese reading are associated with each other, and an gramm of a plurality of character strings obtained by decomposing an input alphabet character string and its Japanese reading. Multi-element linkage) frequency (for example, “tio, sho” and “n, n” chain frequency) is calculated and based on the transliteration model using this ngram frequency, the input alphabetic word is read in Japanese It was the device which estimates. (For example, Patent Document 1)

特許第4084515号公報Japanese Patent No. 4084515

特許文献1に開示されているアルファベット読み推定装置は、日本語の読みを推定するアルファベット文字列が入力されると、所定の文字列単位の部分アルファベット文字列に分解し、分解された部分アルファベット文字列のngram頻度を大量データから参照し、参照したデータから音訳モデルに基づいて、日本語読みを推定する。 The alphabet reading estimation device disclosed in Patent Literature 1 is decomposed into partial alphabet character strings in units of predetermined character strings when an alphabet character string for estimating Japanese readings is input, and the decomposed partial alphabet characters The ngram frequency of the column is referenced from a large amount of data, and Japanese readings are estimated from the referenced data based on the transliteration model.

一般に、アルファベット読み推定装置は、単語辞書内に入力されたアルファベット文字列に対応するより長い文字列があれば、より正確に読みを推定できる。しかし、より長い文字列を多数内包するために大量のデータを単語辞書内に記憶させる必要があるため、メモリ等が余分に必要となり、ハードウェアコストが高くなる。一方、少量のデータでngram頻度テーブルを構成すると、データの信頼性を欠くという問題があった。   In general, the alphabet reading estimation device can estimate reading more accurately if there is a longer character string corresponding to the alphabet character string input in the word dictionary. However, since it is necessary to store a large amount of data in the word dictionary in order to include a lot of longer character strings, an extra memory or the like is required, resulting in an increase in hardware cost. On the other hand, when the gram frequency table is configured with a small amount of data, there is a problem that the reliability of the data is lacking.

本発明に係るアルファベット読み推定装置は単語辞書に大量のデータが無くても、少ないデータで信頼性の高いアルファベットの日本語等の特定言語の読みを推定可能とすることを目的とする。   An object of the present invention is to enable estimation of reading of a specific language such as Japanese of an alphabet with high reliability even if there is no large amount of data in a word dictionary.

本発明は、入力されたアルファベット文字列を複数の部分アルファベット文字列に分解して、前記部分アルファベット文字列とその読みの候補である複数の部分読みを対応づけて登録させた辞書を参照して、該部分アルファベット文字列ごとに部分読みを推定するアルファベット読み推定装置において、アルファベット文字列を構成する複数の辞書部分アルファベット文字列のうち、複数の部分読みが推定される辞書部分アルファベット文字列に基づいて作成された辞書特徴アルファベット文字列と、前記複数の部分読みとを対応させ、前記辞書特徴アルファベット文字列の読みを部分読みとして使用する頻度を得点で表した部分得点辞書と、前記入力されたアルファベット文字列を構成する複数の部分アルファベット文字列のうち、複数の部分読みが推定される部分アルファベット文字列に基づいて複数の特徴アルファベット文字列を作成する特徴アルファベット文字列作成部と、前記部分得点辞書を参照して、前記複数の部分読みが推定される辞書特徴アルファベット文字列に一致する前記特徴アルファベット文字列の得点を前記複数の部分読みごとに算出する特徴アルファベット文字列得点算出部と、前記複数の部分読みごとに算出した得点に基づいて部分読みを推定する特徴アルファベット文字列読み判定部と、を備えることを特徴とする。   The present invention refers to a dictionary in which an input alphabet character string is decomposed into a plurality of partial alphabet character strings, and the partial alphabet character string and a plurality of partial readings that are candidates for reading are associated with each other and registered. In the alphabet reading estimation device for estimating partial reading for each partial alphabet character string, based on a dictionary partial alphabet character string from which a plurality of partial readings are estimated among a plurality of dictionary partial alphabet character strings constituting the alphabet character string The dictionary feature alphabet character string created in correspondence with the plurality of partial readings, and a partial score dictionary representing the frequency with which the reading of the dictionary feature alphabet character string is used as the partial reading, and the input Among the multiple partial alphabet strings that make up the alphabet string, multiple A characteristic alphabet character string creating unit that creates a plurality of characteristic alphabet character strings based on a partial alphabet character string on which partial reading is estimated, and a dictionary feature on which the plurality of partial readings are estimated with reference to the partial score dictionary A characteristic alphabet character string score calculation unit that calculates a score of the characteristic alphabet character string that matches the alphabet character string for each of the plurality of partial readings, and estimates a partial reading based on the score calculated for each of the plurality of partial readings And an alphabetic character string reading determination unit.

本発明に係るアルファベット読み推定装置は、入力アルファベット文字列を部分アルファベット文字列に分解し、さらに部分アルファベット文字列から特徴アルファベット文字列を抽出して部分読みとして使用される頻度に応じて得点付けを行い、その得点に基づいて部分読みを推定する構成としたので、少量のデータでも信頼性の高い特定言語の読みを提供することができる。   The alphabet reading estimation device according to the present invention decomposes an input alphabet character string into partial alphabet character strings, further extracts characteristic alphabet character strings from the partial alphabet character strings, and scores them according to the frequency used as partial readings. Since the partial reading is estimated based on the score, the reading of a specific language with high reliability can be provided even with a small amount of data.

実施の形態1に係るアルファベット読み推定装置の装置構成を示す図。FIG. 3 is a diagram illustrating a device configuration of the alphabet reading estimation device according to the first embodiment. 実施の形態1に係る見出し辞書の例を示す図。FIG. 3 is a diagram showing an example of a heading dictionary according to the first embodiment. 実施の形態1に係る部分得点辞書の例を示す図。FIG. 4 is a diagram showing an example of a partial score dictionary according to the first embodiment. 実施の形態1に係るアルファベット読み推定装置の動作フローチャートを示す図。The figure which shows the operation | movement flowchart of the alphabet reading estimation apparatus which concerns on Embodiment 1. FIG. 実施の形態1に係る見出し系列の例を示す図。FIG. 5 is a diagram showing an example of a headline series according to the first embodiment. 実施の形態1に係る特徴アルファベット文字列の例を示す図。FIG. 4 is a diagram illustrating an example of a characteristic alphabet character string according to the first embodiment. 実施の形態1に係る部分アルファベット文字列の合計得点の例を示す図。The figure which shows the example of the total score of the partial alphabetic character string which concerns on Embodiment 1. FIG. 実施の形態2に係る部分得点辞書の例を示す図。The figure which shows the example of the partial score dictionary which concerns on Embodiment 2. FIG. 実施の形態2に係る部分アルファベット文字列の合計得点の例を示す図。The figure which shows the example of the total score of the partial alphabet character string which concerns on Embodiment 2. FIG.

実施の形態1
以下、図1から図7を用いて本発明の実施の形態1を説明する。図1は実施の形態1に係るアルファベット読み推定装置の装置構成を示す図である。図2は実施の形態1に係る見出し辞書の例を示す図である。図3は実施の形態1に係る部分得点辞書の例を示す図である。図4は実施の形態1に係るアルファベット読み推定装置の動作フローチャートを示す図である。図5は実施の形態1に係る見出し系列の例を示す図である。図6は実施の形態1に係る特徴アルファベット文字列の例を示す図である。図7は実施の形態1に係る部分アルファベット文字列の合計得点の例を示す図である。
Embodiment 1
Hereinafter, Embodiment 1 of the present invention will be described with reference to FIGS. FIG. 1 is a diagram showing a device configuration of the alphabet reading estimation device according to the first embodiment. FIG. 2 is a diagram showing an example of a heading dictionary according to the first embodiment. FIG. 3 is a diagram showing an example of the partial score dictionary according to the first embodiment. FIG. 4 is a diagram showing an operation flowchart of the alphabet reading estimation apparatus according to the first embodiment. FIG. 5 is a diagram illustrating an example of a heading sequence according to the first embodiment. FIG. 6 is a diagram illustrating an example of a characteristic alphabet character string according to the first embodiment. FIG. 7 is a diagram showing an example of the total score of the partial alphabetic character strings according to the first embodiment.

以下、図1を用いて実施の形態1に係るアルファベット読み推定装置1の構成を説明する。   Hereinafter, the configuration of the alphabet reading estimation apparatus 1 according to Embodiment 1 will be described with reference to FIG.

実施の形態1に係るアルファベット読み推定装置1は、入力装置10と、情報処理部20と、記憶部30と、出力装置40とで構成される。日本語読みを推定するアルファベット文字列(以下、「入力アルファベット文字列」とする)は、入力装置10から情報処理部20へ入力され、情報処理部20で日本語読みが推定されて出力装置40から出力される。例えば、情報処理部20は、入力装置10から「reversal」という入力アルファベット文字列が入力されると、「リバーサル」という日本語読みを作成して出力装置40から出力する。   The alphabet reading estimation apparatus 1 according to Embodiment 1 includes an input device 10, an information processing unit 20, a storage unit 30, and an output device 40. Alphabetic character strings for estimating Japanese readings (hereinafter referred to as “input alphabet character strings”) are input from the input device 10 to the information processing unit 20, and Japanese readings are estimated by the information processing unit 20 to output the output device 40. Is output from. For example, when an input alphabet character string “reversal” is input from the input device 10, the information processing unit 20 creates a Japanese reading “reversal” and outputs it from the output device 40.

入力装置10は、入力アルファベット文字列を情報処理部20に入力する装置である。例えば、キーボードやタッチパネル等がこれにあたる。   The input device 10 is a device that inputs an input alphabet character string to the information processing unit 20. For example, a keyboard or a touch panel corresponds to this.

記憶部30は、入力アルファベット文字列の日本語読みの推定に使用する各種データ(見出し辞書31と部分得点辞書32)を記憶する装置である。例えばハードディスクドライブなどがこれにあたる。   The memory | storage part 30 is an apparatus which memorize | stores the various data (Heading dictionary 31 and the partial score dictionary 32) used for the estimation of the Japanese reading of an input alphabet character string. This is the case for hard disk drives, for example.

見出し辞書31は、アルファベット文字列を複数の文字列に分解したもの(以下、「辞書部分アルファベット文字列」という)とその日本語読み(以下、「部分読み」とする)とを対応付けたデータである。見出し辞書31は、予め、アルファベット文字列に日本語読みを付与して対応付け、さらにアルファベット文字列と日本語読みの音の対応をとることで作成される。例えば、図2は見出し辞書31の例である。この見出し辞書31は、アルファベット文字列「conversation」、「disposal」、「anniversary」、「recognize」から作成されたものである。これらのアルファベット文字列に日本語読みを付与し、音で区切ると、「co/n/ver/sa/tio/n」=「カ/ン/バ/セー/ショ/ン」、「di/s/po/sa/l」=「ディ/ス/ポー/ザ/ル」、「a/nni/ver/sa/ry」=「ア/ニ/バー/サ/リー」、「re/co/g/ni/ze」=「リ/コ/グ/ナイ/ズ」となる。例えば、番号1の行には、辞書部分アルファベット文字列「a」に部分読み「ア」が対応づけられている。これは、「a/nni/ver/sa/ry」=「ア/ニ/バー/サ/リー」の頭文字から作成された見出し辞書31である。なお、辞書部分アルファベット文字列「sa」は、対応する部分読みが「セー」、「ザ」、「サ」のように複数あるので、部分読みが複数対応付けられている。   The heading dictionary 31 is data in which an alphabet character string is decomposed into a plurality of character strings (hereinafter referred to as “dictionary partial alphabet character string”) and its Japanese reading (hereinafter referred to as “partial reading”). It is. The heading dictionary 31 is created in advance by assigning Japanese readings to an alphabetic character string and associating them with each other, and further taking correspondence between the alphabetic character string and the Japanese reading sound. For example, FIG. 2 is an example of the heading dictionary 31. The heading dictionary 31 is created from the alphabetic character strings “conversion”, “disposal”, “anniversary”, and “recognize”. If these alphabetic character strings are given Japanese readings and separated by sounds, “co / n / ver / sa / tio / n” = “ka / n / ba / se / sho / on”, “di / s / Po / sa / l ”=“ Di / Su / Po / The / Le ”,“ a / nni / ver / sa / ry ”=“ A / Di / Bar / Sa / Lee ”,“ re / co / g / Ni / ze ”=“ re / co / g / nai / z ”. For example, a partial reading “a” is associated with the line number 1 in the dictionary partial alphabet character string “a”. This is a heading dictionary 31 created from the acronym “a / nni / ver / sa / ry” = “a / ni / bar / sa / ree”. The dictionary partial alphabet character string “sa” has a plurality of corresponding partial readings such as “se”, “za”, and “sa”, so a plurality of partial readings are associated with each other.

部分得点辞書32は、辞書部分アルファベット文字列から抽出された辞書特徴アルファベット文字列に対応する部分読みが使用される頻度を表す部分得点33で構成される得点情報である。ここで、辞書特徴アルファベット文字列とは、見出し辞書31を作成する際に用いたアルファベット文字列に基づいて辞書部分アルファベット文字列から文字列を抽出したもので、具体的には、「辞書部分アルファベット文字列」と「辞書部分アルファベット文字列を分解して抽出した文字列」と「辞書部分アルファベット文字列を中心に前又は後の文字を含めて抽出した文字列」とをいう。また、使用される頻度とは、1つの部分アルファベット文字列に特定の部分読みを付す頻度のことをいう。ここで、図3は実施の形態1に係る部分得点辞書32の例である。この部分得点辞書32は、アルファベット文字列「conversation」、「disposal」、「anniversary」、「recognize」と、これらのアルファベット文字列から得られた部分アルファベット文字列「sa」とその部分読みから作成されたものである。辞書部分アルファベット文字列「sa」において、「辞書部分アルファベット文字列」は「sa」、「辞書部分アルファベット文字列を分解して抽出した文字列」は「s」と「a」、「辞書部分アルファベット文字列を中心に前又は後の文字を含めて抽出した文字列」は「o−sa」、「r−sa」、「sa+l」、「sa+t」、「po−sa」、「er−sa」となる。図3において、「o−sa」という辞書特徴アルファベット文字列の「sa」の部分に対して「サ」と読む(部分読み)頻度が高い場合、辞書特徴アルファベット文字列「o−sa」の列うち、部分読み「サ」の行の部分得点33は高く設定される。なお、辞書特徴アルファベット文字列の「−」や「+」は、「辞書部分アルファベット文字列を中心に前又は後の文字を含めて抽出した文字列」の「辞書部分アルファベット文字列」と「前又は後の文字」との接続関係を示す記号である。例えば「−」は「辞書部分アルファベット文字列」と「前の文字」とが接続されていることを示し、「+」は「辞書部分アルファベット文字列」と「後の文字」とが接続されていることを示す。また、部分得点辞書32は、アルファベット文字列にその日本語読みを付与し、音の対応を分析して作成される。この部分得点33は、設計者の知見や多数のデータの性能テストの結果から設定される得点である。   The partial score dictionary 32 is score information composed of partial scores 33 representing the frequency with which partial reading corresponding to the dictionary characteristic alphabet character string extracted from the dictionary partial alphabet character string is used. Here, the dictionary characteristic alphabet character string is a character string extracted from the dictionary partial alphabet character string based on the alphabet character string used when the index dictionary 31 was created. “Character string”, “Character string extracted by decomposing dictionary partial alphabet character string” and “Character string extracted including characters before or after the dictionary partial alphabet character string”. Moreover, the frequency used is a frequency which attaches a specific partial reading to one partial alphabet character string. Here, FIG. 3 is an example of the partial score dictionary 32 according to the first embodiment. The partial scoring dictionary 32 is created from the alphabet strings “conversion”, “disposal”, “anniversary”, “recognize”, the partial alphabet string “sa” obtained from these alphabet strings, and its partial readings. It is a thing. In the dictionary partial alphabet character string “sa”, the “dictionary partial alphabet character string” is “sa”, and the “character string extracted by decomposing the dictionary partial alphabet character string” is “s”, “a”, “dictionary partial alphabet” “O-sa”, “r-sa”, “sa + l”, “sa + t”, “po-sa”, “er-sa” are extracted from the character string including the preceding or following characters. It becomes. In FIG. 3, when the frequency of “sa” in the dictionary characteristic alphabet character string “o-sa” is read as “sa” (partial reading), the dictionary characteristic alphabet character string “o-sa” Of these, the partial score 33 of the line of partial reading “sa” is set high. In addition, “−” and “+” of the dictionary characteristic alphabet character string are “dictionary partial alphabet character string” and “previous character string extracted from the dictionary partial alphabet character string including the preceding or following characters”. It is a symbol indicating a connection relationship with “or a subsequent character”. For example, “−” indicates that “dictionary part alphabet character string” and “previous character” are connected, and “+” indicates that “dictionary part alphabet character string” and “following character” are connected. Indicates that The partial score dictionary 32 is created by assigning Japanese readings to an alphabetic character string and analyzing the correspondence of sounds. This partial score 33 is a score set from the knowledge of the designer and the results of performance tests on a large number of data.

情報処理部20は、入力アルファベット文字列の日本語読みを推定する装置である。情報処理部20は、入力アルファベット文字列分解部21、見出し系列作成部22、推定対象決定部23、特徴アルファベット文字列作成部24、部分アルファベット文字列得点算出部25、部分アルファベット文字列読み判定部26、から構成される。   The information processing unit 20 is a device that estimates Japanese readings of an input alphabet character string. The information processing unit 20 includes an input alphabet character string decomposition unit 21, a headline series creation unit 22, an estimation target determination unit 23, a feature alphabet character string creation unit 24, a partial alphabet character string score calculation unit 25, and a partial alphabet character string reading determination unit. 26.

入力アルファベット文字列分解部21は、入力装置10から入力アルファベット文字列を受けて、複数の部分アルファベット文字列に分解する装置である。   The input alphabet character string decomposition unit 21 is a device that receives an input alphabet character string from the input device 10 and decomposes it into a plurality of partial alphabet character strings.

見出し系列作成部22は、見出し辞書31を参照して、入力アルファベット文字列を分解して得られた部分アルファベット文字列に部分読みを割り当てた見出し系列220を作成する装置である。   The headline series creation unit 22 is an apparatus that creates a headline series 220 by referring to the headline dictionary 31 and assigning partial readings to partial alphabetic character strings obtained by decomposing an input alphabetic character string.

推定対象決定部23は、複数の部分アルファベット文字列のうち、部分読みを推定する部分アルファベット文字列を選択する装置である。   The estimation target determining unit 23 is a device that selects a partial alphabet character string for estimating partial reading from among a plurality of partial alphabet character strings.

特徴アルファベット文字列作成部24は、部分アルファベット文字列から特徴アルファベット文字列を抽出する装置である。特徴アルファベット文字列とは、部分アルファベット文字列の文字列を抽出したもので、具体的には、「部分アルファベット文字列」と「部分アルファベット文字列を分解して抽出した文字列」と「部分アルファベット文字列を中心に前又は後の文字を含めて抽出した文字列」とをいう。例えば、入力アルファベット文字列「reversal」の部分アルファベット文字列「sa」において、「部分アルファベット文字列」は「sa」、「部分アルファベット文字列を分解して抽出した文字列」は、「s」、「a」、「部分アルファベット文字列を中心に前又は後の文字を含めて抽出した文字列」は、「r−sa」、「sa+l」、「er−sa」、「sa+l$」となる。また、「$」マークは何も文字が無いことを意味する。なお、「部分アルファベット文字列を分解して抽出した文字列」は、部分アルファベット文字列が1文字である場合は分解することができないため作成されない。   The characteristic alphabet character string creating unit 24 is a device that extracts a characteristic alphabet character string from a partial alphabet character string. Characteristic alphabet string is a character string extracted from a partial alphabet string. Specifically, "partial alphabet string", "character string extracted by decomposing partial alphabet string" and "partial alphabet" It is a "character string extracted including the preceding or succeeding characters centering on the character string". For example, in the partial alphabet character string “sa” of the input alphabet character string “reversal”, “partial alphabet character string” is “sa”, “character string extracted by decomposing the partial alphabet character string” is “s”, “A” and “a character string extracted including the preceding or following character centered on a partial alphabetic character string” are “r-sa”, “sa + l”, “er-sa”, and “sa + l $”. The “$” mark means that there are no characters. Note that the “character string extracted by decomposing a partial alphabetic character string” is not created because the partial alphabetic character string cannot be decomposed if it is one character.

部分アルファベット文字列得点算出部25は、部分得点辞書32を参照して、部分読みごとに特徴アルファベット文字列の得点を割り当てて合算し、合計得点201を算出する装置である。   The partial alphabet character string score calculation unit 25 is a device that refers to the partial score dictionary 32 and assigns and adds the score of the characteristic alphabet character string for each partial reading to calculate the total score 201.

部分アルファベット文字列読み判定部26は、部分アルファベット文字列得点算出部25で合算された得点に基づいて部分アルファベット文字列の部分読みを推定する装置である。   The partial alphabet character string reading determination unit 26 is a device that estimates partial reading of the partial alphabet character string based on the score added by the partial alphabet character string score calculation unit 25.

出力装置40は、情報処理部20で推定された入力アルファベット文字列の日本語読みを表示する装置である。例えば、PCモニタやカーナビゲーションシステムのディスプレイがこれにあたる。   The output device 40 is a device that displays Japanese readings of the input alphabet character string estimated by the information processing unit 20. For example, the display of a PC monitor or a car navigation system corresponds to this.

次に、図4を用いて実施の形態1に係るアルファベット読み推定装置1の動作を説明する。なお、図4の説明では、入力装置10から情報処理部20に入力アルファベット文字列「reversal」が入力され、日本語読み「リバーサル」が出力装置40に出力される例を説明する。なお、この例では、日本語読みないし部分読みを片仮名文字で示したが、平仮名でもよい。   Next, operation | movement of the alphabet reading estimation apparatus 1 which concerns on Embodiment 1 is demonstrated using FIG. In the description of FIG. 4, an example in which an input alphabet character string “reversal” is input from the input device 10 to the information processing unit 20 and a Japanese reading “reversal” is output to the output device 40 will be described. In this example, Japanese readings or partial readings are shown with katakana characters, but hiragana may be used.

ステップ1において、入力装置10は、入力アルファベット文字列「reversal」を情報処理部20に入力する。   In step 1, the input device 10 inputs the input alphabet character string “reversal” to the information processing unit 20.

ステップ2において、入力アルファベット文字列分解部21は、入力アルファベット文字列「reversal」を複数の部分アルファベット文字列に分解する。なお、入力アルファベット文字列分解部21は、見出し辞書31に登録されている辞書部分アルファベット文字列の区分で入力アルファベット文字列を分解する。すなわち、この例においては、見出し辞書31に登録されている辞書部分アルファベット文字列は「re」「ver」「sa」「l」なので、入力アルファベット文字列分解部21は、入力アルファベット文字列を「re、ver、sa、l」と分解する。なお、見出し辞書31には登録されている辞書部分アルファベット文字列として「sa」以外に「s」「a」も存在するが、この例ではより長い文字列の「sa」で分解する方法を採用する。   In step 2, the input alphabet character string decomposition unit 21 decomposes the input alphabet character string “reversal” into a plurality of partial alphabet character strings. Note that the input alphabet character string decomposing unit 21 decomposes the input alphabet character string according to the classification of dictionary partial alphabet character strings registered in the heading dictionary 31. That is, in this example, the dictionary partial alphabet character strings registered in the heading dictionary 31 are “re”, “ver”, “sa”, “l”, and therefore the input alphabet character string decomposition unit 21 converts the input alphabet character string into “ re, ver, sa, l ”. In addition, although “s” and “a” exist in addition to “sa” as a registered dictionary partial alphabet character string in the heading dictionary 31, in this example, a method of decomposing with a longer character string “sa” is adopted. To do.

ステップ3において、見出し系列作成部22は、見出し辞書31を参照して見出し系列220を作成する。見出し系列作成部22は、分解した複数の部分アルファベット文字列と一致する辞書部分アルファベット文字列を見出し辞書31から検索する。また、辞書部分アルファベット文字列の部分読みを対応する部分アルファベット文字列に割り当てる。ここで、図5は実施の形態1に係る見出し系列の例を示す図である。この例において、見出し系列作成部22は、入力アルファベット文字列「re、ver、sa、l」の部分アルファベット文字列「re」、「ver」、「sa」、「l」にそれぞれ部分読み「リ」、「バ/バー」、「セー/ザ/サ」、「ル」を割り当てる。   In step 3, the headline series creation unit 22 creates a headline series 220 with reference to the headline dictionary 31. The heading series creation unit 22 searches the heading dictionary 31 for a dictionary partial alphabet character string that matches a plurality of decomposed partial alphabet character strings. Further, partial reading of the dictionary partial alphabet character string is assigned to the corresponding partial alphabet character string. Here, FIG. 5 is a diagram showing an example of the header series according to the first embodiment. In this example, the headline series creation unit 22 performs partial reading “re-read” on partial alphabet character strings “re”, “ver”, “sa”, and “l” of the input alphabet character string “re, ver, sa, l”. ”,“ Bar / bar ”,“ se / the / sa ”,“ le ”.

ステップ4において、推定対象決定部23は、ステップ3で作成された見出し系列220の部分アルファベット文字列のうち、部分読みを推定する部分アルファベット文字列を選択する。この例では「sa」を選択する。   In step 4, the estimation target determining unit 23 selects a partial alphabet character string for which partial reading is estimated from the partial alphabet character strings of the header series 220 created in step 3. In this example, “sa” is selected.

ステップ5において、ステップ4で選択された部分アルファベット文字列に部分読みが複数対応づけられている場合はステップ6に進む。一方、選択された部分アルファベット文字列の部分読みが1つである場合は、ステップ8に進む。   In step 5, if a plurality of partial readings are associated with the partial alphabet character string selected in step 4, the process proceeds to step 6. On the other hand, if the selected partial alphabetic character string has one partial reading, the process proceeds to step 8.

ステップ6において、特徴アルファベット文字列作成部24は、推定対象決定部23で選択された部分アルファベット文字列について特徴アルファベット文字列を作成する。ここで、図6は実施の形態1に係る特徴アルファベット文字列の例を示す図である。ステップ1で入力された入力アルファベット文字列が「reversal」で、ステップ4で選択された部分アルファベット文字列が「sa」であるので、「部分アルファベット文字列」(図6では「中心全部」と示す)は、「sa」となる。また、「部分アルファベット文字列を分解して抽出した文字列」(図6では、「中心1」、「中心2」と示す)は、それぞれ「s」、「a」となる。さらに、「部分アルファベット文字列を中心に前又は後の文字を含めて抽出した文字列」(図6では、1つ前の文字を含めた文字列を「前」、2つ前の文字まで含めた文字列を「前前」、後ろの文字を含めた文字列は「後」、2つ後ろの文字まで含めて抽出した文字列を「後後」と示す)は、それぞれ「r−sa」、「er−sa」、「sa+l」、「sa+l$」となる。   In step 6, the characteristic alphabet character string creating unit 24 creates a characteristic alphabet character string for the partial alphabet character string selected by the estimation target determining unit 23. Here, FIG. 6 is a diagram illustrating an example of the characteristic alphabet character string according to the first embodiment. Since the input alphabet character string input in step 1 is “reversal” and the partial alphabet character string selected in step 4 is “sa”, “partial alphabet character string” (in FIG. 6, “all center” is indicated). ) Becomes “sa”. “Character strings extracted by decomposing partial alphabetic character strings” (indicated as “center 1” and “center 2” in FIG. 6) are “s” and “a”, respectively. Further, “a character string extracted including the preceding or following character centering on the partial alphabetic character string” (in FIG. 6, the character string including the previous character is included up to the “before” and the previous two characters. The character string including the preceding character is indicated as “rear”, and the character string extracted including the character after the second character is indicated as “after”. , “Er−sa”, “sa + l”, and “sa + l $”.

ステップ7において、部分アルファベット文字列得点算出部25は、部分得点辞書32を参照して部分アルファベット文字列の合計得点34を算出する。図7(a)は実施の形態1に係る部分アルファベット文字列「sa」の合計得点34の例である。部分アルファベット文字列得点算出部25は、部分得点辞書32を参照してステップ4で選択された部分アルファベット文字列の特徴アルファベット文字列と一致する辞書特徴アルファベット文字列の得点を対応する部分読みごとに設定する。この例の場合、見出し系列220において、選択された部分アルファベット文字列は「sa」で、部分読みが「セー/ザ/サ」なので、部分アルファベット文字列得点算出部25は、「sa」の特徴アルファベット文字列の「s、a、sa、r−sa、er−sa、sa+l、sa+l$」の得点を部分読み「セー/ザ/サ」のそれぞれに割り当てる。さらに、部分読みごとに全ての特徴アルファベット文字列の部分得点33を合算して合計得点34を得る。なお、特徴アルファベット文字列「sa+l$」は部分得点辞書501に記述されていないので、部分アルファベット文字列の合計得点34に影響しない。   In step 7, the partial alphabet character string score calculation unit 25 refers to the partial score dictionary 32 and calculates the total score 34 of the partial alphabet character string. FIG. 7A shows an example of the total score 34 of the partial alphabet character string “sa” according to the first embodiment. The partial alphabet character string score calculation unit 25 refers to the partial score dictionary 32 and determines the score of the dictionary characteristic alphabet character string that matches the characteristic alphabet character string of the partial alphabet character string selected in step 4 for each corresponding partial reading. Set. In this example, since the selected partial alphabet character string is “sa” and the partial reading is “se / the / sa” in the heading series 220, the partial alphabet character string score calculation unit 25 has the feature of “sa”. The score of “s, a, sa, r-sa, er-sa, sa + l, sa + l $” of the alphabet string is assigned to each of the partial readings “se / the / sa”. Furthermore, the total score 34 is obtained by adding the partial scores 33 of all characteristic alphabet character strings for each partial reading. Since the characteristic alphabet character string “sa + l $” is not described in the partial score dictionary 501, the total score 34 of the partial alphabet character string is not affected.

ステップ8において、部分アルファベット文字列読み判定部26は、部分アルファベット文字列の合計得点34を参照して、この部分読みの合計得点34のうち1番高いものを正しい部分読みと推定する。この例の場合、部分アルファベット文字列「sa」の特徴アルファベット文字列「s、a、r−sa、er−sa、sa+l」の部分得点33の合計得点34は、「サ」の行の1.3点が1番高い。したがって、部分アルファベット文字列読み判定部26は、「sa」の部分読みを「サ」であると推定する。なお、ステップ5において、選択された部分アルファベット文字列の部分読みが1つであると判断された場合には、ステップ8はその部分読みを正しい読みであると判断する。   In step 8, the partial alphabet character string reading determination unit 26 refers to the total score 34 of the partial alphabet character strings, and estimates the highest one of the total partial readings 34 as the correct partial reading. In this example, the total score 34 of the partial scores 33 of the characteristic alphabet string “s, a, r-sa, er-sa, sa + 1” of the partial alphabet string “sa” is 1. Three points are the highest. Therefore, the partial alphabetic character string reading determining unit 26 estimates that the partial reading of “sa” is “sa”. If it is determined in step 5 that there is only one partial reading of the selected partial alphabet character string, step 8 determines that the partial reading is a correct reading.

ステップ9において、見出し系列220における全ての部分アルファベット文字列に対して日本語読みを推定した場合はステップ10に進む。一方、まだ日本語読みが推定されていない部分アルファベット文字列が存在する場合は、ステップ4に戻り、同じ動作を繰り返す。すなわち、部分アルファベット文字列「sa」以外の部分アルファベット文字列である「re」、「ver」、「l」についても日本語読みを推定する。例えば、図7(b)は、実施の形態1に係る部分アルファベット文字列「ver」の合計得点34の例である。部分アルファベット文字列「sa」の部分読みの推定と同様に合計得点34が高い部分読み「バー」を正しい部分読みであると推定する。   If it is determined in step 9 that Japanese readings have been estimated for all partial alphabetic character strings in the headline series 220, the process proceeds to step 10. On the other hand, if there is a partial alphabet character string for which Japanese reading is not yet estimated, the process returns to step 4 to repeat the same operation. That is, Japanese readings are also estimated for “re”, “ver”, and “l” that are partial alphabet character strings other than the partial alphabet character string “sa”. For example, FIG. 7B is an example of the total score 34 of the partial alphabetic character string “ver” according to the first embodiment. Similar to the estimation of partial reading of the partial alphabet character string “sa”, a partial reading “bar” having a high total score 34 is estimated as a correct partial reading.

ステップ10において、ステップ8で全ての部分読みが推定された場合には、出力装置40は、入力アルファベット文字列の読み「re、ver、sal」の日本語読み「リ、バー、サ、ル」を出力装置40へ出力する。   In step 10, when all partial readings are estimated in step 8, the output device 40 reads the input alphabetic character string reading “re, ver, sal” and the Japanese reading “re, bar, sa, le”. Is output to the output device 40.

以上のように、実施の形態1に係るアルファベット読み推定装置1の動作は終了する。   As described above, the operation of the alphabet reading estimation device 1 according to Embodiment 1 ends.

なお、実施の形態1に係るアルファベット読み推定装置1の説明において、入力アルファベット文字列は「reversal」としたが、これは1例であり、未知の入力アルファベット文字列であればこれに限られるものではない。   In the description of the alphabet reading estimation apparatus 1 according to the first embodiment, the input alphabet character string is “reversal”, but this is only an example, and the input alphabet character string is not limited to this as long as it is an unknown input alphabet character string. is not.

また、実施の形態1に係る推定対象決定部23では、見出し系列220の中から推定する部分アルファベット文字列「sa」を最初に選択した例を示しているが、部分アルファベット文字列を選択する順番はこれに限られず、前から順に「re」、「ver」、「sa」、「l」と選ぶように構成しても良い。   In addition, in the estimation target determination unit 23 according to the first embodiment, an example in which the partial alphabet character string “sa” to be estimated from the heading series 220 is first selected is shown, but the order in which the partial alphabet character strings are selected. Is not limited to this, and “re”, “ver”, “sa”, and “l” may be selected in order from the front.

さらに、入力アルファベット文字列は、英語である例を示したが、フランス語やドイツ語等のアルファベットを用いた言語であればよく、英語に限られるものではない。また、出力される部分読みを日本語読みとしたが、これに限られるものではなく、中国語などの別の言語でも良い。   Furthermore, although the input alphabet character string showed the example which is English, it should just be a language using alphabets, such as French and German, and is not restricted to English. Moreover, although the partial reading to be output is Japanese reading, it is not limited to this, and another language such as Chinese may be used.

なお、特徴アルファベット文字列作成部24で作成される特徴アルファベット文字列の部分アルファベット文字列を分解して抽出した特長」は、部分アルファベット文字列の前後2文字まで抽出したが、これに限られるものではなく、前後1文字以上であればよい。   Note that “feature obtained by decomposing and extracting a partial alphabet character string of the characteristic alphabet character string created by the characteristic alphabet character string creating unit 24” is extracted up to two characters before and after the partial alphabet character string, but is limited to this. Instead, it may be one or more characters before and after.

以上のように実施の形態1に係るアルファベット読み推定装置1は特徴アルファベット文字列作成部24により、読みを推定する部分アルファベット文字列について部分アルファベット文字列を分割した文字列や、部分アルファベット文字列、さらに、部分アルファベット文字列とその部分アルファベット文字列の前後の文字列を含めたものを特徴アルファベット文字列として作成し、この複数の特徴アルファベット文字列に基づいて読みを推定する構成としたので、見出し辞書31に登録されたデータが少ない場合でも、読みをより正確に推定することができる。   As described above, the alphabet reading estimation device 1 according to Embodiment 1 uses the characteristic alphabet character string creating unit 24 to divide a partial alphabet character string into partial alphabet character strings for which reading is estimated, a partial alphabet character string, In addition, a partial alphabet character string and a character string including the character string before and after the partial alphabet character string are created as a characteristic alphabet character string, and the reading is estimated based on the plurality of characteristic alphabet character strings. Even when the data registered in the dictionary 31 is small, the reading can be estimated more accurately.

実施の形態2
以下、図8、図9、を用いて実施の形態2を説明する。図8は実施の形態2に係る部分得点辞書の例を示す図である。図9は実施の形態2に係る部分アルファベット文字列の合計得点の例を示す図である。なお、実施の形態2に係るアルファベット読み推定装置1の構成は、図1を用いて説明した実施の形態1に係るアルファベット読み推定装置1の構成と同様であるため、説明を省略する。なお、実施の形態1に係る推定対象決定部23は、部分読みを推定する順序は任意であるとした。一方、実施の形態2に係る推定対象決定部23は、部分読みを入力アルファベット文字列の前から順に選択するものとする。
Embodiment 2
The second embodiment will be described below with reference to FIGS. FIG. 8 is a diagram showing an example of the partial score dictionary according to the second embodiment. FIG. 9 is a diagram showing an example of the total score of the partial alphabetic character strings according to the second embodiment. In addition, since the structure of the alphabet reading estimation apparatus 1 which concerns on Embodiment 2 is the same as that of the alphabet reading estimation apparatus 1 which concerns on Embodiment 1 demonstrated using FIG. 1, description is abbreviate | omitted. Note that the estimation target determining unit 23 according to Embodiment 1 has an arbitrary order of estimating partial readings. On the other hand, the estimation target determining unit 23 according to Embodiment 2 selects partial readings sequentially from the front of the input alphabet character string.

実施の形態1に係る部分得点辞書32は、辞書特徴アルファベット文字列と、部分読みと、部分得点33とで構成される得点情報であった。一方、実施の形態2に係る部分得点辞書32は、部分読みの代わりに先行部分読みを採用したものである。先行部分読みとは、読みを推定する辞書部分アルファベット文字列の部分読みに加えて、1つ前の部分読み(推定した部分読み)を含めたものである。図8は実施の形態2に係る部分得点辞書の例を示す図である。辞書特徴アルファベット文字列「r−sa」に対して先行部分読み「バー・サ」と読む場合の部分得点33は、「0.6」である。一方、辞書特徴アルファベット文字列「r−sa」に対して先行部分読み「バー・セー」と読む場合の部分得点33は、「0.4」である。これは、辞書部分アルファベット文字列「sa」の前の辞書部分アルファベット文字列に対応する読みが「バー」である場合において、辞書特徴アルファベット文字列「r−sa」の「sa」の部分読みは、「セー」と読む場合よりも「サ」と読む場合の方が多いことを表している。なお、実施の形態1に係る部分得点辞書32と同様、実施の形態2に係る部分得点辞書32は設計者の知見や多数のデータの性能テストの結果から設定される。   The partial score dictionary 32 according to the first embodiment is score information including a dictionary characteristic alphabet character string, a partial reading, and a partial score 33. On the other hand, the partial score dictionary 32 according to the second embodiment employs a preceding partial reading instead of a partial reading. The preceding partial reading includes a partial partial reading (estimated partial reading) in addition to the partial reading of the dictionary partial alphabet character string for which the reading is estimated. FIG. 8 is a diagram showing an example of the partial score dictionary according to the second embodiment. The partial score 33 in the case of reading the preceding partial reading “bar / sa” for the dictionary characteristic alphabet character string “r-sa” is “0.6”. On the other hand, the partial score 33 in the case of reading the preceding partial reading “Bar Sa” for the dictionary characteristic alphabet character string “r-sa” is “0.4”. This is because, when the reading corresponding to the dictionary partial alphabet string before the dictionary partial alphabet string “sa” is “bar”, the partial reading of “sa” in the dictionary characteristic alphabet string “r-sa” is This means that there are more cases of reading “sa” than reading “se”. As with the partial score dictionary 32 according to the first embodiment, the partial score dictionary 32 according to the second embodiment is set based on the knowledge of the designer and the results of performance tests on a large number of data.

また、実施の形態1に係る部分アルファベット文字列得点算出部25は、見出し系列220のうち推定対象決定部23で選択された部分アルファベット文字列の特徴アルファベット文字列と、これに対応する部分読みを抽出し、部分得点辞書32にならい得点を設定した。一方、実施の形態2に係る部分アルファベット文字列得点算出部25は、部分読みに代えて先行部分読みを抽出する。例えば、図9は実施の形態2に係る部分アルファベット文字列の合計得点の例である。なお、この例では、推定対象決定部23で選択された部分アルファベット文字列は「sa」であるとし、部分アルファベット文字列「re」、「ver」について、既に部分読みが推定されているものとする。部分アルファベット文字列得点算出部25は、既に部分アルファベット文字列読み判定部26によって推定した1つ前の部分アルファベット文字列の部分読み「バー」と、推定対象決定部23で選択した部分アルファベット文字列「sa」の読みである「セー/ザ/サ」を抽出して先行部分読みとする。   Further, the partial alphabet character string score calculation unit 25 according to the first embodiment reads the characteristic alphabet character string of the partial alphabet character string selected by the estimation target determination unit 23 in the heading series 220 and the partial reading corresponding thereto. The extracted score was set according to the partial score dictionary 32. On the other hand, the partial alphabet character string score calculation unit 25 according to Embodiment 2 extracts the preceding partial reading instead of the partial reading. For example, FIG. 9 is an example of the total score of partial alphabetic character strings according to the second embodiment. In this example, it is assumed that the partial alphabet character string selected by the estimation target determining unit 23 is “sa”, and partial reading has already been estimated for the partial alphabet character strings “re” and “ver”. To do. The partial alphabet character string score calculation unit 25 includes the partial reading “bar” of the previous partial alphabet character string already estimated by the partial alphabet character string reading determination unit 26 and the partial alphabet character string selected by the estimation target determination unit 23. The “sa / the / sa” reading of “sa” is extracted and used as the preceding partial reading.

なお、この例では、入力アルファベット文字列「reversal」を分解した先頭の部分アルファベット文字列「re」の部分読みの推定において、部分アルファベット文字列「re」は先行する部分読みがないため、実施の形態1と同様の方法で部分読みが推定されるものとする。   In this example, since the partial alphabet character string “re” has no preceding partial reading in the estimation of partial reading of the first partial alphabet character string “re” obtained by decomposing the input alphabet character string “reversal”, It is assumed that partial reading is estimated by the same method as in the first mode.

以上のように、実施の形態2に係るアルファベット読み推定装置1は、見出し辞書31と部分アルファベット文字列得点算出部25によって先行部分読みを使用するように構成したので、1つの部分アルファベット文字列の部分読みに対して、先行の部分アルファベット文字列の部分読みを考慮した部分アルファベット文字列の合計得点34を算出することが可能となり、より正確な日本語読みを推定することが可能となる。   As described above, the alphabet reading estimation device 1 according to the second embodiment is configured to use the preceding partial reading by the heading dictionary 31 and the partial alphabet character string score calculation unit 25, so that one partial alphabet character string With respect to the partial reading, it is possible to calculate the total score 34 of the partial alphabet character string in consideration of the partial reading of the preceding partial alphabet character string, and it is possible to estimate a more accurate Japanese reading.

実施の形態3
以下、実施の形態3について説明する。なお、実施の形態3に係るアルファベット読み推定装置1において、実施の形態1ないし実施の形態2に係るアルファベット読み推定装置1と同じ構成、動作であるものに関しては説明を省略する。
Embodiment 3
Hereinafter, the third embodiment will be described. In addition, in the alphabet reading estimation apparatus 1 which concerns on Embodiment 3, description is abbreviate | omitted about what is the same structure and operation | movement as the alphabet reading estimation apparatus 1 which concerns on Embodiment 1 thru | or Embodiment 2. FIG.

実施の形態1ないし実施の形態2に係るアルファベット読み推定装置1は、見出し辞書31の部分読みを日本語(片仮名文字)からなる文字列とした。一方、実施の形態3に係るアルファベット読み推定装置1は、見出し辞書31の部分読みを音声合成用記号と片仮名文字から構成したことを特徴とするものである。   In the alphabet reading estimation apparatus 1 according to the first or second embodiment, the partial reading of the heading dictionary 31 is a character string made up of Japanese (Katakana characters). On the other hand, the alphabet reading estimation device 1 according to Embodiment 3 is characterized in that the partial reading of the heading dictionary 31 is composed of a speech synthesis symbol and a katakana character.

音声合成用記号とは、片仮名文字と、無声化音節(声帯の振動を伴わない音)を表す文字と、アクセントの有無(音の高低)を表す文字から構成される記号である。例えば、アルファベット文字列「restaurant」の音声合成用記号は、「レHス%LトLラLンL」と示す。ここで、Hは声が高いことを示し、Lは声が低いことを示し、%は無声化音節であることを示す。例えば、「ス%L」は、片仮名文字スで表される音節が無声化音節であり、声が低いことを表している。アルファベット文字列と音声合成用記号との対応は、「re/s/tau/ra/nt」=「レH/ス%L/トL/ラL/ンL」と表現する。   The symbol for speech synthesis is a symbol composed of Katakana characters, characters that indicate unvoiced syllables (sounds that do not involve vocal cord vibration), and characters that indicate the presence or absence of accents (sound pitch). For example, the symbol for speech synthesis of the alphabet character string “restaurant” is indicated as “less H% L L L L L L”. Here, H indicates that the voice is high, L indicates that the voice is low, and% indicates an unvoiced syllable. For example, “su% L” indicates that the syllable represented by the katakana character S is an unvoiced syllable and the voice is low. The correspondence between the alphabetic character string and the speech synthesis symbol is expressed as “re / s / tau / ra / nt” = “les H / s% L / t L / la L / n L”.

以上のように、実施の形態3に係るアルファベット読み推定装置1は、見出し辞書31の部分読みを音声合成用記号と片仮名文字とで構成したので、入力アルファベット文字列の日本語読みとアクセントを同時に推定することができる。   As described above, the alphabet reading estimation apparatus 1 according to the third embodiment is configured such that the partial reading of the heading dictionary 31 is composed of the speech synthesizing symbols and the katakana characters. Can be estimated.

実施の形態4
以下、実施の形態4について説明する。なお、実施の形態4に係るアルファベット読み推定装置1の説明において、実施の形態1ないし実施の形態3に係るアルファベット読み推定装置1と同じ構成、動作であるものに関しては説明を省略する。
Embodiment 4
Hereinafter, the fourth embodiment will be described. In addition, in description of the alphabet reading estimation apparatus 1 which concerns on Embodiment 4, description is abbreviate | omitted about what is the same structure and operation | movement as the alphabet reading estimation apparatus 1 which concerns on Embodiment 1 thru | or Embodiment 3. FIG.

実施の形態1ないし実施の形態3に係るアルファベット読み推定装置1は、部分得点辞書32の部分得点33を設計者の知見や多数データの性能テストの結果から設定した。一方、実施の形態4に係るアルファベット読み推定装置1において、部分得点辞書32の部分得点33は、条件付き確率場モデル(CRF;conditional random field)のモデルパラメータによって部分得点33が設定されることを特徴とする。   In the alphabet reading estimation apparatus 1 according to the first to third embodiments, the partial score 33 of the partial score dictionary 32 is set based on the knowledge of the designer and the result of the performance test of a large number of data. On the other hand, in the alphabet reading estimation device 1 according to the fourth embodiment, the partial score 33 of the partial score dictionary 32 is set as a partial score 33 by a model parameter of a conditional random field model (CRF). Features.

条件付き確率場モデルは、下記に示す式(1)から式(3)で示される。式(1)から式(3)において、wはベクトルで表されるモデルパラメータ、x(i)は第i番目の入力アルファベット文字列、y(i)は第i番目の部分読み、P(y(i)|x(i))は、x(i)が与えられたときに、y(i)が起きる確率(条件付き確率)、Cは実験的に決める定数である。|・|はベクトルの大きさを表す。 The conditional random field model is expressed by the following equations (1) to (3). In Expressions (1) to (3), w is a model parameter represented by a vector, x (i) is the i-th input alphabet character string, y (i) is the i-th partial reading, and P (y (I) | x (i) ) is the probability (conditional probability ) that y (i) will occur when x (i) is given, and C is a constant determined experimentally. | · | Represents the magnitude of the vector.

Figure 0006020093
Figure 0006020093

Figure 0006020093
Figure 0006020093

Figure 0006020093
Figure 0006020093

なお、φ(x(i),y(i))は、ベクトル値を返す関数である。φ(x(i),y(i))について、(4)式にベクトルの第k要素の例を式(4)に示す。 Note that φ (x (i) , y (i) ) is a function that returns a vector value. For φ (x (i) , y (i) ), an example of the k-th element of the vector is shown in Equation (4) as in Equation (4).

Figure 0006020093
Figure 0006020093

最急勾配法などを用いて、L(w)が最大となるモデルパラメータwを求める。得られたモデルパラメータwを部分得点33とする。   Using the steepest gradient method or the like, a model parameter w that maximizes L (w) is obtained. The obtained model parameter w is set as a partial score 33.

このように、条件付き確率場モデルのモデルパラメータを部分得点33とするようにしたので、複数の特徴アルファベット文字列の作成において、部分得点33を適切かつ自動的に設定できる効果があり、方式の構築の時間を縮小できる。   Thus, since the model parameter of the conditional random field model is set to the partial score 33, there is an effect that the partial score 33 can be appropriately and automatically set in the creation of a plurality of characteristic alphabet character strings. The construction time can be reduced.

1 アルファベット読み推定装置、10 入力装置、20 情報処理装部、30 記憶部、40 出力装置、21 入力アルファベット文字列分解部、22 見出し系列作成部、23 推定対象決定部、24 特徴アルファベット文字列作成部、25 部分アルファベット文字列得点算出部、26 部分アルファベット文字列読み判定部、31 見出し辞書、32 部分得点辞書   DESCRIPTION OF SYMBOLS 1 Alphabet reading estimation device, 10 input device, 20 Information processing unit, 30 Storage unit, 40 Output device, 21 Input alphabet character string decomposition unit, 22 Headline series creation unit, 23 Estimation target determination unit, 24 Feature alphabet character string creation Part, 25 partial alphabet character string score calculation part, 26 partial alphabet character string reading determination part, 31 heading dictionary, 32 partial score dictionary

Claims (10)

入力されたアルファベット文字列を複数の部分アルファベット文字列に分解して、前記部分アルファベット文字列とその読みの候補である複数の部分読みを対応づけて登録させた辞書を参照して、該部分アルファベット文字列ごとに部分読みを推定するアルファベット読み推定装置において、
アルファベット文字列を構成する複数の辞書部分アルファベット文字列のうち、複数の部分読みが推定される辞書部分アルファベット文字列に基づいて作成された辞書特徴アルファベット文字列と、前記複数の部分読みとを対応させ、前記辞書特徴アルファベット文字列の読みを部分読みとして使用する頻度を得点で表した部分得点辞書と、
前記入力されたアルファベット文字列を構成する複数の部分アルファベット文字列のうち、複数の部分読みが推定される部分アルファベット文字列に基づいて複数の特徴アルファベット文字列を作成する特徴アルファベット文字列作成部と、
前記部分得点辞書を参照して、前記複数の部分読みが推定される辞書特徴アルファベット文字列に一致する前記特徴アルファベット文字列の得点を前記複数の部分読みごとに算出する特徴アルファベット文字列得点算出部と、
前記複数の部分読みごとに算出した得点に基づいて部分読みを推定する特徴アルファベット文字列読み判定部と、
を備えるアルファベット読み推定装置。
The input alphabet character string is decomposed into a plurality of partial alphabet character strings, and the partial alphabet is referred to by referring to a dictionary in which the partial alphabet character string and a plurality of partial readings that are candidates for reading are registered in association with each other. In the alphabet reading estimation device that estimates partial reading for each character string,
Corresponds to the dictionary partial alphabet character string created based on the dictionary partial alphabet character string that is estimated to be a plurality of partial readings among the plurality of dictionary partial alphabet character strings constituting the alphabet character string, and the plurality of partial readings A partial score dictionary representing the frequency with which the reading of the dictionary feature alphabetic character string is used as a partial reading,
A characteristic alphabet character string creating unit that creates a plurality of characteristic alphabet character strings based on a partial alphabet character string in which a plurality of partial readings are estimated among a plurality of partial alphabet character strings constituting the input alphabet character string; ,
A characteristic alphabet character string score calculation unit that calculates a score of the characteristic alphabet character string that matches a dictionary characteristic alphabet character string from which the plurality of partial readings is estimated with reference to the partial score dictionary. When,
A characteristic alphabet character string reading determination unit that estimates partial reading based on the score calculated for each of the plurality of partial readings;
An alphabet reading estimation device comprising:
前記特徴アルファベット文字列作成部は、前記複数の部分読みが推定される部分アルファベット文字列を分割して複数の特徴アルファベット文字列を作成することを特徴とする請求項1に記載のアルファベット読み推定装置。 2. The alphabet reading estimation device according to claim 1, wherein the characteristic alphabet character string creating unit generates a plurality of characteristic alphabet character strings by dividing the partial alphabet character string from which the plurality of partial readings are estimated. . 前記特徴アルファベット文字列作成部は、前記複数の部分読みが推定される部分アルファベット文字列と該部分アルファベット文字列に隣接する部分アルファベット文字列とに基づいて複数の特徴アルファベット文字列を作成することを特徴とする請求項1又は請求項2に記載のアルファベット読み推定装置。 The characteristic alphabet character string creating unit creates a plurality of characteristic alphabet character strings based on the partial alphabet character string from which the plurality of partial readings are estimated and a partial alphabet character string adjacent to the partial alphabet character string. The alphabet reading estimation apparatus according to claim 1 or 2, wherein the alphabet reading estimation apparatus is characterized. 前記複数の特徴アルファベット文字列は、前記複数の部分読みが推定される部分アルファベット文字列に該部分アルファベット文字列の1文字又は2文字前の文字列を追加して作成されることを特徴とする請求項3に記載のアルファベット読み推定装置。 The plurality of characteristic alphabet character strings are created by adding a character string one or two characters before the partial alphabet character string to the partial alphabet character string from which the plurality of partial readings are estimated. The alphabet reading estimation apparatus according to claim 3. 前記複数の特徴アルファベット文字列は、前記複数の部分読みが推定される部分アルファベット文字列に該部分アルファベット文字列の1文字又は2文字後の文字列を追加して作成されることを特徴とする請求項3に記載のアルファベット読み推定装置。 The plurality of characteristic alphabet character strings are created by adding a character string after one or two characters of the partial alphabet character string to the partial alphabet character string from which the plurality of partial readings are estimated. The alphabet reading estimation apparatus according to claim 3. 前記複数の特徴アルファベット文字列は、前記複数の部分読みが推定される部分アルファベット文字列であることを特徴とする請求項3に記載のアルファベット読み推定装置。 The alphabet reading estimation apparatus according to claim 3, wherein the plurality of characteristic alphabet character strings are partial alphabet character strings from which the plurality of partial readings are estimated. 前記複数の特徴アルファベット文字列は、前記複数の部分読みが推定される部分アルファベット文字列に該部分アルファベット文字列の1文字又は2文字前の文字列を追加した文字列と、
前記複数の部分読みが推定される部分アルファベット文字列に該部分アルファベット文字列の1文字又は2文字後の文字列を追加した文字列と、
前記複数の部分読みが推定される部分アルファベット文字列とからなることを特徴とする請求項3に記載のアルファベット読み推定装置。
The plurality of characteristic alphabet character strings are a character string obtained by adding a character string one or two characters before the partial alphabet character string to the partial alphabet character string from which the plurality of partial readings are estimated;
A character string obtained by adding a character string after one or two characters of the partial alphabet character string to the partial alphabet character string from which the plurality of partial readings are estimated;
4. The alphabet reading estimation apparatus according to claim 3, comprising a partial alphabet character string from which the plurality of partial readings are estimated.
前記部分得点辞書は、前記複数の部分読みを前記アルファベット文字列における前記複数の部分読みが推定される辞書部分アルファベット文字列の1つ前の辞書部分アルファベット文字列に対応する部分読みと、前記部分アルファベット文字列の部分読みとから構成し、
前記特徴アルファベット文字列作成部の前記複数の部分読みは、前記複数の部分読みが推定される部分アルファベット文字列の1つ前の部分アルファベット文字列の部分読みを含むことを特徴とする請求項1から請求項7のいずれかに記載のアルファベット読み推定装置。
The partial scoring dictionary includes a partial reading corresponding to a dictionary partial alphabet character string immediately preceding a dictionary partial alphabet character string from which the plurality of partial readings in the alphabet character string are estimated. It consists of partial reading of the alphabet string,
The plurality of partial readings of the characteristic alphabet character string creating unit include partial readings of a partial alphabet character string immediately preceding a partial alphabet character string from which the plurality of partial readings are estimated. The alphabet reading estimation device according to claim 7.
前記部分得点辞書は、前記複数の部分読みを、読みと音声合成用記号とで構成したことを特徴とする請求項1から請求項8のいずれかに記載のアルファベット読み推定装置。 9. The alphabet reading estimation apparatus according to claim 1, wherein the partial score dictionary includes the plurality of partial readings as readings and symbols for speech synthesis. 前記部分得点辞書は、得点を条件付確率場モデルで決定することを特徴とする請求項1から請求項9のいずれかに記載のアルファベット読み推定装置。 The alphabet reading estimation apparatus according to claim 1, wherein the partial score dictionary determines a score using a conditional random field model.
JP2012260940A 2012-11-29 2012-11-29 Alphabet reading estimation device Active JP6020093B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2012260940A JP6020093B2 (en) 2012-11-29 2012-11-29 Alphabet reading estimation device

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2012260940A JP6020093B2 (en) 2012-11-29 2012-11-29 Alphabet reading estimation device

Publications (2)

Publication Number Publication Date
JP2014106857A JP2014106857A (en) 2014-06-09
JP6020093B2 true JP6020093B2 (en) 2016-11-02

Family

ID=51028258

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2012260940A Active JP6020093B2 (en) 2012-11-29 2012-11-29 Alphabet reading estimation device

Country Status (1)

Country Link
JP (1) JP6020093B2 (en)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4084515B2 (en) * 1999-11-16 2008-04-30 日本電信電話株式会社 Alphabet character / Japanese reading correspondence apparatus and method, alphabetic word transliteration apparatus and method, and recording medium recording the processing program therefor
JP3961858B2 (en) * 2002-03-07 2007-08-22 日本放送協会 Transliteration device and program thereof
JP2005092682A (en) * 2003-09-19 2005-04-07 Nippon Hoso Kyokai <Nhk> Transliteration device and transliteration program
JP2009199434A (en) * 2008-02-22 2009-09-03 Mitsubishi Electric Corp Alphabetical character string/japanese pronunciation conversion apparatus and alphabetical character string/japanese pronunciation conversion program
JP5336779B2 (en) * 2008-06-27 2013-11-06 インターナショナル・ビジネス・マシーンズ・コーポレーション Information processing apparatus for performing character string conversion, character string conversion method, program, and information processing system

Also Published As

Publication number Publication date
JP2014106857A (en) 2014-06-09

Similar Documents

Publication Publication Date Title
JP6251958B2 (en) Utterance analysis device, voice dialogue control device, method, and program
KR101083540B1 (en) System and method for transforming vernacular pronunciation with respect to hanja using statistical method
Schuster et al. Japanese and korean voice search
JP6493866B2 (en) Information processing apparatus, information processing method, and program
JP4769223B2 (en) Text phonetic symbol conversion dictionary creation device, recognition vocabulary dictionary creation device, and speech recognition device
JP5207642B2 (en) System, method and computer program for acquiring a character string to be newly recognized as a phrase
US10319373B2 (en) Information processing device, information processing method, computer program product, and recognition system
CN108140019B (en) Language model generation device, language model generation method, and recording medium
JP6245846B2 (en) System, method and program for improving reading accuracy in speech recognition
KR101279676B1 (en) Method and apparatus for creating a language model and kana-kanji conversion
US20160055763A1 (en) Electronic apparatus, pronunciation learning support method, and program storage medium
JP2003514304A5 (en)
JP2006031295A (en) Apparatus and method for estimating word boundary probability, apparatus and method for constructing probabilistic language model, apparatus and method for kana-kanji conversion, and method for constructing unknown word model
JP6941494B2 (en) End-to-end Japanese speech recognition model learning device and program
JP4738847B2 (en) Data retrieval apparatus and method
JP2011008784A (en) System and method for automatically recommending japanese word by using roman alphabet conversion
JP5853595B2 (en) Morphological analyzer, method, program, speech synthesizer, method, program
JP7102710B2 (en) Information generation program, word extraction program, information processing device, information generation method and word extraction method
US11080488B2 (en) Information processing apparatus, output control method, and computer-readable recording medium
JP6020093B2 (en) Alphabet reading estimation device
Kheang et al. Solving the phoneme conflict in grapheme-to-phoneme conversion using a two-stage neural network-based approach
JP6009396B2 (en) Pronunciation providing method, apparatus and program thereof
JP2000353159A (en) Notation-reading correspondence device, notation- reading dictionary generating method, text reading arranging device, text reading arranging method, and recording medium
JP2013175067A (en) Automatic reading application device and automatic reading application method
JP2004309928A (en) Speech recognition device, electronic dictionary device, speech recognizing method, retrieving method, and program

Legal Events

Date Code Title Description
RD01 Notification of change of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7421

Effective date: 20140327

A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20150929

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20160809

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: 20160906

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20160919

R151 Written notification of patent or utility model registration

Ref document number: 6020093

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250