プログラムの流れ

本研究では、原文データとして対訳コーパスを使用する。日本文と英文に分けて 実験を行うため、最初に対訳コーパスから日本文と英文に分ける必要がある。
　例7のような原文データの場合を考える。

そして、名詞を$N$に置き換えたデータから、パターンの抽出を行う。対応率 を求めるときに文番号を比較するので、パターンを含む文の文番号の検索も行う。
　ここで、パターンの抽出は、連鎖共起表現$N$-gram統計処理方法を用いて、 強抑制型で行った。強抑制で行うことにより、まとまりのない断片的な表現が削 除できる。
　例7では、例8のようなパターンが抽出される。

(例8)例7から抽出されたパターン
　　日本文側
・$N$は$N$へ行く。 ・・・ 抽出回数2 (文(1)、(2)から抽出)
・$N$は寝る。 ・・・ 抽出回数2 (文(3)、(4)から抽出)
　　英文側
・$N$ go to $N$. ・・・ 抽出回数2 (文(1)、(2)から抽出)
・$N$ sleep. ・・・ 抽出回数2 (文(3)、(4)から抽出)