社会生活において，計算機をより身近かなものとしていくための方法として， 音声合成や音声認識など， 音声を媒体とするマンマシン・インターフェース実現への期待が強まっている。 このうち，音声合成についてみれば， 英文を対象とした任意文の音声出力が既に実現されており(1)， 日本文については，預金の残高照会など限定された分野で定型化された文章の音声化出力が 実用化されている(2)ほか， アクセント句毎に韻律情報が付いた任意のかな文からの音声合成装置が 作られている(3)。 しかし，通常の日本文は漢字，かな文字，英数字など用いられる字種が多く， 単語単位に分ち書きされず単語の区切りが明確でない。 このような日本文を音声化出力するためには，文章中の単語を正しく認定することが， 漢字や英数字の読みを決定し，アクセントやポーズなどの韻律情報を付加するためにも必要である。 しかし，従来新聞記事や小説レベルの日本文を正しく単語分割することは困難であったため， 漢字かな混りの任意の日本文を音声化出力することはできなかった。
これに対して，今回開発した日本文音声出力システムでは， 漢字かな混りの日本文の単語分割技術，漢字・英数字などの読みの決定規則， アクセント・ポーズの自動付与技術の確立と一般語， 固有名詞など３０万語を収録した単語辞書の完成により， 新聞記事や小説などの漢字かな混りの日本文から 明瞭で自然な連続音声を合成することが初めて可能となった。
漢字の読みの決め方としては， 大別すると漢字一字毎に前後の文字から音または訓の読み方を与える漢字音訓読みの 方法(4)〜(8)と， 単語単位に辞書を用いて読みを与える単語読みの方法(8)がある。 漢字音訓読みは，連濁，連声，音便などの処理が必須であり， かつ単語毎のアクセント付与が困難であるため，音声化出力には不向きである。 一方，単語読みを実現するためには， 精度のよい単語分割技術と膨大な単語辞書の整備が必要である。 特に，一般語、固有名詞名詞など辞書登録語彙を増やせば， 同形異語が増え，読み分けが必要なことなどが問題となる。 また，単語すべてを登録することは困難であり，新語や未登録語への対処も必要である。
本システムでは，３０万語にのぼる単語辞書，正確な単語分割技術， 同形異語読み分け規則の確立により，単語読みが原則で， 未登録語には漢字音訓読みを併用する漢字かな変換方式を実現した。 単語分割では統計的評価をふまえて品詞接続カテゴリー表の精度を向上させているほか， 複合語の分割に対して従来の最長一致法(9)や 分割数最小法(10)に代わる係り受け解析法を導入し， 漢字の他にカタカナ語，英字略語，数詞を含み， 一般語の他に固有名詞も含んだ一般的な複合語を精度よく分割することに初めて成功した。 同形異語では文法情報や前後の語との係り受けに基づき地名， 人名，企業名，数詞，一般語などの単語属性を決定し，読み方を決めている。 また，数詞・助数詞については，数詞を標準形に変換した後， 数詞の尾音と助数詞の頭音の音韻変化規則を適用して，正確な読みをつけている。
分ち書きの方法としては，テーブル方式(11)， プログラム方式(12)(13)， および両者を融合させた 混合方式(14)(15)が 提案されているが，広範な日本文を対象とする時， いずれも続出する例外と解釈のあいまいさの扱いが問題であった。
本システムでは，単語分割精度と処理速度の両者の向上を併立させるため混合方式を採用し， 統計的評価に基づく単語接続規則の整理と大規模な実験結果に基づく例外辞書の充実， さらに複合語分割に対する新方式の確立を図った。
単語接続規則と辞書の整備によって 無効解釈（誤った解釈）の数は従来の方法に比べて1/3に減少した。 このため，複数の解釈が残った場合でも，分割数最小法などによって， 正しい解釈が決まるようになった。 また，複合語の分割では，従来の最長一致法や分割数最小法に代わる 係り受け解析法を確立したことにより，漢字，カタカナ語，英字略語，数詞を含み， 一般語の他に固有名詞も含んだ一般的な複合語を精度よく分割することを可能にした。
漢字，カタカナが自立語の表記に用いられることが多いのに対して， ひらがなは自立語の結合，自立語間の関係の提示などを行う付属語の表記に用いられることが多い。 句読点などは区切り記号となる。これらの用法の違いに着目して，字種を，
| (i) | 漢字類（漢字，カタカナ，表意記号（％など）） |
| (ii) | ひらがな類（ひらがな） |
| (iii) | 記号類（句読点，括弧など） |
この方法で設定する文節には以下のような問題点が挙げられる。
| �� | 漢字かなが混ぜ書きされた単語が切断されてしまう。 |
| �� | ひらがな列に埋もれた文節が認定できない。 |
| �� | 漢字列に埋もれた文節が認定できない。 |
| �� | 小数点や桁表示のコンマなどで文節が切れてしまう。 |
文節切りにおける諸問題を解決し，分割の制度を向上させるには単語辞書の併用が必要である。 本システムでは，前節に述べた問題点を以下のように解決した。
(1) 混ぜ書き語の救済
混ぜ書き語とは，「分かち書き」「けん制」のように漢字とひらがな混じりで表記され， 語の中にひらがなの次に漢字が現われる字種の変化点が存在する語をいう。 混ぜ書き語は，字種による文節切りでは２文節にまたがるように切断されるが， この回復には混ぜ書き語を登録した辞書を用いる。 字種に従って文節を決定した後，文節付近に混ぜ書き語があるか否かを辞書を用いて判定する。 混ぜ書き語がある場合，次のようにして文節境界を修正する。（図１参照）
| (i) | 「分かち書き」のように，漢字で始まり語中にひらがな→漢字の変化点があれば， 語中の文節設定を取り除く。 |
| (ii) | 「けん制」のように，ひらがなで始まるものは， 語中の文節設定を語頭の直前までずらす変更を行う。 |
日本語を分かち書きする。 字種による設定： △ △ △ ├────┤ 混ぜ書き語を考慮： △ ×(解除) △ 二，三回ほど動きをけん制した。 字種による設定： └─┘ △ △ 前後が漢数字 ├ |
(2) ひらがな文節の分割
字種によって仮定させた文節に対して， ひらがな表記される語を集めた単語辞書を用いて語彙分析を行った後， 自立語と判定された語の直前に文節を設定する。 これは音声合成の際には文節がアクセント合成の基本単位となるため必要となる。 単語分割方法の詳細は２．２節で述べる。
(3) 漢字文節の分割
漢字列の分割を行った後，漢字列の先頭に位置する語が副詞または連体詞として使用され， かつ漢字列内の他の単語と係り受け関係が成り立たなければ切断する。 漢字列はアクセント句が複数になることがあるため，この分割は不可欠である。 単語分割方法の詳細は２．３節で述べる。
(4) 小数点直後等の不当な文節設定
読点等が小数点や桁表示として使用される場合は，字種による文節きりを行う際に， 読点等の直前および直後が漢数字または算用数字同志であれば文節を設定しないことで 容易に対処できる。 数字列は小数点の有無によって読み方が異なるし， 「十二，三年」のような概数表示ではアクセントにも差が出るため必要な処理といえる。
ひらがなは活用語尾や付属語として使用されることが多い。 そこでまず前節で得られた文節の中のひらがな列に着目して文節の構造を分析する。
(1) 単語候補の抽出(15)
文節は通常「自立語（１個以上）＋付属語（０個以上）」の構造を持ち， 付属語の後に自立語が来ることはない。 そこで，単語候補の抽出に先立ってまず自立語列を抽出する（図２参照）。
│ 出 発 点 │ で │ も │ ├─────────┼──┼──┤ │ 「名詞」と │━━│ │格助詞 │ 仮定 │━━━━━│副助詞 │ │━━━━━│接続助詞 ├─────────┼──┼──┤ │ 「動詞語幹｣ │━━│ │動詞語尾・下一段型・未然形 │ と仮定 │━━│ │動詞語尾・下一段型・連用形 ├─────────┼──┼──┤ │ 「形容動詞語幹」 │━━│ │形容動詞語尾・連用形 │ と仮定 │ │ │ ├─────────┼──┼──┤ │ │ │━━│副助詞 |
自立語の検出では漢字，かなの用法に着目して， 文節内の漢字部分を名詞または用言の語幹と仮定するが， 語幹の一部がひらがな書きされる語（美しい）や語幹と語尾が分離できない語（出る）などは あらかじめ，かな部分を含め自立語として抽出できるようにするため ひらがな語彙辞書（表１）に���い旅猝椶鯆媛辰靴拭�
| 項番 | 辞書名 | 内容 |
| １ | 付属語 | 助詞，助動詞の全活用形 |
| ２ | 活用語尾 | 活用語尾となりうる形すべて |
| ３ | ひらがな自立語 | ひらがな表記される名詞，用言語幹，副詞などの自立語 |
| ４ | 漢字かな自立語 | 漢字＋ひらがなで表記される名詞，用言語幹，副詞などの自立語 |
次に，残されたかな文字列を前方から１文字ずつずらしながら， 表１の辞書の�´△旅猝椶鮖仮箸靴董こ萢儻貳�，付属語として解釈可能なすべての単語を抽出する。
(2) 文節分割パターンの生成
自立語，付属語を含むすべての単語候補の接続を検定し，文節の解釈パターンを生成する。 ただし，単語接続検定では，単語接続カテゴリ表を用いて， 連続する２単語が文法上接続可能か否かを判定し， 接続不能な単語接続をもつ文節解釈パターンは生成しない(15)。
この方法では，一般に複数の文節解釈パターンが生成されるが， 誤まった解釈の発生を押え，正しい解釈の漏れをなくすためには， 単語連接カテゴリに登録される単語カテゴリの分類をきめ細かくし， 単語接続関係の規定の精度を上げることが必要である。
本システムでは単語カテゴリの分類に動詞活用行と，本用言・補助用言の区別を導入して， 前方接続語を７９，後方接続語を３３２のカテゴリに分類した。 また，カテゴリ間の接続関係は新聞記事を標本とする統計的評価結果に基づき決定した。 ただし，統計上接続可否の判定が困難な組み合わせに対しては，文法上の判断に従った。
従来，この方法では文節当りの無効（誤まり）解釈のパターンが 平均１．５件程度生成されていたが，上述の精密化によって無効解釈の数は約１／３に減少し， 平均０．５件程度となった。 また，正しい解釈の漏れも減少した。
漢字は造語力が強く，単独で使われるよりも， むしろ２字結合して熟語として用いられるのが普通であり，さらに，２字の熟語や， １字の漢字等がいくつも結合して長い漢字列で構成された複合語が限りなく作り出される。 また，カタカナ語，英字略語，数詞も複合語の構成要素となる。
このような複合語をすべて辞書に登録することは不可能であり， 従って，複合語を辞書にある基本的な単語の組合せに意味的にも正しく分割することは 複合語の読みやアクセントを付与する点からきわめて重要である。
複合語は通常同一の品詞（名詞）が連接して構成されていることを考慮し， ここでは単語間の文法的接続関係の他に，単語間の意味的接続情報を用いて 複合語（カタカナ語，英字略語，数詞を含んでもよい。）の分析を行い， 分割数，単語の意味的係り受け数，単語の使用頻度を考慮して 最適な分割パターンを決定する新らしい手法（係り受け解析法）を提案する。
M 字の複合語を {Km}＝K1K2…Km とおく。 複合語の先頭から１文字ずつずらしながら， １文字列 Km（m＝1〜M）で一文字単語辞書， 連接する２文字列 KmKm+1（m＝1〜M-1）で ２文字以上の単語を格納した単語辞書を引き，すべての単語候補を抽出する。 （複合語の最後の構成要素となる単語で２．２で複合語全体に付与された品詞， 活用型と一致しない語は抽出しない。） ここで，単語辞書引きにおいては、 KmKm+1 で始まる単語のうちから 複合語の構成要素となりうる単語をすべて抽出する。
なお，辞書にない連続した英字列とカタカナ列，および数詞列 （数詞および数詞にはさまれた小数点，カンマで構成される。）は単語候補 （数詞列は数詞，他は名詞）として抽出しておく。
２．３．１で抽出された単語候補のうち， 複合語の最終構成要素とならないものの集合を {Si} ， 複合語の最終構成要素となるものの集合を {~Sj} とする。 各 ~Sj について ~Sj の前方に文法的に接続可能な単語を {Si} から選び，前方に次々に連鎖していくことにより すべての可能な分割パターンを生成する。 辞書に登録されていない未知語があるため分割パターンの生成にすべて失敗した場合には， 単語連鎖に失敗した部分に未知語があると推定して，分割パターンの生成をやり直す。
生成された分割パターンにおいて， 表２のような単語間の意味的接続関係（係り受け）をチェックする。 次に，複合語の後方から前方に向ってサ変動詞となる名詞（サ変動詞型名詞）， 形容動詞となる名詞（形容動詞型名詞）〔後方承接型の接尾辞 （「単語＋接尾辞」全体をサ変動詞化する「化」などは全体をサ変動詞形名詞， 「単語＋接尾辞」全体を形容動詞化する「的，性，用，風，型」などは 全体を形容動詞形名詞とみなす。）を含む。〕をサーチして表３のような係り受けをチェックする。 以上の係り受けチェックにより，各分割パターンの単語間の係り受け関係数 αj （表２のNo.８の例では αj＝2となる。）を求めると共に一般語， 接辞，固有名詞，数詞の識別を行う。 なお，上記の係り受け分析結果を基に複合語における単語間の結合の強さを求めることにより， アクセント句（後述）を抽出することができる。
| No. | 項目 | 例 | ||||||
| １ | 前置助数詞−数詞の連接 | 約 ５０ ┬ ── │ ↑ └─┘ | ||||||
| ２ | 数詞−後置助数詞−（助数詞承接語）の連接 |
５０ パーセント（台）
─┬ ───┬─ ─
│ ↑ │ ↑
└──┘ └──┘ | ||||||
| ３ | 地名−地名承接語の係り受け |
東京 駅
─┬ ─
│ ↑
└─┘ | ||||||
| ４ | 人名−人名承接語の係り受け（敬称，役職） |
平野 副 社長
─┬ ─ ──
│ ↑
└───┘ | ||||||
| ５ | 企業名−企業名承接語の係り受け |
三井 銀行
─┬ ──
│ ↑
└─┘ | ||||||
| ６ |
|
日銀 総裁， 日本 銀行 総裁， 元 知事
─┬ ── ── ─┬ ── ┬ ──
│ ↑ │ ↑ │ ↑
└─┘ └─┘ └─┘ | ||||||
| ７ | 姓−名の連接 |
加藤 一二三
─┬ ───
│ ↑
└─┘ | ||||||
| ８ | 包含関係のある地名の連接 |
神奈川県 横須賀市 武
──┬─ ──┬─ ─
│ ↑│ ↑
└───┘└──┘ | ||||||
| ９ | 単語−接辞の係り受け |
超 短波， 極 超 短波， 近代 化
┬ ── ┬ ┬ ── ─┬ ─
│ ↑ │ │ ↑↑ │ ↑
└─┘ │ └─┘│ └─┘
└────┘ | ||||||
| １０ | 一般語−一般語の係り受け |
一月 一日， 一月 下旬
─┬ ── ─┬ ──
│ ↑ │ ↑
└─┘ └─┘ |
| No. | 名詞の形 | 係り受け処理 |
| １ | サ変動詞形名詞 | 直後の語*（○…○）との間に以下の関係が成立するか？ � 屐舛垢襦�…○」*** |
| ２ | 直前の語**（○…○）との間に以下の関係が成立するか？ � 屐�…○を〜する」（他動詞のみ） �◆屐�…○が〜する」 ��「○…○[でへ]〜する」 | |
| ３ | 形容動詞形名詞 | 直後の語*（○…○）との間に以下の関係が成立するか？ � 屐舛福�…○」*** |
| * | 直後の語が接頭辞の場合には，後方の接頭辞以外の語 |
| ** | 直前の語が接尾辞の場合には，前方の接尾辞以外の語 |
| *** | 次の制約条件がある。 |
| (1)直後の語がサ変名詞で，当該語との間にNo.2の関係が成立するならば処理は行わない。 | |
| (2)直後の語との間で当処理が成立しない場合には，処理対象とする語を後方に順次ずらしながら処理を行う。（係り受けの非交叉性を考慮する） |
複数の分割パターンが生成された場合には，以下の手順で分割パターンを一意に定める。
| �� | 各分割パターン毎に分割数βj，係り受け数αjを求め， γj＝βj−αjを計算する。 |
| �� | 分割パターンの中からγjが最小となる分割パターンを求める。 |
| �� | 分割パターンが一意に定まれば処理終了。 一意に定まらない場合には 複合語を構成する単語の出現確率の積の最大のものを選ぶ。 |
実験結果によれば，本手法は従来の最長一致法や分割数最小法に比べ 精度よく複合語を分割することができることがわかった。 最長一致法では表４の例１，例２がエラーとなり 分割数最小法では例１がエラーとなり例２〜例４は一意に解が定まらないが， 本手法ではすべて正しい解が得られる。 本手法により，一般語の他に固有名詞を含み， 漢字，カタカナ語，英字略語，数詞を含んだ一般的な複合語を 精度よく分割することが初めて可能となった。
| 例No. | 分割 パターン No. |
分割パターン | γj | 最適解 |
| 例１ | １ |
┌──┐
畜産／物価／格安／定法
[形動] |
３ | |
| ２ |
┌─┐ ┌─┐
畜産・物／価格・安／定法
[尾] [尾] |
３ | ||
| ３ |
┌×┐ ┌─┐
畜産／物価・格／安・定法
[尾][頭] |
４ | ||
| ４ |
┌─┐ ┌─┐┌─┐
畜産・物／価格／安定・法
[尾] [サ変][尾] |
２ | ○ | |
| ５ |
┌×┐┌─┐┌─┐
畜産／物価・格／ 安定・法
[尾] [サ変][尾] |
３ | ||
| 例２ | １ | ┌───────────┐ │ ┌───────┐│ │ │ ┌───┐││ 森永／ 前 ・ 日銀 ／ 総裁 [姓] [役承][企業名] [役職] | １ | ○ |
| ２ |
┌──────┐
森永／前日／銀／総裁
[姓] [役職] |
３ | ||
| 例３ | １ |
┌─────────┐
│ ┌──┐│
区立／江戸／川野 ／ 球場
[地名][地名][地名承接語] |
２ | |
| ２ |
┌──────────┐
│ ┌─────┐│
│ │ ┌─┐││
区立／江戸川／野球 ・ 場
[地名] [地名承接語] |
１ | ○ | |
| 例４ | １ |
┌───┐┌──┐
藤沢 ／ 工場 内
[地名][地名承接語][尾] |
１ | ○ |
| ２ |
┌─┐
藤沢／工／場内
[姓] [名] |
２ |
| 凡例 | [形動]形容動詞形名詞 [頭]接頭辞 [役承]役職承接形接辞 |
| [サ変]サ変動詞型名詞 [尾]接尾辞 |
２．２節の方法によりひらがな列を分割した結果得られる 有効解釈と無効解釈の数を合わせた文節解釈の平均多義度は約１．５である。 実験によって得られた無効解釈は以下の３グループに分類される。
| (i) | ひらがな列部分に無効解釈パターンが生じたもの。 |
| (ii) | 漢字列の品詞が特定できなかったもの。 |
| (iii) | (i)(ii)が組み合わさったもの。 |
２．３節の方法で漢字列を分析すれば， 上記無効解釈のうち(ii)が原因のものはほとんど落とすことができる。
しかしながら，漢字列が他品詞語であったり， 漢字とひらがなの境界条件からは複数の解釈が可能であったりすれば 単語分析が終了した段階で無効解釈が残る。 音声出力では分析結果は単一に絞っておくことが必要となるので， 無効解釈を落とすため，以下の方法を実現した。
| �� | 未知語の漢字数の少ないものを残す。（辞書登録語を優先する。） |
| �� | 助詞の連接数の少ないものを残す。 （自立語が分割されすぎているものを落とす。） |
| �� | 自立語数最小のものを残す。（長い自立語を優先する。） |
| �� | 自立語扱いの文字数が多いものを残す。（分割数の少ないものを優先） |
この方法は，�，牢岨�列分割後の多義を，�◆銑い麓腓砲劼蕕�な列分割後の多義を対象としており， �，砲茲衞鵤横亜鵝き△泙任婆鵤苅亜鵝き�までで約７０％，�い泙任婆鵤坑機鵑�除去される。 図３に例を示す。
以上で残される無効パターンは，多品詞語（ひらがな書き，漢字書きの両方がある。）の 品詞特定できなかったものであり，品詞の違いによって読みの異なるものはないため， ２つ以上の解釈が残る場合は無作為に１つを選んでいる。
措 置 に よ り 助詞の並び
┌────┐┌──┐┌─────────┐
�；� 名 詞 ││格助││ 格 助 │ １
┌────┐┌──┐┌───┐┌────┐
�※� 名 詞 ││格助││動五幹││動五尾用│ ０ ←残す
望 ん で い る 自立語数
┌───┐┌────┐┌───┐┌───┐
�；�動五幹││動五尾用││ 接助 ││動上終│ ２ ←残す
┌───┐┌────┐┌───┐┌───┐
�※�動五幹││動五尾用││動下用││動上終│ ３
な る べ く 自立語数 自立語字数
┌──────────────┐
�；� 副 詞 │ １ ４ ←残す
┌───┐┌────┐┌───┐
�※�動五幹││動五尾終││助動用│ １ ２
|
入力された文は前章の単語分析の結果，すべての単語の品詞，活用形などが決定されている。 ここでは，これらの情報を用いて漢字，英数字，特定の記号にかな文字による読みを与える。 ただし，副助詞「は」，格助詞「へ」長音などのように かな文字と音節が一対一に対応しないような場合は，後で修正する。
漢字の読みは単語単位に与えられる。 従って単語辞書に該当する単語の読みが一通りしか登録されていない場合は 単純に読みは決定されるが，複数の読みが登録されている時は判断が必要である。 数詞については，そのすべてを辞書に登録することは困難であるため， 一定の規則に基づいた読みの付与が必要である。 また，未知語の読みの付与も必要である。
単語辞書を充足させると同形異語が増大する。 ８万語の一般語辞書では，数千組であった同形異語は 固有名詞辞書の導入等で登録語彙が３０万語になると１万組を超えた。 それぞれの同形異語の読みは高々数通りであるが， それを読み分けるには種々の判定規則が必要である。
従来，同形異語を読み分ける処理系が実現されたことはない。 本システムでは，�（庫‐霾鵑砲茲詒縦蝓き�係り受けによる判定， ��その他の判定の３種の判定規則を実現した。
文法情報を用いた同形異語の読み分け法を表５に示す。
| No. | 読み分け法 | 例 | ||||||||||||||
| １ | 活用語尾による判定 |
| ||||||||||||||
| ２ | サ変動詞化の可否による判定 |
| ||||||||||||||
| ３ | 形容動詞化の可否による判定 |
| ||||||||||||||
| ４ | 助詞による判定 |
| ||||||||||||||
| ５ | 助動詞による判定 |
| ||||||||||||||
(1) 固有名詞と一般語の切り分け
人名承接語（氏などの敬称，教授などの役職）， 地名承接語（県，市，町，地方など）などとの関係において単語の属性が決まる時は， その属性に合った読みを採用する。（表６参照）
(2) 固有名詞と数詞の切り分け
数詞（＋助数詞）として読むか，地名，人名などの固有名詞として読むかは， 承接語によって判断できることが多い。（表６参照）
(3) 承接語自身の変化
どの単語につくかによって承接語の読みが変化する場合は， 単語のカテゴリーによって承接語の読みを決める。（表６参照）
(4) 一般語同士の組み合せ
一般語の組み合せによって読み方が異なるものに表６のような例がある。 これらは辞書の中に読み分け情報として前方／後方接続語のカテゴリーを持ち， 前方／後方接続語のカテゴリーを確かめることによって読みを決めている。
(5) 固有名詞同士の組み合せ
� ｜鰐焼瓜�
地域の違いによる同形異語に対処するため， 地名の包含関係に着目して同形異語の読み分けを行っている。（表６参照）
�◆／楊焼瓜�
姓・名の同形異語は単に統計的頻度の多い読みを採用している。（表６参照）
| No. | 読み分け方法 | 例 | |||
| １ | 固有名詞と一般語の切り分け | 高 原 の 秋 [一般語] |
高 原 氏
[姓] [敬称]
└──┘ | ||
関 東 平 野
[地名] [地名承接語]
└────┘ |
平 野 編集長
[姓] [役職]
└───┘ | ||||
| ２ | 固有名詞と数詞の切り分け |
八 戸 建 て
[数詞] [助数詞]
└───┘ |
八 戸 駅
[地名] [地名承接語]
└───┘ | ||
一 二 三 九 段
[数詞] [助数詞]
└─────┘ |
加藤 一二三 九 段
[姓] [名] [役職]
└─┬─┘ │
└─────┘ | ||||
長洲 一二 神奈川 県 知事
[姓] [名] [地名] [地名承接語] [役職]
└─┬┘ └──┬─┘ │
│ └──┬───┘
└─────────┘ | |||||
| ３ | 承接語自身の変化 | 平野 家 [姓] |
政 治 家 [一般語] |
一 軒 家
(特殊読み⇒辞書) | |
排 水 路 [一般語] |
大 和 路 [地名] | ||||
| ４ | 一般語同士の組み合わせ |
文 化 人
┌サ変動詞┐
└化する ┘
|
管 理 人
┌サ変動詞┐
└化しない┘
| ||
提 案 を 断 っ た
┌サ変動詞┐
└化する ┘
|
布 を 断 っ た
┌サ変動詞┐
└化しない┘
| ||||
東 の 方 |
大田 氏 方 [姓] [敬称] └──┘ |
考 え 方
[連用形名詞] | |||
一日 |
一 月 一 日
[月名を表す語] |
一 日 朝
[時を表す語] | |||
木 の 根 |
方 程 式 の 根 [数学用語] | ||||
六 時 五 分 [時刻] |
六 割 五 分 [割合] | ||||
| ５ | 固有名詞同士の組み合わせ |
中 京 大 学
[地名] [地名承接語]
└────┘ |
京 都 市 中 京 区
[地名上位][地名下位]
└────┘ |
福 岡 県 京 都 郡
[地名上位][地名下位]
└────┘ | |
小島（こじま／おじま）
頻度が高い | |||||
(1) 複合語構成要素としての判定
複合語の構成要素となるか否かの判断により読みを決める。 例を以下に示す。
| ( | 月日 | （つきひ） |
| 生年月日 | （がっぴ） | |
| ( | 内海 | （うちうみ） |
| 内海航路 | （ないかい） |
複合語はすべて単語に分割した後，読みを与えることとしているが， 特定の語と結びついて読みの変わる場合は例外的に複合語のまま登録した。 例えば，「性」という接尾辞は通常「せい」と読むが， 「苦労」，「心配」，「貧乏」などが前につくと「しょう」と読む。 この場合，「苦労性」，「心配性」，「貧乏性」などを例外読みとして辞書に登録した。
(3) 使用頻度による読み分け
以上のルールで読み分けられない場合には 辞書に書かれた使用頻度を参照して使用頻度の高い読みを採用している。
数詞・助数詞の読みは複雑であり，従来，若干の代表的な助数詞の分析が行われている ものの(16)〜(18)， 実用的な処理系が実現された例はない。 本システムは約８００の助数詞を数詞と助数詞の２種の音韻変化に着目して分類整理し， 音韻変化表を用いた数詞，助数詞読みを実現した。
(1) 数詞の標準桁読み
数字の表記では算用数字，漢数字が用いられるが， 両者の混ぜ書きも行われるなど，表記上の揺らぎが多い。 そこで，「・・・○千○百○十○万○千○百○十○」のように， 位取りを持った漢数字を表記法標準形と定め， すべての数詞をこの形式に変換した後，読みを付与している。 数詞の標準桁読みパターンを表７に示す。
| ／ | 〇 | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 九 |
| れい | いち | に | さん | よん | ご | ろく | なな | はち | きゅう |
| ／ | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 九 | |
| 十 | じゅう | ／ | に・じゅう | さん・じゅう | よん・じゅう | ご・じゅう | ろく・じゅう | なな・じゅう | はち・じゅう | きゅう・じゅう |
| 百 | ひゃく | ／ | に・ひゃく | さん・びゃく | よん・ひゃく | ご・ひゃく | ろっ・ぴゃく | なな・ひゃく | はっ・ぴゃく | きゅう・ひゃく |
| 千 | せん | いっ・せん | に・せん | さん・ぜん | よん・せん | ご・せん | ろく・せん | なな・せん | はっ・せん | きゅう・せん |
| ／ | 一 | 二 | 三 | 四 | 五 | 六 | 七 | 八 | 九 | 十 | 百 | 千 | |
| 万 | いち・まん | に・まん | さん・まん | よん・まん | ご・まん | ろく・まん | なな・まん | はち・まん | きゅう・まん | じゅう・まん | ひゃく・まん | せん・まん | |
| 億 | いち・おく | に・おく | さん・おく | よん・おく | ご・おく | ろく・おく | なな・おく | はち・おく | きゅう・おく | じゅう・おく | ひゃく・おく | せん・おく | |
| 兆 | いっ・ちょう | に・ちょう | さん・ちょう | よん・ちょう | ご・ちょう | ろく・ちょう | なな・ちょう | はっ・ちょう | きゅう・ちょう | じゅっ・ちょう | ひゃく・ちょう | せん・ちょう |
(2) 小数点数の読み
小数点のある数字では，以下に示す例のように小数点以下を２桁毎に区切って棒読みしている。 （ただし，２，５を「にー」，「ごー」と長音化する場合がある。）
１６．３４１ （じゅう／ろく／てん／さんよん／いち）
０．２３ （れい／てん／にーさん）
(3) 概数読み
概数の表記法としては
� 。隠押■魁 覆犬紊Δ砲気鵝�
�◆。粥■毅亜 覆靴瓦犬紊Α�
などがある。これらの場合は下一桁，
上一桁の数字の連続性などをみて読み
方を決めている。
数詞に助数詞が連接する時， 数詞の読みが変化して前述の標準桁読みパターンに従わない場合が生じる。
| �� | 尾音が促音化する |
| (例)５０回（ごじゅっかい） | |
| �� | 最後の数詞が慣用的な読みとなる。 |
| (例)四年（よねん），九月（くがつ） |
また，助数詞についてみれば， 直前の数詞によって頭音が濁音化｛例：３本（さんぼん）｝， 半濁音化｛例：１本（いっぽん）｝する場合がある。 これらの音韻変化は３．２．１で定めた標準形で， 数詞の最後の数字（Sl）と助数詞との組み合せで決まっている。 そこで，助数詞を数詞読みへの作用の仕方に着目して１３の型（Ti）， 自分自身の音韻変化に着目して５の型（Tj）に分類し， それぞれ表８，９に示すような，数詞音韻変化表，助数詞音韻変化表を作成した。 表８は数詞の音韻が変化しない場合は空欄となっている。 表９では，助数詞の音韻が変化しない， 濁音化する，半濁音化する場合がそれぞれ０，１，２で表される。
| Sl＼Ti | Ａ | Ｂ | Ｃ | Ｄ | Ｅ | Ｆ | Ｇ | Ｈ | Ｉ | Ｊ | Ｋ | Ｌ | Ｍ |
| 一 | いっ | いっ | いっ | ひと | ひと | ||||||||
| 二 | ふた | ふた | |||||||||||
| 三 | み | みっ | |||||||||||
| 四 | よ | よ | よっ | し | よ | よっ | |||||||
| 五 | いつ | いつ | |||||||||||
| 六 | ろっ | ろっ | ろっ | む | むっ | ||||||||
| 七 | しち | しち | しち | ||||||||||
| 八 | はっ | はっ | はっ | や | やっ | ||||||||
| 九 | く | く | く | ここの | ここの | ||||||||
| 十 | じゅっ | じゅっ | じゅっ | じゅっ | じゅっ | じゅっ | と | ||||||
| 百 | ひゃっ | ひゃっ | ひゃっ | ||||||||||
| 千 | |||||||||||||
| 万 | |||||||||||||
| 億 | |||||||||||||
| 兆 |
| Sl＼Ti | α | β | γ | δ | ε |
| 一 | ０ | ２ | ２ | ０ | ０ |
| 二 | ０ | ０ | ０ | ０ | ０ |
| 三 | ０ | ２ | １ | １ | １ |
| 四 | ０ | ２ | ０ | ０ | ０ |
| 五 | ０ | ０ | ０ | ０ | ０ |
| 六 | ０ | ２ | ２ | ２ | ０ |
| 七 | ０ | ０ | ０ | ０ | ０ |
| 八 | ０ | ２ | ２ | ２ | ０ |
| 九 | ０ | ０ | ０ | ０ | ０ |
| 十 | ０ | ２ | ２ | ２ | ０ |
| 百 | ０ | ２ | ２ | ２ | ０ |
| 千 | ０ | ２ | １ | １ | １ |
| 万 | ０ | ２ | １ | １ | １ |
| 億 | ０ | ０ | ０ | ０ | ０ |
| 兆 | ０ | ０ | ０ | ０ | ０ |
前述の規則に従がわないものとして下記の読みがあるが， これらは数詞，助数詞を組み合わせて辞書に登録した。
(1) 和語読み
和語系の助数詞と小さい数詞（１〜４程度）を組み合せた場合に， 「一坪」，「二坪」，「一切」，「二切」などは和語読みとなる。
(2) 特殊読み
数詞，助数詞の特定の組み合せに対して特殊な読みが与えられる。
| (例) | 一人（ひとり），一日（ついたち） | |
| 八日（ようか），二十才（はたち） |
新語など単語として辞書に登録されていない語は 漢字単位に下記の規則に従って漢字辞書（約６５００字の漢字を収録）から 音，または訓の読みを与える。
| �� | １文字未知語は訓，２文字以上の未知語は音とする。 |
| �� | 音，訓の読みが複数ある時は使用頻度最大のものをとる。 |
| �� | �，乏催�する音，訓が無い時は，登録された読みをとる。 |
〔例外〕
| (i) | あとの文字がかなでそれが活用語尾となる場合には 活用読み（漢字辞書に登録されている）を採用する。 |
| (ii) | 二文字未知語の一方が訓読みとなる時は他方も訓読みとする。 |
英字略語（単位記号は除く）は以下の方法で読みを与えている。
| �� | 特殊読みするものは辞書に登録する。 | |
| (例) | ＯＰＥＣ（オペック） | |
| ＡＳＥＡＮ（アセアン） | ||
| �� | �＾奮阿魯好撻詁匹澆垢襪發里箸掘ぅ▲襯侫．戰奪汎匹潺董璽屮襪覇匹燹� | |
| (例) | ＮＴＴ（エヌティーティー） | |
| ＩＮＳ（アイエヌエスイ） | ||
(1) 連濁
アクセント句（後述）が２単語以上で構成される時，後方の単語の頭音が濁音化する場合がある。 このような単語は辞書に連濁識別子を設け，連濁処理を行っている。
| (例) | 大＋会社（かいしゃ）→ |
| 大会社（だいがいしゃ） |
(2) その他の音韻処理
副助詞「は」，格助詞「へ」，一部の副詞，接続詞「あるいは」， 「または」などは発生される音節に合致させるよう「わ」，「え」に変換する。 また，東京（とーきょー）など長音化する部分を長音に変換する。
(1) アクセント合成
アクセントを付与する単位をアクセント句と言う。 アクセント句は通常１つ以上の単語から成り立つため，まず単語単位のアクセントを辞書から求め， それを組み合せてアクセント句単位のアクセントを アクセントの移動規則(19)に従って合成する。 以上の処理により，自立語＋付属語列，複合語，数詞などのアクセントが合成される。
(2) ポーズ付与
ポーズは適度な間隔で適切な場所に入れる必要がある。 そのため，アクセント句間の文法的，意味的結合の強さを基に， 文法的，意味的に強く結びついた境目を避け， 人間が通常一息で発声する音節数（１５〜２５モーラ）を目安にポーズを入れる。
本実験システムを用いて新聞記事９０日分（約１０００万字）の読みがな付けを行なった。 その結果，原文の文字でカウントして約９９．５％の正確さで 正しい読みが与えられることがわかった。 読み誤りの原因を分析した結果をまとめると表１０の通りである。
| 項番 | 誤りの原因 | 割合 |
| １ | 辞書の不備（姓名辞書） | 約５０％ |
| ２ | 辞書の不備（一般語・専門用語） | 約４０％ |
| ３ | 同形異語の読み誤り | 約 ５％ |
| ４ | 複合語の分割誤り | 約 ３％ |
| ５ | その他の誤り | 約 ２％ |
本システムでは３０万語にのぼる辞書を準備したが， 表からわかるように辞書の不備による誤りが約９割を占める。 その詳細を調べると，地名については辞書が充実しているためほとんど誤りを生じないのに対して， 姓名，一般語（混ぜ書き語など），専門用語，の読み誤りが多い。 このうち，姓，名については現在共に約１万語を登録しているが， これを３万語に増やせば，カバー率は９０％から９９％に拡大すると考えられる。 また，その他（一般語と専門用語）の辞書については， 実験結果の分析により代表的な経済用語，混ぜ書き語など約３千語追加登録することで， 表１０項番２の誤りを９割以上削減できることが判明している。 従って辞書の若干の拡充で，全体の誤りの約８割が減少するとみられるため， 本システムの精度を容易に９９．９％以上に向上させることが可能と判断できる。
残りの複合語の分割誤りと同形異語の読み誤りは， いずれも係り受けを考慮した承接語の追加と係り受け関係の整理によって かなり減少すると思われる。
なお，本実験で用いた新聞記事は 政治，経済，社会等に関する記事を含む代表的な現代国語文と考えられる。 従って，特定の分野の日本文を対象とする時は，その分野の専門用語を辞書に追加すればよい。
新聞記事や小説などの漢字かな混りの現代国語文を音声に変換する 日本文音声出力システムを作成した。
本システムでは，広範な現代国語文を精度よく単語に分割する分ち書き， 複合語分割などの単語分割技術，同形異語や数詞などの読み方規則などを確立した。 単語分割技術では， 従来提案されている字種と接続カテゴリーを用いた単語分割法の分割精度を上げるため， かな自立語辞書や混ぜ書き語辞書を拡充するほか， 単語接続頻度統計の結果に基き，単語接続カテゴリー表を新たに作成した。 複合語の分割では， 従来の最長一致法や分割数最小法に代わる精度のよい方法として係り受け解析を取り入れ， 係り受け数，単語出現確率， 分割数を基に最適な分割パターンを決定する新らしい係り受け解析法を実現した。 同形異語の読み分けでは，文法情報や係り受け等を用いた読みの選択ルールを確立し， 数詞，助数詞の読みでは数詞の桁読み規則，数詞，助数詞の音韻変化規則をまとめ， いずれもシステムに組み入れている。
本システムを大量の新聞記事の変換に適用した結果， ９９．５％以上の精度で正しい読みが付与されること， 辞書登録語彙を若干追加すれば，変換精度が９９．９％程度に向上することなどがわかった。
以上の結果，現代国語文を対象とし， 実用上十分な変換精度を有する日本文音声出力システムが実現できる見通しが得られた。
三省堂刊新明解国語辞典（第二版），磁気テープの使用を承諾して下さった（株）三省堂の各位， 本研究の基礎となる分かち書きプログラム， 辞書を提供した下さった京都大学・長尾真教授に深謝する。