マルチリンガル・テキスト・リソースのアクセスを制御するための方法および装置
【課題】
第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定する方法を提供する。
【解決手段】
本発明の方法は、
第１ドキュメントのテキスト内容を表す第１ヒストグラムを生成するステップと、
ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するステップであって、第２ヒストグラムの各々はドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す、ステップと、
第１ヒストグラムに適合する、第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために第２ヒストグラムの各々を第１ヒストグラムと比較するステップと、
少なくとも１つの第２ドキュメントを、少なくとも１つのヒストグラムを有するドキュメントとして識別するステップと、
を含む。
第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定する方法を提供する。
【解決手段】
本発明の方法は、
第１ドキュメントのテキスト内容を表す第１ヒストグラムを生成するステップと、
ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するステップであって、第２ヒストグラムの各々はドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す、ステップと、
第１ヒストグラムに適合する、第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために第２ヒストグラムの各々を第１ヒストグラムと比較するステップと、
少なくとも１つの第２ドキュメントを、少なくとも１つのヒストグラムを有するドキュメントとして識別するステップと、
を含む。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、同じ情報内容を保持するマルチリンガル・テキスト・リソースを検出するための方法、コンピュータ・プログラム、およびデータ処理システムに関するものである。
【背景技術】
【０００２】
ニュース記事およびユーザ・マニュアルのようなテキスト・リソースは、多くの場合、いくつもの言語で入手可能である。インターネットの広範な且つ増大する使用は、そのようなテキスト・リソースの入手可能性を益々大きくした。そのようなリソースの或るものは、同じプロバイダによって相異なる言語で入手可能にされる。例えば、インターネット上で公開された日々のニュースのような別のリソースが相異なるプロバイダによって入手可能にされる。同じまたは同様のニュース・ストーリが相異なる言語で見られることも多い。そのような記事のテキストは相互に対応したものでないことがある。即ち、それらは或る言語から他の言語への的確な翻訳ではないことがある。
【０００３】
相異なる言語におけるテキスト・リソースの入手可能性はユーザにとって非常に有益であることがある。例えば、第１言語におけるニュース記事に対応した第２言語におけるニュース記事をユーザが必要とする場合、第２言語におけるそのような記事の入手可能性は、第２言語への的確な翻訳をユーザに与えることがある。これは、機械翻訳ツールが満足し得る品質の翻訳を与えることができず、しかも満足し得る品質を与える人の翻訳が非常に高価であるので、非常に有益である。別の例として、或る装置のユーザは、それらの自国語ではない言語のものしかその装置に対するユーザ手引書または指示書を受け取ることができないことがある。そのような状況では、ユーザの自国語におけるユーザ手引書及び指示書の入手可能性は、ユーザにとって非常に有益であることがある。
【０００４】
従って、マルチリンガル・テキスト・リソースの入手可能性は、ユーザにとって非常に有益なものとなり得る。しかし、相異なる言語における同じ内容を持ったテキスト・リソースを見つける場合には、問題がある。
【０００５】
米国特許第６,９９３,４７１号は、ブラウザに組み込まれた機械翻訳ソフトウェアを使ってＨＴＭＬドキュメントを翻訳するシステムを提案している。これは、テキスト・リソースが書かれた言語以外の言語でユーザがテキスト・リソースをアクセスすることを可能にするが、その出力の品質は機械翻訳ソフトウェアの出力の品質によって限定される。
【０００６】
もう１つの方法は、並列文を収集するように努めることである。例えば、米国特許出願２００５／０２２８６４３は、文整合エンジンの出力から特徴のセットを抽出することを開示しており、その後、それらを使って並列文を検出するよう最大エントロピ選別器をトレーニングする。そのようなシステムは並列文を検出するようには働くが、同じテキスト内容を有するドキュメントを検出するには適さない。テキスト・リソースは、それらが同じ起点から生じた場合でも滅多に相互の的確な翻訳にはならない。長さ及び詳細レベルにおいてもかなりの相違が存在することがある。
【０００７】
米国特許第６,６０４,１０１号は、ユーザにより起点言語で入力された照会を目標言語に翻訳し、その目標言語でウェブ・ドキュメントをサーチ及び検索するためのシステムを開示している。このような方法は、第１言語における照会に適合した第２言語におけるいくつものドキュメントが見つけられることを可能にする。しかし、それは、第１言語におけるドキュメントと同じテキスト内容を有する第２言語におけるドキュメントが見つけられることを可能にするものではない。
【特許文献１】米国特許第６,９９３,４７１号
【特許文献２】米国特許出願２００５／０２２８６４３
【特許文献３】米国特許第６,６０４,１０１号
【発明の開示】
【発明が解決しようとする課題】
【０００８】
本発明の目的は、同じ情報内容を保持するマルチリンガル・テキスト・リソースを検出するための方法、コンピュータ・プログラム、およびデータ処理システムを提供することにある。
【課題を解決するための手段】
【０００９】
本発明の実施例によれば、第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定する方法が提供される。その方法は、第１ヒストグラムを生成するステップを含む。第１ヒストグラムは、第１ドキュメントのテキスト内容を表す。その方法は、更に、ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するステップを含む。第２ヒストグラムの各々は、そのドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す。その方法は、更に、第１ヒストグラムに適合する、第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために第２ヒストグラムの各々を第１ヒストグラムと比較するステップを含む。第１ドキュメントのテキスト内容に適合するテキスト内容を有する少なくとも１つの第２ドキュメントが、その少なくとも１つのヒストグラムを有するドキュメントとして識別される。
【００１０】
本発明の諸実施例は、ドキュメントのテキスト内容がヒストグラムによって記述され、従って、ドキュメント全体の内容が他のドキュメントの内容全体と比較され得るので有利である。
【００１１】
本発明の実施例によれば、第１ドキュメントおよび第２ドキュメントのテキスト内容を表すヒストグラムは、それぞれ、第１ドキュメントとドキュメントのセットの各ドキュメントとにおけるクロス・リンガル・ワード・クラスの頻度を決定することによって生成される。
【００１２】
クロス・リンガル・ワード・クラスの使用は、同じ意味を持つ相異なるワードを含むドキュメントが適合するので有利である。
【００１３】
本発明の一実施例によれば、クロス・リンガル・ワード・クラスが第１言語および第２言語に対するモノリンガル・コーパスから形成されることも可能である。
【００１４】
本発明の一実施例によれば、その方法は、第１言語および第２言語に対するモノリンガル・ワード・クラスを形成するステップを更に含む。
【００１５】
本発明の一実施例によれば、その方法は、機能ワードを除去し、残りの内容ワードをステミングするステップを更に含む。
【００１６】
本発明の一実施例によれば、第２ヒストグラムを第１ヒストグラムと比較するステップは、第１ヒストグラムおよび第２ヒストグラムにおけるマルチリンガル・ワード・クラスの範囲がヒストグラムのセットを決定するために適合するかどうかを決定するステップ、およびそのヒストグラムのセットから少なくとも１つのヒストグラムを決定するステップを含む。
【００１７】
本発明の一実施例によれば、少なくとも１つのヒストグラムを決定するステップは、第１ヒストグラムのフーリエ変換および第２ヒストグラムの各々のフーリエ変換を行うステップ、および第１ヒストグラムのフーリエ係数と第２ヒストグラムの各々のフーリエ係数との間のユークリッド距離を見積もるステップを含む。
【００１８】
本発明の一実施例によれば、コンピュータ・プログラムが提供される。そのコンピュータ・プログラムは、本発明による方法をコンピュータに遂行させるためのコンピュータ可読プログラム手段を含む。
【００１９】
本発明の実施例によれば、第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定するためのデータ処理システムが提供される。
【発明を実施するための最良の形態】
【００２０】
図１は、データ処理システム１００のブロック図を示す。データ処理システム１００は、マイクロプロセッサ１０２、記憶装置１０４、入出力装置１０６、およびネットワーク接続１１０を含む。マイクロプロセッサ１０２は、オペレーティング・システム１１０を実行する。オペレーティング・システム１１０は、コンピュータ・プログラム１１２を実行するために使用される。オペレーティング・システム１１０のコードおよびコンピュータ・プログラム１１２は記憶装置１０４に保存され、実行のためにマイクロプロセッサ１０２にロードされる。
【００２１】
コンピュータ・プログラム１１２は、第１言語における第１ドキュメントと同じテキスト内容を有する、ドキュメントのセットのうちのドキュメントを決定するためのツールとみなすことができる。コンピュータ・プログラム１１２は、ウェブ・ブラウザに対するアド・オンとして実装されることが可能である。ウェブ・ブラウザは、ネットワーク接続１０８を介してインターネットをアクセスし得る。それとは別の方法として、コンピュータ・プログラム１１２は、テキスト・リソースをサーチするように作動し得るサーチ・エンジンとして実装されることも可能である。テキスト・リソースは、記憶装置１０４に保存されてもよく、或いは、それとは別に、リモート・サーバ上にまたはインターネット上に保存され、ネットワーク接続１０８を介してアクセスされることも可能である。
【００２２】
入出力装置１０６は、キーボード、マウス、または他の入力装置を含んでもよい。入出力装置１０６は、更に、ディスプレイ、音声出力装置も含み得る。
【００２３】
図２は、第１言語における第１ドキュメントのテキスト内容と同じであるテキスト内容を有する、第２言語におけるドキュメントのセットを決定することに関連した方法ステップを示すフローチャートである。テキスト・リソースおよびドキュメントという用語は、任意の独立したテキスト部分を参照するために互換的に使用される。ステップ２０２において、オリジナル・ドキュメントの言語が検出される。これは、任意の既知の言語検出アルゴリズムを使用して実行することも可能である。ステップ２０４において、目標言語における候補ドキュメントが見つけられる。これは、例えば、オリジナル・ドキュメントから用語を抽出すること、それらを目標言語に翻訳すること、およびそれらをサーチ・エンジンに入力することによって実行することも可能である。別の方法として、オリジナル言語におけるサーチ用語を使用して目標言語におけるドキュメントを戻すためにマルチリンガル・サーチ・エンジンを使用することも可能である。以下の説明では、第１言語という用語はオリジナル・ドキュメントの言語を指すために使用され、第２言語という用語は目標ドキュメントの言語を指すために使用される。ステップ２０６では、ステップ２０４において戻されたドキュメントのセットから、適合するドキュメントが決定される。
【００２４】
図３は、適合するドキュメントの決定に関連した方法ステップを示すフローチャートである。図３に示された方法３００は、図２に示されたステップ２０６を表す。ステップ３０２において、第１ドキュメントから第１ヒストグラムが生成される。第１ドキュメントから生成された第１ヒストグラムは、第１ドキュメント、即ち、オリジナル・ドキュメントのテキスト内容を示す。ステップ３０４において、第２ヒストグラムが生成される。第２ヒストグラムは、第２言語における第２ドキュメントの各々のテキスト内容、即ち、目標言語における潜在的に適合するドキュメントの各々のテキスト内容を示す。ステップ３０６において、第２ヒストグラムの各々が第１ヒストグラムと比較される。ステップ３０８において、第１言語における第１ドキュメントに適合するテキスト内容を有する第２言語におけるドキュメントが識別される。それらのドキュメントは、第１ヒストグラムに適合するヒストグラムを有するドキュメントとして識別される。
【００２５】
図４は、ドキュメントに対するヒストグラムを生成するための方法４００を示す。方法４００は、各テキスト・リソースを概念的表示と置換することに関連する。この概念的表示は、同じ情報内容を保持したテキスト・リソースに適合させるために使用することが可能である。ステップ４０２において、すべての機能ワードがドキュメントから除去される。機能ワードは、ほとんど字句上の意味を持たないワード、または曖昧な意味を有するワードである。機能ワードではないワードは、内容ワードまたは字句ワードと呼ばれる。内容ワードは、名詞、動詞、形容詞、およびほとんどの副詞を含む。ステップ４０４において、残りの内容ワードが語幹形式に縮小される。語幹形式への縮小、即ち、ステミングは、屈折したまたは導出されたワードをそれらの語幹、ベース、または語根形式に縮小するプロセスである。ステップ４０４に続いて、ステミングされた内容ワードのリストが各ドキュメントに対して得られる。ステップ４０６において、各ワードが、クロス・リンガル・ワード・クラスのリポジトリにおいて探索され、対応するクラスＩＤによって置換される。クロス・リンガル・ワード・クラスは、同じセマンティック上の意味を保持した、異なる言語におけるワードのクラスである。各ワードがクロス・リンガル・ワード・クラス内に配された後、各クロス・リンガル・ワード・クラスの発生頻度がステップ４０８において決定される。ヒストグラムは、クロス・リンガル・ワード・クラスの表形式の頻度を表す図形的表示である。
【００２６】
図５は、クロス・リンガル・ワード・クラスを形成するための方法５００を示す。ステップ５０２において、モノリンガル・ワード・クラスが形成される。モノリンガル・ワード・クラスを形成するプロセスは、図６に関連して更に詳しく後述される。ステップ５０２において一旦モノリンガル・ワード・クラスが形成されてしまうと、ステップ５０４において、クロス・リンガル・ワード・クラスが翻訳マトリクスを使って生成される。
【００２７】
図６は、モノリンガル・ワード・クラスを形成するための方法６００を示す。ステップ６０２において、ローカル・グラフが、フォーカス・ワードおよび類似グラフを使ってそのフォーカス・ワードの周りにローカル・グラフを形成するために生成される。類似グラフは、大きなワード・コーパスを使って、および、意味的に同等のワードが同様のコンテキストにおいて同時発生したという観察結果に基づいて形成される。コンテキストは、ｎグラムすべてを大きいコーパスから抽出することによって識別され得る。ｎグラムの中間ワードはフォーカス・ワードとみなされ、それらのワードの残りはコンテキストとみなされ得る。
【００２８】
５グラムが使用され、ワード・コンテキストは、幾つかのワードをそれらのセマンティックまたはセマンタティック・クラスと置換することによって緩和されることも可能である。名前付きエンティティを指すワードは、対応する名前付きエンティティ・カテゴリと置換されてもよい。内容ワードは必要に応じてそのまま残されてもよい。次に、大きなグラフが、ノードを表す各ワード語幹によって構成されてもよい。２つのワードが同じコンテキストを認めるとき、グラフにおけるそれらの語幹の間にエッジが追加されてもよい。エッジは、２つのワードが同じであることを示唆する多数のコンテキスト取決めに従って、重み付けされてもよい。
【００２９】
ステップ６０４において、クラスタリング・アルゴリズムがローカル・グラフに適用される。これは、例えば、クラスタリング・アルゴリズムのマークであってもよい。ステップ６０６において、ワード・クラスが保存される。
【００３０】
図７は、ヒストグラムを比較するための方法７００を示す。ステップ７０２において、ワード・クラス範囲が重なるかどうかに関して決定が行われる。ワード・クラス範囲が重ならない場合、ステップ７０２では、ドキュメントがコンテキストに適合しないということも決定される。ステップ７０４において、ヒストグラムが適合するかどうかに関して更なる決定が行われる。
【００３１】
図８は、ヒストグラムが適合するかどうかを決定するための方法８００を示す。方法８００は、図７におけるステップ７０４に相当する。ステップ８０２において、慎重なワード変換がヒストグラムに適用される。そこで、フーリエ展開係数ベクトルが抽出され得る。ステップ８０４において、フーリエ係数ベクトル間のユークリッド距離が見積もられる。この距離は、ヒストグラムが適合し得るか否かを決定するためのスコアとして使用される。フーリエ係数ベクトル間のユークリッド距離が所定の閾値よりも小さい場合、ヒストグラムによって表されたドキュメントのテキスト内容が適合するとみなされる。閾値との比較がステップ８０６において生じる。
【００３２】
本発明は、全体的にハードウェアの実施例、全体的にソフトウェアの実施例、またはハードウェア要素およびソフトウェア要素の両方を含む実施例をとり得る。好適な実施例では、本発明は、ファームウェア、常駐ソフトウェア、マイクロコード等を含むがそれに限定されないソフトウェアにおいて実施される。
【００３３】
更に、本発明は、コンピュータまたは任意の命令実行システムにより、またはそれに関連して使用するためのプログラム・コードを提供するコンピュータ使用可能媒体またはコンピュータ可読媒体からアクセス可能なコンピュータ・プログラムの形体をとり得る。この説明のためには、コンピュータ使用可能媒体またはコンピュータ可読媒体が、命令実行システム、装置、またはデバイスによって、またはそれに関連して使用するためのプログラムを含み、保存し、通信し、伝播し、または搬送し得る任意の装置であってもよい。
【００３４】
その媒体は、電子的、磁気的、光学的、電磁的、赤外線、または半導体システム（または装置、またはデバイス）、或いは伝播媒体であってもよい。コンピュータ可読媒体の例は、半導体またはソリッド・ステート・メモリ、磁気テープ、取外し可能ディスケット、ランダム・アクセス・メモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、固定磁気ディスク、および光ディスクを含む。光ディスクの現用の例は、コンパクト・ディスク読取専用メモリ（ＣＤ−ＲＯＭ）、コンパクト・ディスク読取り／書込み（ＣＤ−Ｒ／Ｗ）、およびＤＶＤを含む。
【００３５】
コンピュータ・プログラム・コードを保存および／または実行するに適したデータ処理システムは、システム・バスを介してメモリ素子に直接的または間接的に接続された少なくとも１つのプロセッサを含むであろう。メモリ素子は、プログラムの実際の実行中に使用されるローカル・メモリ、大容量記憶装置、および、実行中に大容量記憶装置からコードが検索されなければならない回数を減らすために少なくとも幾つかのプログラム・コードの一時的記憶装置を提供するキャッシュ・メモリを含み得る。
【００３６】
入出力（Ｉ／Ｏ）装置（キーボード、ディスプレイ、ポインティング装置等を含むがそれに限定されない）は、直接的に、または介在のＩ／Ｏコントローラを介してシステムに接続され得る。
【００３７】
データ処理システムが、介在の専用または公衆ネットワークを介して他のデータ処理システム、リモート・プリンタ、または記憶装置に接続されることを可能にするために、ネットワーク・アダプタが接続されることも可能である。モデム、ケーブル・モデム、および Ethernet（登録商標）は、数少ない現在使用可能なネットワーク・アダプタである。
【図面の簡単な説明】
【００３８】
【図１】データ処理システムのブロックである。
【図２】オリジナル・ドキュメントと同じテキスト内容を有するテキスト・リソースを見つける方法において遂行されるステップを示すフローチャートである。
【図３】第１ドキュメントのテキスト内容に適合するテキスト内容を有するドキュメントをドキュメントのセットから決定する方法において遂行されるステップを示すフローチャートである。
【図４】テキスト・リソースに対するヒストグラムを生成する方法において遂行されるステップを示すフローチャートである。
【図５】クロス・リンガル・ワード・クラスを生成する方法において遂行されるステップを示すフローチャートである。
【図６】モノリンガル・ワード・クラスを生成する方法において遂行されるステップを示すフローチャートである。
【図７】ヒストグラムを比較する方法において遂行されるステップを示すフローチャートである。
【図８】ヒストグラムが適合するかどうかを決定する方法において遂行されるステップを示すフローチャートである。
【技術分野】
【０００１】
本発明は、同じ情報内容を保持するマルチリンガル・テキスト・リソースを検出するための方法、コンピュータ・プログラム、およびデータ処理システムに関するものである。
【背景技術】
【０００２】
ニュース記事およびユーザ・マニュアルのようなテキスト・リソースは、多くの場合、いくつもの言語で入手可能である。インターネットの広範な且つ増大する使用は、そのようなテキスト・リソースの入手可能性を益々大きくした。そのようなリソースの或るものは、同じプロバイダによって相異なる言語で入手可能にされる。例えば、インターネット上で公開された日々のニュースのような別のリソースが相異なるプロバイダによって入手可能にされる。同じまたは同様のニュース・ストーリが相異なる言語で見られることも多い。そのような記事のテキストは相互に対応したものでないことがある。即ち、それらは或る言語から他の言語への的確な翻訳ではないことがある。
【０００３】
相異なる言語におけるテキスト・リソースの入手可能性はユーザにとって非常に有益であることがある。例えば、第１言語におけるニュース記事に対応した第２言語におけるニュース記事をユーザが必要とする場合、第２言語におけるそのような記事の入手可能性は、第２言語への的確な翻訳をユーザに与えることがある。これは、機械翻訳ツールが満足し得る品質の翻訳を与えることができず、しかも満足し得る品質を与える人の翻訳が非常に高価であるので、非常に有益である。別の例として、或る装置のユーザは、それらの自国語ではない言語のものしかその装置に対するユーザ手引書または指示書を受け取ることができないことがある。そのような状況では、ユーザの自国語におけるユーザ手引書及び指示書の入手可能性は、ユーザにとって非常に有益であることがある。
【０００４】
従って、マルチリンガル・テキスト・リソースの入手可能性は、ユーザにとって非常に有益なものとなり得る。しかし、相異なる言語における同じ内容を持ったテキスト・リソースを見つける場合には、問題がある。
【０００５】
米国特許第６,９９３,４７１号は、ブラウザに組み込まれた機械翻訳ソフトウェアを使ってＨＴＭＬドキュメントを翻訳するシステムを提案している。これは、テキスト・リソースが書かれた言語以外の言語でユーザがテキスト・リソースをアクセスすることを可能にするが、その出力の品質は機械翻訳ソフトウェアの出力の品質によって限定される。
【０００６】
もう１つの方法は、並列文を収集するように努めることである。例えば、米国特許出願２００５／０２２８６４３は、文整合エンジンの出力から特徴のセットを抽出することを開示しており、その後、それらを使って並列文を検出するよう最大エントロピ選別器をトレーニングする。そのようなシステムは並列文を検出するようには働くが、同じテキスト内容を有するドキュメントを検出するには適さない。テキスト・リソースは、それらが同じ起点から生じた場合でも滅多に相互の的確な翻訳にはならない。長さ及び詳細レベルにおいてもかなりの相違が存在することがある。
【０００７】
米国特許第６,６０４,１０１号は、ユーザにより起点言語で入力された照会を目標言語に翻訳し、その目標言語でウェブ・ドキュメントをサーチ及び検索するためのシステムを開示している。このような方法は、第１言語における照会に適合した第２言語におけるいくつものドキュメントが見つけられることを可能にする。しかし、それは、第１言語におけるドキュメントと同じテキスト内容を有する第２言語におけるドキュメントが見つけられることを可能にするものではない。
【特許文献１】米国特許第６,９９３,４７１号
【特許文献２】米国特許出願２００５／０２２８６４３
【特許文献３】米国特許第６,６０４,１０１号
【発明の開示】
【発明が解決しようとする課題】
【０００８】
本発明の目的は、同じ情報内容を保持するマルチリンガル・テキスト・リソースを検出するための方法、コンピュータ・プログラム、およびデータ処理システムを提供することにある。
【課題を解決するための手段】
【０００９】
本発明の実施例によれば、第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定する方法が提供される。その方法は、第１ヒストグラムを生成するステップを含む。第１ヒストグラムは、第１ドキュメントのテキスト内容を表す。その方法は、更に、ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するステップを含む。第２ヒストグラムの各々は、そのドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す。その方法は、更に、第１ヒストグラムに適合する、第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために第２ヒストグラムの各々を第１ヒストグラムと比較するステップを含む。第１ドキュメントのテキスト内容に適合するテキスト内容を有する少なくとも１つの第２ドキュメントが、その少なくとも１つのヒストグラムを有するドキュメントとして識別される。
【００１０】
本発明の諸実施例は、ドキュメントのテキスト内容がヒストグラムによって記述され、従って、ドキュメント全体の内容が他のドキュメントの内容全体と比較され得るので有利である。
【００１１】
本発明の実施例によれば、第１ドキュメントおよび第２ドキュメントのテキスト内容を表すヒストグラムは、それぞれ、第１ドキュメントとドキュメントのセットの各ドキュメントとにおけるクロス・リンガル・ワード・クラスの頻度を決定することによって生成される。
【００１２】
クロス・リンガル・ワード・クラスの使用は、同じ意味を持つ相異なるワードを含むドキュメントが適合するので有利である。
【００１３】
本発明の一実施例によれば、クロス・リンガル・ワード・クラスが第１言語および第２言語に対するモノリンガル・コーパスから形成されることも可能である。
【００１４】
本発明の一実施例によれば、その方法は、第１言語および第２言語に対するモノリンガル・ワード・クラスを形成するステップを更に含む。
【００１５】
本発明の一実施例によれば、その方法は、機能ワードを除去し、残りの内容ワードをステミングするステップを更に含む。
【００１６】
本発明の一実施例によれば、第２ヒストグラムを第１ヒストグラムと比較するステップは、第１ヒストグラムおよび第２ヒストグラムにおけるマルチリンガル・ワード・クラスの範囲がヒストグラムのセットを決定するために適合するかどうかを決定するステップ、およびそのヒストグラムのセットから少なくとも１つのヒストグラムを決定するステップを含む。
【００１７】
本発明の一実施例によれば、少なくとも１つのヒストグラムを決定するステップは、第１ヒストグラムのフーリエ変換および第２ヒストグラムの各々のフーリエ変換を行うステップ、および第１ヒストグラムのフーリエ係数と第２ヒストグラムの各々のフーリエ係数との間のユークリッド距離を見積もるステップを含む。
【００１８】
本発明の一実施例によれば、コンピュータ・プログラムが提供される。そのコンピュータ・プログラムは、本発明による方法をコンピュータに遂行させるためのコンピュータ可読プログラム手段を含む。
【００１９】
本発明の実施例によれば、第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定するためのデータ処理システムが提供される。
【発明を実施するための最良の形態】
【００２０】
図１は、データ処理システム１００のブロック図を示す。データ処理システム１００は、マイクロプロセッサ１０２、記憶装置１０４、入出力装置１０６、およびネットワーク接続１１０を含む。マイクロプロセッサ１０２は、オペレーティング・システム１１０を実行する。オペレーティング・システム１１０は、コンピュータ・プログラム１１２を実行するために使用される。オペレーティング・システム１１０のコードおよびコンピュータ・プログラム１１２は記憶装置１０４に保存され、実行のためにマイクロプロセッサ１０２にロードされる。
【００２１】
コンピュータ・プログラム１１２は、第１言語における第１ドキュメントと同じテキスト内容を有する、ドキュメントのセットのうちのドキュメントを決定するためのツールとみなすことができる。コンピュータ・プログラム１１２は、ウェブ・ブラウザに対するアド・オンとして実装されることが可能である。ウェブ・ブラウザは、ネットワーク接続１０８を介してインターネットをアクセスし得る。それとは別の方法として、コンピュータ・プログラム１１２は、テキスト・リソースをサーチするように作動し得るサーチ・エンジンとして実装されることも可能である。テキスト・リソースは、記憶装置１０４に保存されてもよく、或いは、それとは別に、リモート・サーバ上にまたはインターネット上に保存され、ネットワーク接続１０８を介してアクセスされることも可能である。
【００２２】
入出力装置１０６は、キーボード、マウス、または他の入力装置を含んでもよい。入出力装置１０６は、更に、ディスプレイ、音声出力装置も含み得る。
【００２３】
図２は、第１言語における第１ドキュメントのテキスト内容と同じであるテキスト内容を有する、第２言語におけるドキュメントのセットを決定することに関連した方法ステップを示すフローチャートである。テキスト・リソースおよびドキュメントという用語は、任意の独立したテキスト部分を参照するために互換的に使用される。ステップ２０２において、オリジナル・ドキュメントの言語が検出される。これは、任意の既知の言語検出アルゴリズムを使用して実行することも可能である。ステップ２０４において、目標言語における候補ドキュメントが見つけられる。これは、例えば、オリジナル・ドキュメントから用語を抽出すること、それらを目標言語に翻訳すること、およびそれらをサーチ・エンジンに入力することによって実行することも可能である。別の方法として、オリジナル言語におけるサーチ用語を使用して目標言語におけるドキュメントを戻すためにマルチリンガル・サーチ・エンジンを使用することも可能である。以下の説明では、第１言語という用語はオリジナル・ドキュメントの言語を指すために使用され、第２言語という用語は目標ドキュメントの言語を指すために使用される。ステップ２０６では、ステップ２０４において戻されたドキュメントのセットから、適合するドキュメントが決定される。
【００２４】
図３は、適合するドキュメントの決定に関連した方法ステップを示すフローチャートである。図３に示された方法３００は、図２に示されたステップ２０６を表す。ステップ３０２において、第１ドキュメントから第１ヒストグラムが生成される。第１ドキュメントから生成された第１ヒストグラムは、第１ドキュメント、即ち、オリジナル・ドキュメントのテキスト内容を示す。ステップ３０４において、第２ヒストグラムが生成される。第２ヒストグラムは、第２言語における第２ドキュメントの各々のテキスト内容、即ち、目標言語における潜在的に適合するドキュメントの各々のテキスト内容を示す。ステップ３０６において、第２ヒストグラムの各々が第１ヒストグラムと比較される。ステップ３０８において、第１言語における第１ドキュメントに適合するテキスト内容を有する第２言語におけるドキュメントが識別される。それらのドキュメントは、第１ヒストグラムに適合するヒストグラムを有するドキュメントとして識別される。
【００２５】
図４は、ドキュメントに対するヒストグラムを生成するための方法４００を示す。方法４００は、各テキスト・リソースを概念的表示と置換することに関連する。この概念的表示は、同じ情報内容を保持したテキスト・リソースに適合させるために使用することが可能である。ステップ４０２において、すべての機能ワードがドキュメントから除去される。機能ワードは、ほとんど字句上の意味を持たないワード、または曖昧な意味を有するワードである。機能ワードではないワードは、内容ワードまたは字句ワードと呼ばれる。内容ワードは、名詞、動詞、形容詞、およびほとんどの副詞を含む。ステップ４０４において、残りの内容ワードが語幹形式に縮小される。語幹形式への縮小、即ち、ステミングは、屈折したまたは導出されたワードをそれらの語幹、ベース、または語根形式に縮小するプロセスである。ステップ４０４に続いて、ステミングされた内容ワードのリストが各ドキュメントに対して得られる。ステップ４０６において、各ワードが、クロス・リンガル・ワード・クラスのリポジトリにおいて探索され、対応するクラスＩＤによって置換される。クロス・リンガル・ワード・クラスは、同じセマンティック上の意味を保持した、異なる言語におけるワードのクラスである。各ワードがクロス・リンガル・ワード・クラス内に配された後、各クロス・リンガル・ワード・クラスの発生頻度がステップ４０８において決定される。ヒストグラムは、クロス・リンガル・ワード・クラスの表形式の頻度を表す図形的表示である。
【００２６】
図５は、クロス・リンガル・ワード・クラスを形成するための方法５００を示す。ステップ５０２において、モノリンガル・ワード・クラスが形成される。モノリンガル・ワード・クラスを形成するプロセスは、図６に関連して更に詳しく後述される。ステップ５０２において一旦モノリンガル・ワード・クラスが形成されてしまうと、ステップ５０４において、クロス・リンガル・ワード・クラスが翻訳マトリクスを使って生成される。
【００２７】
図６は、モノリンガル・ワード・クラスを形成するための方法６００を示す。ステップ６０２において、ローカル・グラフが、フォーカス・ワードおよび類似グラフを使ってそのフォーカス・ワードの周りにローカル・グラフを形成するために生成される。類似グラフは、大きなワード・コーパスを使って、および、意味的に同等のワードが同様のコンテキストにおいて同時発生したという観察結果に基づいて形成される。コンテキストは、ｎグラムすべてを大きいコーパスから抽出することによって識別され得る。ｎグラムの中間ワードはフォーカス・ワードとみなされ、それらのワードの残りはコンテキストとみなされ得る。
【００２８】
５グラムが使用され、ワード・コンテキストは、幾つかのワードをそれらのセマンティックまたはセマンタティック・クラスと置換することによって緩和されることも可能である。名前付きエンティティを指すワードは、対応する名前付きエンティティ・カテゴリと置換されてもよい。内容ワードは必要に応じてそのまま残されてもよい。次に、大きなグラフが、ノードを表す各ワード語幹によって構成されてもよい。２つのワードが同じコンテキストを認めるとき、グラフにおけるそれらの語幹の間にエッジが追加されてもよい。エッジは、２つのワードが同じであることを示唆する多数のコンテキスト取決めに従って、重み付けされてもよい。
【００２９】
ステップ６０４において、クラスタリング・アルゴリズムがローカル・グラフに適用される。これは、例えば、クラスタリング・アルゴリズムのマークであってもよい。ステップ６０６において、ワード・クラスが保存される。
【００３０】
図７は、ヒストグラムを比較するための方法７００を示す。ステップ７０２において、ワード・クラス範囲が重なるかどうかに関して決定が行われる。ワード・クラス範囲が重ならない場合、ステップ７０２では、ドキュメントがコンテキストに適合しないということも決定される。ステップ７０４において、ヒストグラムが適合するかどうかに関して更なる決定が行われる。
【００３１】
図８は、ヒストグラムが適合するかどうかを決定するための方法８００を示す。方法８００は、図７におけるステップ７０４に相当する。ステップ８０２において、慎重なワード変換がヒストグラムに適用される。そこで、フーリエ展開係数ベクトルが抽出され得る。ステップ８０４において、フーリエ係数ベクトル間のユークリッド距離が見積もられる。この距離は、ヒストグラムが適合し得るか否かを決定するためのスコアとして使用される。フーリエ係数ベクトル間のユークリッド距離が所定の閾値よりも小さい場合、ヒストグラムによって表されたドキュメントのテキスト内容が適合するとみなされる。閾値との比較がステップ８０６において生じる。
【００３２】
本発明は、全体的にハードウェアの実施例、全体的にソフトウェアの実施例、またはハードウェア要素およびソフトウェア要素の両方を含む実施例をとり得る。好適な実施例では、本発明は、ファームウェア、常駐ソフトウェア、マイクロコード等を含むがそれに限定されないソフトウェアにおいて実施される。
【００３３】
更に、本発明は、コンピュータまたは任意の命令実行システムにより、またはそれに関連して使用するためのプログラム・コードを提供するコンピュータ使用可能媒体またはコンピュータ可読媒体からアクセス可能なコンピュータ・プログラムの形体をとり得る。この説明のためには、コンピュータ使用可能媒体またはコンピュータ可読媒体が、命令実行システム、装置、またはデバイスによって、またはそれに関連して使用するためのプログラムを含み、保存し、通信し、伝播し、または搬送し得る任意の装置であってもよい。
【００３４】
その媒体は、電子的、磁気的、光学的、電磁的、赤外線、または半導体システム（または装置、またはデバイス）、或いは伝播媒体であってもよい。コンピュータ可読媒体の例は、半導体またはソリッド・ステート・メモリ、磁気テープ、取外し可能ディスケット、ランダム・アクセス・メモリ（ＲＡＭ）、読取専用メモリ（ＲＯＭ）、固定磁気ディスク、および光ディスクを含む。光ディスクの現用の例は、コンパクト・ディスク読取専用メモリ（ＣＤ−ＲＯＭ）、コンパクト・ディスク読取り／書込み（ＣＤ−Ｒ／Ｗ）、およびＤＶＤを含む。
【００３５】
コンピュータ・プログラム・コードを保存および／または実行するに適したデータ処理システムは、システム・バスを介してメモリ素子に直接的または間接的に接続された少なくとも１つのプロセッサを含むであろう。メモリ素子は、プログラムの実際の実行中に使用されるローカル・メモリ、大容量記憶装置、および、実行中に大容量記憶装置からコードが検索されなければならない回数を減らすために少なくとも幾つかのプログラム・コードの一時的記憶装置を提供するキャッシュ・メモリを含み得る。
【００３６】
入出力（Ｉ／Ｏ）装置（キーボード、ディスプレイ、ポインティング装置等を含むがそれに限定されない）は、直接的に、または介在のＩ／Ｏコントローラを介してシステムに接続され得る。
【００３７】
データ処理システムが、介在の専用または公衆ネットワークを介して他のデータ処理システム、リモート・プリンタ、または記憶装置に接続されることを可能にするために、ネットワーク・アダプタが接続されることも可能である。モデム、ケーブル・モデム、および Ethernet（登録商標）は、数少ない現在使用可能なネットワーク・アダプタである。
【図面の簡単な説明】
【００３８】
【図１】データ処理システムのブロックである。
【図２】オリジナル・ドキュメントと同じテキスト内容を有するテキスト・リソースを見つける方法において遂行されるステップを示すフローチャートである。
【図３】第１ドキュメントのテキスト内容に適合するテキスト内容を有するドキュメントをドキュメントのセットから決定する方法において遂行されるステップを示すフローチャートである。
【図４】テキスト・リソースに対するヒストグラムを生成する方法において遂行されるステップを示すフローチャートである。
【図５】クロス・リンガル・ワード・クラスを生成する方法において遂行されるステップを示すフローチャートである。
【図６】モノリンガル・ワード・クラスを生成する方法において遂行されるステップを示すフローチャートである。
【図７】ヒストグラムを比較する方法において遂行されるステップを示すフローチャートである。
【図８】ヒストグラムが適合するかどうかを決定する方法において遂行されるステップを示すフローチャートである。
【特許請求の範囲】
【請求項１】
第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定する方法であって、
前記第１ドキュメントのテキスト内容を表す第１ヒストグラムを生成するステップと、
前記ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するステップであって、前記第２ヒストグラムの各々は前記ドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す、ステップと、
前記第１ヒストグラムに適合する、前記第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために、前記第２ヒストグラムの各々を前記第１ヒストグラムと比較するステップと、
前記少なくとも１つの第２ドキュメントを、前記少なくとも１つのヒストグラムを有するドキュメントとして識別するステップと、
を含む、方法。
【請求項２】
前記第１ヒストグラムを生成する前記ステップは、前記第１ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するステップを含み、
前記第２ヒストグラムを生成する前記ステップは、前記ドキュメントのセットの各ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するステップを含む、
請求項１に記載の方法。
【請求項３】
前記第１言語および前記第２言語に対するモノリンガル・コーポラからクロス・リンガル・ワード・クラスを形成するステップを更に含む、請求項２に記載の方法。
【請求項４】
前記第１言語および前記第２言語に対するモノリンガル・ワード・クラスを形成するステップを更に含む、請求項３に記載の方法。
【請求項５】
前記第１ヒストグラムを生成する前記ステップは、機能ワードを除去し、残りの内容ワードをステミングするステップを更に含む、請求項１乃至請求項４のいずれかに記載の方法。
【請求項６】
前記第２ヒストグラムの各々を前記第１ヒストグラムと比較する前記ステップは、
前記第１ヒストグラムおよび前記第２ヒストグラムにおけるマルチリンガル・ワード・クラスの範囲が、ヒストグラムのセットを決定するために適合するかどうかを決定するステップと、
前記ヒストグラムのセットから前記少なくとも１つのヒストグラムを決定するステップと
を含む、請求項２乃至請求項５のいずれかに記載の方法。
【請求項７】
前記少なくとも１つのヒストグラムを決定する前記ステップは、
前記第１ヒストグラムのフーリエ変換および前記第２ヒストグラムの各々のフーリエ変換を行うステップと、
前記第１ヒストグラムのフーリエ係数と前記第２ヒストグラムの各々のフーリエ係数との間のユークリッド距離を見積もるステップと
を含む、請求項６に記載の方法。
【請求項８】
コンピュータ使用可能媒体に保存されたコンピュータ・プログラムであって、
前記プログラムがコンピュータにおいて実行されるとき、請求項１乃至請求項７のいずれかに記載の方法を前記コンピュータに遂行させるためのコンピュータ可読プログラム手段を含む、コンピュータ・プログラム。
【請求項９】
第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定するためのデータ処理システムであって、
前記第１ドキュメントのテキスト内容を表す第１ヒストグラムを生成するための手段と、
前記ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するための手段であって、前記第２ヒストグラムの各々は前記ドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す、手段と、
前記第１ヒストグラムに適合する、複数の前記第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために前記第２ヒストグラムの各々を前記第１ヒストグラムと比較するための手段と、
前記少なくとも１つの第２ドキュメントを、前記少なくとも１つのヒストグラムを有するドキュメントとして識別するための手段と、
を含む、データ処理システム。
【請求項１０】
前記第１ヒストグラムを生成するための前記手段は、前記第１ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するように作動可能であり、
前記第２ヒストグラムを生成するための前記手段は、前記ドキュメントのセットの各ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するように作動可能である、
請求項９に記載のデータ処理システム。
【請求項１１】
前記第１言語および前記第２言語に対するモノリンガル・コーポラからクロス・リンガル・ワード・クラスを形成するための手段を更に含む、請求項１０に記載のデータ処理システム。
【請求項１２】
前記第１言語および前記第２言語に対するモノリンガル・ワード・クラスを形成するための手段を更に含む、請求項１１に記載のデータ処理システム。
【請求項１３】
前記第１ヒストグラムを生成するための前記手段は、機能ワードを除去し、残りの内容ワードをステミングするように作動し得る、請求項９乃至請求項１２のいずれかに記載のデータ処理システム。
【請求項１４】
前記第２ヒストグラムの各々を前記第１ヒストグラムと比較するための前記手段は、
前記第１ヒストグラムおよび前記第２ヒストグラムにおけるマルチリンガル・ワード・クラスの範囲が、ヒストグラムのセットを決定するために適合するかどうかを決定するための手段と、
前記ヒストグラムのセットから前記少なくとも１つのヒストグラムを決定するための手段と
を含む、請求項９乃至請求項１３のいずれかに記載のデータ処理システム。
【請求項１５】
前記少なくとも１つのヒストグラムを決定するための前記手段は、
前記第１ヒストグラムのフーリエ変換および前記第２ヒストグラムの各々のフーリエ変換を行うための手段と、
前記第１ヒストグラムのフーリエ係数と前記第２ヒストグラムの各々のフーリエ係数との間のユークリッド距離を見積もるための手段と
を含む、請求項１４に記載のデータ処理システム。
【請求項１】
第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定する方法であって、
前記第１ドキュメントのテキスト内容を表す第１ヒストグラムを生成するステップと、
前記ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するステップであって、前記第２ヒストグラムの各々は前記ドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す、ステップと、
前記第１ヒストグラムに適合する、前記第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために、前記第２ヒストグラムの各々を前記第１ヒストグラムと比較するステップと、
前記少なくとも１つの第２ドキュメントを、前記少なくとも１つのヒストグラムを有するドキュメントとして識別するステップと、
を含む、方法。
【請求項２】
前記第１ヒストグラムを生成する前記ステップは、前記第１ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するステップを含み、
前記第２ヒストグラムを生成する前記ステップは、前記ドキュメントのセットの各ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するステップを含む、
請求項１に記載の方法。
【請求項３】
前記第１言語および前記第２言語に対するモノリンガル・コーポラからクロス・リンガル・ワード・クラスを形成するステップを更に含む、請求項２に記載の方法。
【請求項４】
前記第１言語および前記第２言語に対するモノリンガル・ワード・クラスを形成するステップを更に含む、請求項３に記載の方法。
【請求項５】
前記第１ヒストグラムを生成する前記ステップは、機能ワードを除去し、残りの内容ワードをステミングするステップを更に含む、請求項１乃至請求項４のいずれかに記載の方法。
【請求項６】
前記第２ヒストグラムの各々を前記第１ヒストグラムと比較する前記ステップは、
前記第１ヒストグラムおよび前記第２ヒストグラムにおけるマルチリンガル・ワード・クラスの範囲が、ヒストグラムのセットを決定するために適合するかどうかを決定するステップと、
前記ヒストグラムのセットから前記少なくとも１つのヒストグラムを決定するステップと
を含む、請求項２乃至請求項５のいずれかに記載の方法。
【請求項７】
前記少なくとも１つのヒストグラムを決定する前記ステップは、
前記第１ヒストグラムのフーリエ変換および前記第２ヒストグラムの各々のフーリエ変換を行うステップと、
前記第１ヒストグラムのフーリエ係数と前記第２ヒストグラムの各々のフーリエ係数との間のユークリッド距離を見積もるステップと
を含む、請求項６に記載の方法。
【請求項８】
コンピュータ使用可能媒体に保存されたコンピュータ・プログラムであって、
前記プログラムがコンピュータにおいて実行されるとき、請求項１乃至請求項７のいずれかに記載の方法を前記コンピュータに遂行させるためのコンピュータ可読プログラム手段を含む、コンピュータ・プログラム。
【請求項９】
第１言語における第１ドキュメントと同じテキスト内容を有する、第２言語におけるドキュメントのセットのうちの少なくとも１つの第２ドキュメントを決定するためのデータ処理システムであって、
前記第１ドキュメントのテキスト内容を表す第１ヒストグラムを生成するための手段と、
前記ドキュメントのセットの各ドキュメントに対する第２ヒストグラムを生成するための手段であって、前記第２ヒストグラムの各々は前記ドキュメントのセットのうちの１つのドキュメントのテキスト内容を表す、手段と、
前記第１ヒストグラムに適合する、複数の前記第２ヒストグラムからの少なくとも１つのヒストグラムを決定するために前記第２ヒストグラムの各々を前記第１ヒストグラムと比較するための手段と、
前記少なくとも１つの第２ドキュメントを、前記少なくとも１つのヒストグラムを有するドキュメントとして識別するための手段と、
を含む、データ処理システム。
【請求項１０】
前記第１ヒストグラムを生成するための前記手段は、前記第１ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するように作動可能であり、
前記第２ヒストグラムを生成するための前記手段は、前記ドキュメントのセットの各ドキュメントにおけるクロス・リンガル・ワード・クラスの頻度を決定するように作動可能である、
請求項９に記載のデータ処理システム。
【請求項１１】
前記第１言語および前記第２言語に対するモノリンガル・コーポラからクロス・リンガル・ワード・クラスを形成するための手段を更に含む、請求項１０に記載のデータ処理システム。
【請求項１２】
前記第１言語および前記第２言語に対するモノリンガル・ワード・クラスを形成するための手段を更に含む、請求項１１に記載のデータ処理システム。
【請求項１３】
前記第１ヒストグラムを生成するための前記手段は、機能ワードを除去し、残りの内容ワードをステミングするように作動し得る、請求項９乃至請求項１２のいずれかに記載のデータ処理システム。
【請求項１４】
前記第２ヒストグラムの各々を前記第１ヒストグラムと比較するための前記手段は、
前記第１ヒストグラムおよび前記第２ヒストグラムにおけるマルチリンガル・ワード・クラスの範囲が、ヒストグラムのセットを決定するために適合するかどうかを決定するための手段と、
前記ヒストグラムのセットから前記少なくとも１つのヒストグラムを決定するための手段と
を含む、請求項９乃至請求項１３のいずれかに記載のデータ処理システム。
【請求項１５】
前記少なくとも１つのヒストグラムを決定するための前記手段は、
前記第１ヒストグラムのフーリエ変換および前記第２ヒストグラムの各々のフーリエ変換を行うための手段と、
前記第１ヒストグラムのフーリエ係数と前記第２ヒストグラムの各々のフーリエ係数との間のユークリッド距離を見積もるための手段と
を含む、請求項１４に記載のデータ処理システム。
【図１】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【図２】
【図３】
【図４】
【図５】
【図６】
【図７】
【図８】
【公開番号】特開２００９−１１６８６７（Ｐ２００９−１１６８６７Ａ）
【公開日】平成２１年５月２８日（２００９．５．２８）
【国際特許分類】
【出願番号】特願２００８−２６８３６９（Ｐ２００８−２６８３６９）
【出願日】平成２０年１０月１７日（２００８．１０．１７）
【出願人】（３９０００９５３１）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 (4,084)
【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＳＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ
【Ｆターム（参考）】
【公開日】平成２１年５月２８日（２００９．５．２８）
【国際特許分類】
【出願日】平成２０年１０月１７日（２００８．１０．１７）
【出願人】（３９０００９５３１）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 (4,084)
【氏名又は名称原語表記】ＩＮＴＥＲＮＡＴＩＯＮＡＬ ＢＵＳＩＮＥＳＳ ＭＡＳＣＨＩＮＥＳ ＣＯＲＰＯＲＡＴＩＯＮ
【Ｆターム（参考）】
[ Back to top ]