[发明专利]从翻译源原文生成相似文的方法、记录介质、装置以及系统

说明书

本公开涉及从翻译原文生成相似文的方法、程序、装置以及系统。所述方法包括：输入第1文；从第1数据库提取与构成第1文的多个词句中的第1词句具有相同意思的一个以上的第2词句；基于第2数据库并基于与一个以上的第2词句对应的语境依赖值来算出N‑gram值，从在第1文中将第1词句替换成一个以上的第2词句而得到的一个以上的第2文中，提取与N‑gram值相当的数量的、包括第2词句的连续的一个以上的第3词句；对一个以上的第3词句，算出在第3数据库中的出现频度；判定算出的出现频度是否在阈值以上；在判定为算出的出现频度在阈值以上的情况下，采用一个以上的第2文作为第1文的相似文，并输出给外部的设备。

技术领域

本公开涉及从原文生成相似(类似)文的相似文生成方法、相似文生成程序、相似文生成装置、以及具备该相似文生成装置的相似文生成系统。

背景技术

近年来，正在研究和开发将第1语言的语句(文)翻译成与第1语言不同的第2语言的语句的机器翻译，要提高这种机器翻译的性能，需要收集有大量的可利用于翻译的例文的对译语料库。为此，可进行根据一个原文来生成与该原文相似的一个或者多个相似文(改述文)。

例如，专利文献1中公开了一种语言变换处理统一系统：以预定模式将语句进行变形，为了判定变形是否合适，使用评价函数算出评价值，选择评价值最高的表达。

另外，专利文献2中公开了一种自然语言处理方法：对词素设定涉及活性的分数(point)，增减该分数，并基于增减后的分数从文本中提取信息。

另外，专利文献3中公开了一种文书处理装置：基于由用户指定的改述前用例以及改述后用例，生成新的改述后用例，输出通过对已解析的语句应用差量所制作出的改述文。

现有技术文献

专利文献1：日本专利第3932350号公报

专利文献2：日本特开2005-339043号公报

专利文献3：日本专利第5060539号公报

发明内容

发明所要解决的问题

然而，要提高机器翻译性能，则可利用于翻译的例文越多越好，对于可作为例文使用的相似文的生成，需要进一步的改善。

用于解决问题的技术方案

本公开的一个技术方案的方法，是从翻译源原文生成相似文的方法，包括：输入第1文；从第1数据库提取与构成所述第1文的多个词句中的第1词句具有相同意思的一个以上的第2词句，所述第1数据库将词句与所述第1数据库所包含的词句的近义词句(类义词句)进行关联；根据基于第2数据库所获得的与所述一个以上的第2词句对应的语境(上下文)依赖(依存、相关)值来算出N-gram值，所述第2数据库将词句与对应于所述第2数据库所包含的词句的所述语境依赖值进行关联，所述语境依赖值表示所述第2数据库包含的词句所表示的意思依赖于语境的程度；从在所述第1文中将所述第1词句替换成所述一个以上的第2词句而得到的一个以上的第2文中，提取与所述N-gram值相当的数量的、包括所述第2词句在内的连续的一个以上的第3词句；对所述一个以上的第3词句，算出在第3数据库中的出现频度，所述第3数据库将词句与所述第3数据库所包含的词句在所述第3数据库中的出现频度进行关联；判定算出的所述出现频度是否在阈值以上；在判定为算出的所述出现频度在所述阈值以上的情况下，采用所述一个以上的第2文作为所述第1文的相似文，并输出给外部的设备。

发明效果

根据本公开，能够降低对语言模型数据库的搜索成本，并且能够高精度地进行对相似文的识别。

附图说明

图1是表示本公开的实施方式1中的相似文生成装置的构成的一例的框图。

图2是表示图1所示的替换候选辞典的数据结构的一例的图。