本発明の最良の実施形態は、検索文字の構� ��要素の間隙を、縦方向及び横方向に分割し� ��、この分割の可否をコードに置き換えるこ� ��で文字をコード化し、前記コードとそれに� ��応する文字を分類して記憶手段に記憶せし� ��、入力手段から前記コードを入力して、演� ��手段を用いて前記記憶手段より文字を検索� ��ることで、漢字の部首や書き順などの文字� ��識を持たない人でも文字の検索を可能とし� ��その後、得られた検索文字の意味を多言語� ��動画等で表示することで文字理解を可能と� ��る。
また、前記検索文字の発音情報を前記コード と一緒に入力して分類することにより、漢字 の発音などの文字知識を持つ人には従来の発 音情報のみの検索方法よりも文字検索効率を 向上させることができる。
   以下、本発明の実施形態を図に基づいて 説明する。
本発明は、図1の記憶手段にコードに対応す� �文字データベースと処理プログラムを記憶� �ておくだけで、図2に示すプログラムを実行� ��検索を行うことができ、発音情報と分類コ� ��ドを仮名漢字変換ソフト(フロントエンドプ ロセッサー)のユーザー辞書に追加登録する� �けで、文字検索効率を向上させることがで� �る。

図1は本発明の一実施形態を示す機能構成ブ� �ック図である。
たとえばインターネット上に公開されている 日本語の漢字辞書ホームページをダウンロー ドしてパソコンや携帯電話などの情報機器上 で辞書検索をする場合を想定する。図4に示� �ような文字4分割コードと漢字を分類し表組� ��形式で閲覧できる漢字辞書ホームページをZ IP方式などで圧縮したファイルとしてダウン� ��ードして解凍し、パソコンの記憶手段30な� �に予め記憶しておく。

図1の記憶手段30には、図4に示すような文� �4分割コードとそれに対応する漢字を1つのレ コードとしてコードごとに分類した配列のデ ータベース形式で記憶しておく。利用者が閲 覧する表示も図4のごとき形式だが、ホーム� �ージはシフトJISで作成されていることが多� �ので、実際は図5に示すような16進数のシフ� �JISで表記されるコード形式で図1の記憶手段3 0内に記憶されている。

図1の文字コード等入力手段10により、たと えばパソコンや携帯電話の数字キーなどを利 用して入力した文字4分割コードを、記憶手� �30に予め記憶された文字データベースの文字 4分割コードと順次図1の演算手段20(CPUなど)に おいて照合する。実際の照合は図5に示す4分� ��コードのシフトJIS表記形式で行う。

照合処理に必要なプログラムは記憶手段30� ��事前にインストールされたホームページ閲� ��ソフト(ブラウザ)やワープロソフトの検索� �能を呼び出して用いる。

入力した4分割コードとデータベースの4分割� ��ードが一致した場合には、その結果として� ��覧ページの表組みの中からカーソルキーの� ��近で一致した4分割コードが図1のたとえば� �晶画面などの表示手段40において該当文字列 を背景とは異なる色などで強調表示(ハイラ� �ト)される。
たとえば図1の入力手段10から1111という4分割� ��字コードを入力し、予め記憶手段30に記憶� �た図4の文字データベースを図1の演算手段20� ��照合した結果、図4の「語」の直前の行にカ ーソルキーが置かれていた場合には、「語」 の左側の「1111」が強調表示されるので、引� �続き検索を続けたい場合は、ホームページ� �覧ソフトやワープロソフトの検索機能の「� �を検索」ボタンを押すと次の行の「競」の� �側の「1111」が強調表示される。このように� ��て順次目的とする文字を検索することがで� ��る。

また、同様のソフトのオプション機能ボタ ンを使い、入力した1111という4分割コードに� ��致した行だけをまとめて一覧表示すること� ��できる。

図4で使われる数字の1と0はシフトJISでは図 5の31と30という表記で表されるが、もし、パ� ��コンがシフトJISなどの漢字処理機能を持た� ��い場合には、欧米で一般的なASCIIコードで� �同一の31と30という表記なので、「語」や「� ��」などといった文字部分のみをホームペー� ��作成時に予めGIF形式やJPG形式の画像ファイ� ��形式で保存しておけば、検索結果は画像で� ��る「語」の左側に表示された「1111」や画像 である「競」の左側に表示された「1111」な� �で強調表示することが可能であり、利用者� �文字化けせずに文字を表示することができ� �。

上で述べた圧縮したホームページをダウンロ ード後解凍して検索する方法は、インターネ ットに接続しなくても閲覧できる利点がある が、インターネットに接続したままホームペ ージ閲覧ソフトの検索機能などを利用してオ ンライン検索することも同様に可能である。
オンライン検索の場合は、図1の記憶手段30等 に一時的に閲覧しているHTML形式のファイル� �記憶されている状態にあるので、パソコン� �の電源を切りキャッシュメモリが消去され� �とダウンロード閲覧のように継続的な利用� �できないが、ダウンロードをする手間がか� �らず、常時記憶手段30などの容量を確保する 必要がないという利点がある。

 また、膨大な辞書をオンライン検索する� ��合は、Perl言語などで予め作成したホームペ ージサーバー側のCGI検索プログラムを利用し て文字4分割コードを入力欄に入力すれば、� �当する文字のみを一覧表示させることもで� �る。このようなデータベース検索CGIプログ� �ムはフリーソフト等で一般的に入手が容易� �あり、利用者のパソコン等にインストール� �れたホームページ閲覧ソフトの検索機能を� �わなくても高速にオンライン検索できる利� �がある。

図2は本発明の検索処理フローチャートであ� �。
S100はたとえばホームページ形式の漢字辞書� �どを検索するための作業の開始を表す。S200� ��図1の入力手段10から文字4分割コードを入力 することを表す。S300は後述する文字4分割コ� ��ドの書式を照合用に書式変換するか否かを� ��断することを表す。もし、変換する必要が� ��る場合にはS400においてたとえばホームペー ジに予め記述されたJAVA(登録商標)Scriptなどの スクリプトを利用するなどして書式変換処理 を行った後、S500において図1の演算手段20を� �いて入力した文字4分割コードとデータベー� ��の文字4分割コードを照合処理することを表 す。S300において書式の変換が必要ないと判� �する場合には、入力した文字4分割コードの� ��式のままS500の照合処理を行う。
書式変換とは、たとえば図4の文字4分割コー� ��は4桁の数字が全て1もしくは0で表す書式だ� ��、これを1234と全ての桁を異なる数字で表す 書式で入力した場合、1以外の数字は全て1に� ��換するという簡単なスクリプトをホームペ� ��ジ上で処理させることなどをいう。

ただし、S300とS400は、入力書式とデータベ� ��スの書式が異なる場合のみに必要なステッ� ��なので、それ以外の利用方法の場合には省� ��してもよい。

S600は図1の表示手段40においてたとえばホ� �ムページ上で照合合致した文字4分割コード� ��分を強調表示することなどを表す。

S700は検索した文字の意味をさらに調べた� �場合に、その文字ないしは文字の画像にリ� �クを予め設定しておき、その文字の上をク� �ックするなどしてホームページの別の場所� �ジャンプして文字の意味を説明する画面を� �示するか否かを判断する。

仮に利用者が文字をクリックして文字の意 味を表示させる場合には、S800においてたと� �ば多言語(対訳)の言語情報を表示してもよい し、動画などの非言語情報を表示してもよい ことを表す。多言語(対訳)情報とはたとえば� ��本語の漢字「語」と一緒に中国語の「詞(Ci) 」や英語の「Word」などを表示することをい� �。もし、利用者がこれらの言語を理解でき� �場合には、日本語の「語」という文字の意� �を言語的に類推理解できる利点がある。

仮に言語情報では理解できない利用者の場 合には、たとえば「競」という文字をクリッ クすると、動画(アニメ等)により人が競技を� ��ている画面を表示するような処理を非言語� ��報による意味情報の表示という。

 もし、利用者が検索した文字の意味情報� ��表示が必要ないと判断した場合には、S900の 再入力のステップに進む。引き続き利用者が 異なる文字4分割コードを入力する場合には� �再びS200から処理を継続し、検索を終了する� ��合にはS1000の終了ステップとなる。たとえ� �パソコンのウインドウを閉じるなどの操作� �利用者がした場合に終了となる。

  図3は、文字の分割方法を示す説明図で� ��る。

 本実施形態の文字検索方法を例えて言う� ��、文字を乗せたケーキをナイフで上から4分 割するものであり、ナイフは文字を構成する 線と線の間隙に切り込むことができるが、線 に触れてはならないものとする。ここで「線 」とは、文字の構成要素である直線、曲線、 点などの図形の総称を指すものとする。

 前記ケーキを時計に例えて、ナイフを切� ��込む方向を時計の中心から見て12時方向を� �縦方向の上半分(略称「上」)と、6時方向を� �縦方向の下半分(略称「下」)と、9時方向を� �横方向の左半分(略称「左」)と、3時方向を� �横方向の右半分(略称「右」)」と呼ぶ。

 文字を4分割する順序は任意に設定できるが 、本実施形態では、まず上、ついで下、3番� �に左、最後に右の順序とする。
 そして、文字を分割できる場所を1、分割で きない場所を0という数字で表し、上→下→� �→右の順序に、1または0の組み合わせから成 る4桁の数字で検索対象の文字を表し分類し� �これを「文字4分割コード」または略称で「� ��ード」と呼ぶ。また愛称として「ケーキカ� ��ト法」などの名称を用いることにより、コ� ��ドの適用規則を比喩により理解しやすくで� ��る。

4分割線を上下左右という一般的な名称で� �び習わす方法に加え、赤緑青黄などの色彩� �称を対照させ着色した分割線で図示しても� �い。

 前記4分割コードは、0000から1111までの16通� �が考えられる。この16通りのコードの内、1� �の文字に複数の分割方法がある場合、「で� �るだけ多く、かつできるだけ平等に文字を� �割できるコードを優先する」という条件の� �合度に応じた優先度規則を使う。ケーキを� �等に分け合うという比喩で理解がしやすく� �る。
 そして、検索や表示などの処理は必要に応� ��て優先度の高いコードを優先度の低いコー� ��よりも先に適用できる。

 図3の「語」は、最も優先度の高い第1番� �の優先度コードである1111を表すものである� ��このコードは、上→下→左→右の順番に文� ��を4分割したことを意味し、分割可能な箇所 を実線で示している。

 図3の「啓」と「仁」と「六」と「部」は、 第2番目の優先度コードを表すものである。� �の2番目のコードはケーキを3分割するように 文字を分類したコードであり、これらのコー ド間は同一優先度である。
 前記コードのうち1011は、図3に示すように� �上→左→右の順に分割したことを意味し、� �えば「啓」という文字が相当する
 前記コードのうち1101は、図3に示すように� �上→下→右の順に分割したことを意味し、� �えば「仁」という文字が相当する
 前記コードのうち0111は、図3に示すように� �下→左→右の順に分割したことを意味し、� �えば「六」という文字が相当する
 前記コードのうち1110は、図3に示すように� �上→下→左の順に分割したことを意味し、� �えば「部」という文字が相当する。

 図3の「北」と「豆」は、第3番目の優先度� �ードを表すものである。
 この3番目の優先度コードはケーキを2分割� �るように文字を分類したコードである。こ� �らのコード間は同一優先度である。
 前記コードのうち1100は、図3に示すように� �上→下の順に分割したことを意味し、例え� �「北」という文字が相当する。
 前記コードのうち0011は、左→右の順に分割 したことを意味し、例えば「豆」という文字 が相当する。

 図3の「犬」と「庁」と「寸」と「火」は、 第4番目の優先度コードを表すものである。
 この4番目の優先度コードはケーキを2分割� �るように文字を分類したコードである。こ� �らのコード間は同一優先度である。
 この場合、2分割のコードという条件は前記 3番目の優先度コードと同様であるが、「で� �るだけ平等に分割する」という条件が適用� �きないので4番目の規則よりも3番目の規則を 優先するのである。
 前記コードのうち1001は、上→右の順に分割 したことを意味し、例えば「犬」という文字 が相当する。
 前記コードのうち0101は、下→右の順に分割 したことを意味し、例えば「庁」という文字 が相当する。
 前記コードのうち0110は、下→左の順に分割 したことを意味し、例えば「寸」という文字 が相当する。
 前記コードのうち1010は、上→左の順に分割 したことを意味し、例えば「火」という文字 が相当する。
 「火」は1001とも分割できるが、本発明では 重複してデータベースを作成することにより 、どちらのコードを入力しても目的の文字が 検索できるよう冗長性を許してもよい。

 5番目の優先度コードは理論上は1000、0001、0 100、0010の4個のコードが該当するが、ケーキ� ��一部にナイフを切り込めても分割すること� ��できないため分割規則から除外する。
 従って、0000という分割不可能なコードのみ を最も優先度の低いコードとして採用する。 このコードに相当する文字は、例えば図3の� �口」である。

 このように前記コードの組み合わせは、� ��論上は16通りとなるが5番目のコード処理に� ��い、最終的には12通りの組み合わせを採用� �る。

 なお、前記5番目の優先度コードは「1箇� �のみの切り込み可能な文字はほとんど存在� �ず、1箇所といえども切り込みが不可能な文� ��は少なからず存在する」という主として漢� ��の字形に即した対応となっているので、漢� ��以外の文字、例えばハングルでは4つのコー ドを除外せず16通りのコードを使ってもよい� ��

 また、1つの文字に複数のコードが存在す る場合、規則利用者がいずれのコードを指定 しても処理ができるよう冗長性を持ったデー タベースを作成してもよい。例えば「火」と いう文字は、1010でもよいし、1001でもよい。

文字4分割コードの書式例を説明する。
  1文字の文字コード書式には5種類の書式が ある。

  「2進数(ビット)書式」(通称「2進数4桁� �式」)は、1文字の上下左右各四分の一ずつの 4分割線を0(非分割)か1(分割)の2進数(ビット)� �それぞれ表す4桁(4ビット)の書式で図3がこの 書式例である。位置情報は上下左右の順に固 定で4桁未満の省略表示はしない。

「10進数書式」は、「10進数非省略書式」� �「10進数省略書式」に分かれる。

「10進数非省略書式」(通称「10進数4桁書式」 )は、0(非分割)、1(縦方向上半分分割)、2(縦方 向下半分分割)、3(横方向左半分分割)、4(横方 向右半分分割)の5つの数字で表す。位置情報� ��順番は非固定だが4桁未満の省略表示はしな い。
昇順の例は1234、1204などであり、降順の例は4 321、4021などであり、任意順の例は2341、2401な どであり、非分割の例は0000である。

「10進数省略書式」は、「10進数非省略書式� �と同じ規則だが上下左右全ての分割線が分� �不可能な場合のみを0で表し、2つ以下の0は� �略表示できる。
「10進数非省略書式」の例を「10進数省略書� �」で表すと、昇順の例は1234、124などであり� ��降順の例は4321、421などであり、任意順の例 は2341、241などであり非分割の例は0である。

「日常語書式」は「日常語非省略書式」と 「日常語省略書式」に分かれる。

「日常語非省略書式」は、「10進数非省略書� ��」の「1234」の代わりに「上下左右」や「UDL R(Up Down Left
Rightの頭文字)」を使う。「赤緑青黄」などの 色彩名称を使ってもよい。書式の規則は「10� ��数非省略書式」と同じである。

昇順の例「1234」は「上下左右」か「UDLR」� ��「1204」は「上下0右」か「UD0R」などで、降� ��の例「4321」は「右左下上」か「RLDU」、「40 21」は「右0下上」か「R0DU」などで、任意順� �例「2341」は「下左右上」か「DLRU」、「2401� �は「下右0上」か「DR0U」などで、非分割の例 「0000」は「0000」などである。

「日常語省略書式」は、「10進数省略書式」� ��「1234」の代わりに「上下左右」や「UDLR(Up  Down Left
Rightの頭文字)」を使う。書式の規則は「10進� ��省略書式」と同じで、コードを続ける場合� ��は1文字につき4桁ずつという規則性がない� �め、文字単位に相当する箇所にハイフンな� �の区切り記号の挿入を必須とする。

昇順の例「1234」は「上下左右」か「UDLR」� ��「124」は「上下右」か「UDR」などで、降順� ��例「4321」は「右左下上」か「RLDU」、「421� �は「右下上」か「RDU」などで、任意順の例� �2341」は「下左右上」か「DLRU」、「241」は「 下右上」か「DRU」などで、非分割の例「0」� �「0」で表す。

「16進数圧縮書式」(通称「16進数1桁書式」)� �、「2進数(ビット)書式」を16進数に変換して 1文字で表す。
 たとえば、次のような1桁の表示が可能とな る。2進数の0000は16進数で0と表し、2進数の010 1(10進数の5)は16進数では5と表し、2進数の1010( 10進数の10)は16進数ではAと表し、2進数の1111(1 0進数の15)は16進数ではFと表すので、習熟す� �と入力が大幅に効率化できる。

「連想文字圧縮書式」(通称「連想1桁書式� ��)は図6に示すように「2進数(ビット)書式」� �連想しやすいアルファベット等に置き換え� �1文字で表す。図6は10進数省略書式と連想文� ��圧縮書式を対照してある。同じ1桁でも、16� ��数圧縮書式は論理的だが記憶しにくいため� ��初心者には連想文字圧縮書式のほうが記憶� ��やすく効率がよいという利点がある。

次に2文字以上の文字列の4分割コード書式を� ��明する。
たとえば図4の「北」と「山」という2文字か� ��なる「北山」という苗字を4分割文字コード で表す場合、2進数書式では、図4の4分割コー ド「1100」と「0000」をつなげて「11000000」と8� ��の数字で表すことができるので、もし名簿� ��どを作成する場合は、図4の4分割コードに� �11000000」を加え、その右側に「北山」という 文字を併記すればよい。
しかし、数字の羅列が見分けにくいとか、数 字の0をたくさん入力するのに手間がかかる� �どというさまざまな理由から、文字列にも� �式の規定が必要となる。

「2進数(ビット)書式」の文字列の書式は隣 り合う文字と文字の区切り記号のハイフン(-) 等を挿入してもよいし、しなくてもよい。理 由は4桁ずつコード列が一定に連続している� �で識別しやすいからである。

区切り記号を挿入しない書式は、内部デー タはハイフン(-)を挿入せず4桁(4ビット)ずつ� �字列に対応するコードを列記する形式で記� �してあるので、区切り記号なしの2進数書式� ��入力書式と記憶データ書式が同一で誤処理� ��少ないという長所がある。

区切り記号を挿入する書式は、利用者の入 力文字数が0と1以外にハイフン(-)記号の分だ� ��増加するが、入力する利用者が目視して文� ��コードの区切りを識別しやすいという長所� ��ある。

「10進数非省略書式」も、「2進数(ビット)� ��式」の文字列の書式と同じ理由から区切り� ��号の挿入は任意とする。

  「10進数省略書式」は、隣り合う文字と文 字の区切り記号としてハイフン(-)等を挿入す る。理由はコード列が1桁から4桁まで一定の� ��さを持たず変化するため、1文字分のコード を識別できないからである。
   例えば1234は、区切り記号を挿入すれば12 34(1文字のコード)か12-34(2文字列のコード列)� �が識別できる。

「日常語非省略書式」は隣り合う文字と文 字の区切り記号のハイフン(-)等を挿入しても よいし、しなくてもよい。理由は4桁ずつコ� �ド列が一定に連続しているので識別しやす� �からである。

  「日常語省略書式」は隣り合う文字と� �字の区切り記号としてハイフン(-)等を挿入� �る。理由はコード列が1桁から4桁まで一定の 長さを持たず変化するため、1文字分のコー� �を識別できないからである。

例えば、上下左右(UDLR)は、区切り記号を挿 入すれば(1文字のコード)上下左右(UDLR)か上下 -左右(UD-LR)(2文字列のコード列)かが識別でき� ��。

「16進数圧縮書式」は区切り記号は不要だ� ��文字コードの先頭と末尾に#等の記号を挿入 する。その理由は16進数のコード書式は、数� ��の0から9までとアルファベットのAからF(数� �15に相当)までを使い、数字と一部のアルフ� �ベットが混在するため、その他の文字コー� �書式や単なる数字とアルファベット文字列� �連続と混同しないよう識別するために#記号� ��を文字コード先頭と末尾に挿入するのであ� ��。明示的に入力や表示をする場合は全角で� ��っても半角であってもよい。

例えば、「大」の16進数圧縮書式は「0」(� �ロ)だが、10進数省略書式の「0」と識別する� ��合は16進数圧縮書式は「#0#」と明示的に表� �する。

本発明の実施形態では「日常語書式」と「 16進数圧縮書式」の「D」が重複するが、後者 は「#」で明示的に識別可能であり、仮に「#� ��記号が脱落しても前者の「D」は単独で用い られることはないことから識別できる。また 、「D」以外はアルファベットを用いる書式� �で重複することはない。これらの特長を利� �してソフトウエアの処理系に誤処理防止の� �合ルーチンを付加してもよい。

16進数圧縮書式はできるだけ少ない文字数� ��迅速かつ効率的に入力を行うことが主な目� ��なので文字コードの先頭と末尾に#記号等を 挿入することで続くコード列が16進数1字が1� �字に対応することは識別が可能なので区切� �記号のハイフン(-)等は不要である。

「連想文字圧縮書式」は数字を使わず全てア ルファベット等で表示するため(0はZ)、区切� �記号は不要である。仮に16進数圧縮書式と同 じアルファベットで表示でも#記号で識別が� �能である。
例えば、「大」の16進数圧縮書式は「#0#」、� ��想文字圧縮書式は「Z」である。

前記書式を用いることで、漢字知識のない 人でも文字4分割コードのみで漢字を検索す� �ことが可能となるが、漢字知識のある人や� �字学習者にも文字4分割コードは有益である� ��

たとえばパソコンや携帯電話などで日本語 や中国語の漢字変換ソフト(フロントエンド� �ロセッサー)を利用して漢字を入力する場合� ��従来よりも扱いやすく効率を高めることが� ��きる。

 図7は中国で採用している「五筆字型」と 呼ばれる漢字入力法に使う専用キーボードで ある。図8は一般的なASCII配列のキーボードだ が、図7の五筆字型キーボードには、Zを除く� ��ルファベットキーごとに、漢字の部首を簡� ��化した構成要素が割り当てられている。

 この漢字入力法は漢字の発音を使わず、� ��成要素や書き順といった字形の文字知識を� ��み合わせて使う。図9は、五筆字型で「程」 という漢字を入力する方法を示している。

 「程」は、「禾」→「口」→「王」と書き� ��に従って構成要素を組み合わせてできると� ��う伝統的な漢字知識をキーボードの位置を� ��す31→23→11という数字で置き換える。
 あるいは、前記3つの構成要素が割り当てら れたキーを「T」→「K」→「G」とアルファベ ットで置き換える。

 しかし、五筆字型の入力方法を習得する� ��は、100以上の構成要素や書き順などの漢字� ��識のほか、どのキーにどの構成要素が割り� ��てられているかという配置などの専用装置� ��知識や訓練も必要であったため、パソコン� ��携帯電話などの操作には不向きである。

 これに対し、漢字の発音情報(読み方)を� �ーマ字やピンインと呼ばれるアルファベッ� �で入力し漢字変換するフロントエンドプロ� �ッサーがパソコンや携帯電話などの操作に� �広く普及している。

しかし、中国語や日本語の漢字の発音には 「同音語」と呼ばれる同じ発音を持つ漢字が 多数存在するため、漢字変換の際に場合によ っては列挙表示される同音語漢字変換候補の 中から目的の漢字を選択するのにスペースバ ーなどを何回もたたいてしらみつぶしに探し てゆくという煩雑な操作が必要であった。

たとえば図10に示す中国語の同音漢字は膨大� ��数になり、次々にスペースバーをたたいて� ��換候補の中から目的とする文字を探さねば� ��らなかった。
 図10の1は『現代漢語詞典』という単語辞典� ��掲載された「YI」という発音の単漢字リス� �であり、全部で109字ある。
 図10の2は『新華字典』という漢字字典に掲� ��された「SHI」という発音の単漢字リストで� ��り、全部で67字ある。
 図10の3は日本のJISに相当する中国の国家標� ��(GB)コードに含まれる「LI」という発音の単� ��字リストであり、全部で75字ある。
 仮にフロントエンドプロセッサーが1回に表 示する同音漢字変換候補数を10字とすれば、� ��とえば「YI」の変換操作にスペースバーを� �大で11回近くたたいて探す必要があり不便で あった。

こうした問題を解決するため、本発明は、 文字4分割コードという漢字知識を必要とし� �い字形情報と従来の発音情報を組み合わせ� �ことで漢字変換効率を向上させることを実� �した。

図11は、図10の「YI」、「SHI」、「LI」とい� ��同音漢字グループ3つに対し、4分割コード� �組み合わせて細分類した字数と比率を示す� �とグラフである。

たとえば、「YI」という発音グループの「� ��」は「1100」と4分割コードで表せ、「SHI」� �いう発音グループの「使」も「1100」、「LI� �という発音グループの「礼」も「1100」と4分 割コードで表せる。

 その結果、「YI」、「SHI」、「LI」の「110 0」グループは27字、21字、26字がそれぞれ所� �し、同音語グループ全体の25%、31%、35%とそ� �ぞれ三分の一から四分の一程度にまで減ら� �ことができた。

 そこで、4分割コードは12種類あるので、� ��純に計算するとそれぞれの4分割コードは平 均すると約8パーセントずつ同音語を分散さ� �ることが理論的には可能となるので、これ� �同音語の分散率とよぶことにする。

そして、図11のグラフを見ると、「1100」以 外の4分割コードはほとんど10%以下の同音語� �散率であり、漢字変換の際にスペースバー� �たたく回数は1回から3回ですむことがわかる 。

このように、4分割コードと発音を組み合� �せると漢字変換は大きな至便性が得られる� �

しかし、図11の「1100」グループはほかのコ ードグループよりも同音漢字数が相対的に字 数が多い。そこで、図12には、4桁の分割コー ドを5桁に拡張した場合の「1100」グループの� ��数と分散率を抽出した。

5桁に分割コードを拡張する規則は単純で� �たとえば「例」という漢字は縦方向に2箇所� ��割可能な箇所があるので、こういう漢字は1 箇所を分割しても、さらに「再分割」が可能 な漢字とみなす。この考えに基づき、再分割 可能な漢字は分割コードの5桁目に「1」を、� ��分割不可能な漢字は分割コードの5桁目に「 0」を加えることとする。

その結果、図12では1100という4桁の分割コ� �ドを5桁に拡張することにより、分散率を10%� ��まで改善できた。

 この結果を図11の分散率と比べると、必� �しも全ての漢字を5桁の分割コードで分類す� ��必要はなく、1100などの一部のコードのみに 用いればよいということも物語っている。

図13は、1100という4桁の分割コードを6桁にま� ��拡張した場合の分散率を示す。
従来の画数という字形情報はかなり厳密な適 用を前提としていたので外国人や初学者には 習得が難しかった。そこで、本発明は、前記 5桁の分割コードに続く6桁目に、漢字を一見� ��て「複雑そうか?」「シンプルか?」という� �感的な印象で分類できる程度の字画情報を� �入した。

具体的には、図13の表の左端の列は、9画以 上と7画以下で複雑かシンプルかという定量� �基準にし、9画以上を110011、7画以下を110010と いった具合に分類した。8画はどちらのグル� �プにも重複して漢字を所属させ、冗長性を� �たせてある。

図13の表の左から2番目の列は、重複分の8� �の字数を振り分け、8画以上と8画以下という ふうに重複分を2分して集計したことを表し� �表の中央から右の列にそれぞれの結果を示� �た。たとえば「YI」の110011(8画以上)は、6+2=8� ��と集計した結果である。

この6桁拡張分割コードを利用することで� �図13の下段グラフを見ると、ほとんどのグル ープが8%以下の分散率を達成したことがわか� ��。

このように、4分割コードを漢字の発音情� �と組み合わせて利用することで、従来の漢� �変換の課題を解決することができた。

 本実施形態の、文字4分割コード検索法は 単漢字の絞込みも効果的に行えるが、特に単 語(2つ以上の漢字の組み合わせ)の絞込みに応 用した場合にも実用レベルである。

 さらに前記5桁コードの組み合わせなら、24� ��類×24分類=576通りの組み合わせ、すなわち� �語分類が可能となる。
 たとえばHSKと呼ばれる外国人向けの中国語� ��定試験に含まれる常用語彙6892単語を576通り の分類で割れば、約12単語であるから、1分類 で約12単語が平均の包含数となる。この程度� ��数であれば、例えば常用中国語で読み方の� ��からない単語を検索する際に、5桁コードを 2回(2文字分)入力するだけで、検索候補数が12 単語前後となり、ワープロの漢字変換候補数 1回分と殆どかわらないという結果が得られ� �実用に耐えるのである。

次に漢字変換という一種の入力時の漢字検索 ソフトを利用する際の、入力用書式について 説明する。フロントエンドプロセッサー等で 文字4分割コードのみを入力し漢字等に変換� �る場合、漢字に変換する必要のない単なる� �字列と識別する目的で例えば全角の@(アット )などの記号を文字4分割コードの先頭と末尾� ��挿入する。
発音と文字4分割コードの組み合わせ書式も� �様に、例えば発音と4分割コードを全角イコ� ��ル(=)記号などを挿入して組み合わせ情報で� ��ることを明示し、かつ、全角の@(アット)な� ��の記号を組み合わせ情報の先頭と末尾に挿� ��する。

たとえば、「昭和」という文字列を変換し て検索するために、予め図4の4分割コードに� ��当するレコードの先頭に、発音と文字コー� ��を組み合わせた@しょうわ=1204-1200@などの書� ��を昭和という文字列とともに、フロントエ� ��ドプロセッサーのユーザー登録辞書などに� ��め登録しておき、変換の際は、@しょうわ=12 04-1200@とキーボードから入力後、スペースバ� ��などをたたくことで「昭和」という文字列� ��呼び出して変換することができる。

通常は電子メールアドレスに使う@記号は� �角なので、全角@などの記号は用いられるこ� ��が少ない。こうした記号類を文字コードに� ��かわる範囲指定に明示的に付加することで� ��ロントエンドプロセッサーの誤変換を防止� ��る。

フロントエンドプロセッサーのユーザー辞書 登録の方法は、1単語ごとに言語バーと呼ば� �る操作ツールを用いて登録してもよいし、� �めテキストファイルにたとえば、以下のよ� �な「読み」(タブ挿入)「語句」(タブ挿入)「� ��詞」(タブ挿入)「ユーザーコメント」の順� �で登録用のリストを作成しておき、まとめ� �登録してもよい。
@しょうわ=1204-1200@    昭和   名詞   リ� ��ク

フロントエンドプロセッサーによっては、 ユーザーコメント欄に解説用の文字列を入力 表示できるだけでなく、リンクを設定するこ とで例えば別のホームページで多言語情報や 動画等の非言語情報を表示できるものもある ので、表示された語句の意味を理解する助け にもなる。

@は漢字変換以外にも4分割文字コードに関� ��る表記であることを明示する目的で用いて� ��よいし、半角で使うことも許容する。

16進数圧縮書式は@等と異なる#等の記号を� �うことにより、例えばアルファベットの「D� ��が日常語書式でなく16進数圧縮書式である� �とを区別することができる。

従来の発音入力のみの漢字変換では、たとえ ば「きしゃ」という入力の同音語候補が多数 表示された場合、文脈によって誤変換を修正 したりする必要があった。
たとえば、「きしゃのきしゃはいいとおもう 。」と入力した場合、いくつかの変換の可能 性がある。以下に示す4つの例はいずれも文� �的な誤りがない変換候補だが、ほとんどの� �ロントエンドプロセッサーはどれか1つの変� ��しかできない。
貴社の記者はいいと思う。
汽車の記者はいいと思う。
記者の喜捨はいいと思う。
貴社の汽車はいいと思う。

ところが、予め「きしゃ」という同音語を本 発明の書式でユーザー辞書に登録しておけば 、以下のような入力をすることで希望する漢 字の一発変換が可能となる。
 @0034-1200=きしゃ@の@1230-0000=きしゃ@はいいと� ��もう。
 @1234-0000=きしゃ@の@1230-0000=きしゃ@はいいと� ��もう。
 @1230-0000=きしゃ@の@0034-1204=きしゃ@はいいと� ��もう。
 @0034-1200=きしゃ@の@1234-0000=きしゃ@はいいと� ��もう。

一発変換できる理由は、発音は同じでも、文 字4分割コードがそれぞれ異なるからである� �
なお、分割コードと発音の順番は逆でもかま わない。

文字コードの詳細書式を説明する。
  分野別書式を用いると、さらに精密な漢� �検索が可能となる。
  たとえば、小規模な専門用語辞書などに� �定して検索を行う場合、先頭の@に続けて例� ��ば「かな」で専門用語辞書名を入力し、続� ��てコロン(:)等を入力して検索範囲を限定す� ��。

例えば、苗字専門用語辞書(「みょうじ」と� �称)内から「堅田」を入力する場合、
@みょうじ:かただ=1034-0000@と予め図4の4分割コ ード欄に登録し、文字欄に堅田と同じ行に登 録し、ユーザー辞書登録しておけば、苗字専 門用語辞書(「みょうじ」と略称)内からのみ� ��索変換されるので、専門辞書に登録してい� ��い次のような同音語は変換候補として表示� ��れないので精度が向上する。
@かただ=1034-1204@   
型だ

 引用書式が変換効率を向上させる場合が� ��る。たとえば、かなを分割コードで表すと1 種類のコードに複数のかなが分類されるので 、特定のかな1文字にしぼって検索するのに� �間がかかる場合がある。アルファベットや� �字も同様である。

この場合は、文字コードではなく、かな、 アルファベット、数字、記号などの常用的で 単純な文字自体を直接文字コードと混在させ て入力する場合、文字自体の前後に引用符号 であるダブルクォーテーション(””)等を付� ��することにより、文字コードと区別する。

例えば「昭和38年」の「38」を引用書式で表� �と以下のようになる。
@しょうわ”38”ねん=1204-1200-”38”-0000@
  なお、発音部の引用符号は省略してもよ� �。

この場合、引用部分が変数の場合があるの で、プログラムで引用部分を除く部分一致が できるようにしておくとよい。

部品書式が学習途中の人に有益な場合もある 。
  検索したい漢字の発音は知らないが、そ� �漢字を構成する部品要素の発音(音や訓)を知 っている場合、部品要素の発音をセミコロン (;)等を挿入して列記し、文字コードと組み合 わせることができる。ただし、部品の読みの 先頭と末尾にもセミコロン(;)等を付加する。

例えば、「魏(発音は「ギ」)」の部品書式を� ��のように表す。
@;い;おに;き;=1230@

「魏」は「委」と「鬼」という2つの部品� �ら構成されるので、「委」の発音「い」(音� ��み)と「鬼」の発音「おに」(訓読み)、「き� ��(音読み)を列挙したのであるが、部品の一� �でもよいので予め辞書登録しておけば、学� �者などには難しい漢字を検索する助けとな� �。

文字コードの簡易書式を説明する。
  1バイト系の処理機能しかない情報機器等� ��フォルダ名やファイル名に4分割文字コード を利用する場合、文字コードの簡易書式を用 いる。CD-Rにデータファイルを保存する場合� �ISO-9660規格を基準にするとファイル名は半角 大文字アルファベット8字以内、拡張子は3文� ��以内で記号はアンダースコア( _ )が利用で きるため、ファイル名の末尾にアンダースコ ア( _ )に続き次の略称を付ける。アンダー� �コアとアルファベット略称を合わせて「識� �子」と呼ぶ。

以下が簡易書式の例である。
2進数書式_B(Binary Numberの略称)
10進数書式_D(Decimal Numberの略称)
日常語書式_C(a Commonly used Wordの略称)
16進数書式_H(Hexadecimal Numberの略称)
連想書式_A(Association of Ideaの略称)

例えば、「語」の発音を訓令式ローマ字表記 で「GO」と入力し、続けて「1234」と文字コー ドを入力し、最後に10進数書式の識別子を入� ��する簡易書式例は以下のようになる。
(全て半角)→GO1234_D.HTM

 簡易書式は携帯型音楽再生プレーヤーな� ��でファイルやフォルダ名称を統一的に検索� ��やすくする場合などにも有益である。

文字4分割コードの入力表示用に使用する� �字等の種類と特長を一般的な装置との関係� �説明する。

数字のみの書式は最も実用範囲が広い。
「2進数(ビット)書式」は0と1のみを使うため� ��例えば携帯電話の数字ボタンやパソコン数� ��キーやマウス左右ボタン、ゲーム機コント� ��ーラの左右ボタン、入力機能を備えたテレ� ��リモコンなどほとんどの既存装置類の必要� ��小限の入力手段で入力や表示が可能である� ��

「10進数書式」は0から4までの5種類の数字� ��使うため、例えば携帯電話の数字ボタンや� ��ソコン数字キー、入力機能を備えたテレビ� ��モコンなど一般的な既存の情報機器類等で� ��力や表示が可能である。

アルファベット、数字、ハイフン(-)、@、#� ��ダブルクォーテーション(”)、コロン(:)、� �ミコロン(;)アンダースコア( _ )などは通常� ��パソコンや携帯電話の文字入力手段として� ��用されている。

前記のごとく全ての文字コード書式に必要 な文字が上記数種類に限定されているので、 例えば(通話専用電話機を除く)携帯電話の数� ��ボタンやパソコン数字キー、入力機能を備� ��たテレビリモコンなど一般的な既存の情報� ��器類等で入力や表示が可能である。

「日常語書式」の場合は、「上下左右」の ように入力には変換の手間がかかったり、装 置によっては制約があるが、伝達の際に日常 語彙なので4分割文字コードの知識がない人� �も理解しやすい。アイコンなどでボタンス� �ッチを日常語書式で表示すれば、老齢者な� �の機器の操作に不慣れな人にも操作がしや� �い長所もある。

アイコン(図形)で前記表示を代用できれば� ��幅広い利用が可能である。12通りから最多� �16通りの4分割文字コードのアイコン等を例� �ばパソコンや券売機などの入力装置の画面� �に表示し、マウスポインターやタッチパネ� �用のペンや指等で選択するだけで、一般的� �既存の装置類等で入力や表示が可能である� �この手段の長所は文字コードの書式を学習� �なくても、その場で直観的に利用者が入力� �表示が可能なことである。

 図2のS400で示した書式変換方法を説明す� �。この処理はホームページのHTML形式でJAVA(� �録商標)SCRIPTなどの簡易スクリプトにより処� ��してもよいし、ワープロソフトの置換機能� ��用いて、利用者が簡単な書式変換を行って� ��よい。

「2進数(ビット)書式」ハイフン(-)なしの場 合は、入力書式が図1の記憶手段のデータと� �一形式なのでそのまま照合する。

「2進数(ビット)書式」ハイフン(-)挿入の場 合は、ハイフンを照合前に削除処理してから 内部データと照合する。

「10進数非省略書式」ハイフン(-)なしの場合� ��、「1234」の順番で基準となる4桁の数字列� �ンプレートを予めメモリに記憶しておき、� �れと入力文字コードを4桁ずつ先頭から照合� ��、一致する数字を昇順に並び替えるが、入� ��文字コードに0が含まれている場合には照合 一致しないので、一致しない数字を0に置き� �える。この処理を4桁ずつ繰り返す。
  例えば、@41201043@→12041034のように処理す� �。

「10進数非省略書式」ハイフン(-)挿入の場� ��は、ハイフンを照合前に削除処理してから� ��記の処理を行う。

「10進数省略書式」ハイフン(-)挿入の場合は� ��「1234」の順番で基準となる4桁の数字列テ� �プレートを予めメモリに記憶しておき、こ� �とハイフンで区切られた入力文字コード列� �照合し、一致する数字を昇順に並び替える� �、入力文字コード列中に省略されて4桁の文� ��列テンプレートに一致しない数字がある場� ��には0を挿入して補う。その後ハイフンを削 除する。この処理をハイフンで区切られた入 力文字コード列ごとに繰り返す。
例えば、@412-143@→124-134→12041034のように処理 する。

「16進数圧縮書式」の場合は、入力された文� ��コード列を16進数と2進数の対応表に照合し� ��変換するか、処理装置組み込みの関数で変� ��する。
  例えば、(16進数)DB→(2進数)11011011のように 処理する。

「連想文字圧縮書式」の場合は、入力され た文字コード列を連想文字コードと2進数の� �応表に照合して変換する。例えば、(連想文� ��コード)KW→(2進数)11011011のように処理する� �

文字データベースを表す図4のコード欄に� �詞などの文法情報と語意分類などの意味情� �をコード化して記憶することにより、同一� �コードに同一のコードで記憶されている文� �を、文法と意味の組み合わせ情報からも検� �できる。

たとえば前記6桁の分割コードに続けて7桁� ��に文法情報、8桁目に意味情報のコードを付 加することとする。

文法情報とは、名詞、動詞、形容詞といった 品詞情報などを指す。
次に説明する実施形態では、名詞とそれ以外 の品詞という情報を文法情報とするが、これ に限定されず、たとえば主語と述語という構 文情報を文法情報として使ってもよい。

上記のように名詞とそれ以外に分類した場 合は、7桁目の文法情報を10進数書式で表し、 名詞を7、動詞や形容詞などの名詞以外の品� �を8、品詞を指定しない場合を0で表すことと する。

 文字データベース図4のたとえば「北」の 6桁目までの字形情報を2進数非省略書式で表� ��と110000となる。「北」の品詞は名詞なので� ��7桁目の文法情報を付加したコードは1100007� �表せる。

 文字データベース図4のたとえば「打」の 6桁目までの字形情報を2進数非省略書式で表� ��と110000となる。「打」の品詞は動詞である� ��め、名詞以外の品詞なので、7桁目の文法情 報を付加したコードは1100008と表せる。

意味情報とは、人間に関する語、自然に関す る語といった語意の分類情報などを指す。
次に説明する実施形態では、人間に関するか 人間以外かという情報を意味情報とするが、 そのほかたとえば動物と植物とそれ以外のも ののように分類方法は任意である。

 たとえば、検索文字が人間に関する場合� ��8桁目に9、人間以外に関する場合は8桁目に0 という情報を10進数書式で付加することによ� ��、文字データベース図4の「北」は人間以外 の自然に関する語なので11000070、「打」は人� ��に関する語なので11000089と表せ、検索時に� �り詳細な識別が可能となる。

 このように、6桁目までの字形情報のみで コードを入力して検索すると前記「北」と「 打」の2つの漢字は同一のコードなので検索� �に識別できないが、7桁目の文法情報と8桁目 の意味情報を付加するとコードが異なるので 検索時に識別できる。