2026-03-08T14:10:06Z https://repository.ninjal.ac.jp/oai

oai:repository.ninjal.ac.jp:00003514 2023-05-15T14:52:47Z 245:516

『日本語日常会話コーパス』での形態素解析：誤解析箇所の分析 Morphological Analysis of the Corpus of Everyday Japanese Conversation : An error analysis 渡邊, 友香 ワタナベ, ユカ 50780516 西川, 賢哉 ニシカワ, ケンヤ NISHIKAWA, Ken'ya WATANABE, Yuka UniDic 日本語日常会話コーパス(CEJC) UniDic Corpus of Everyday Japanese Conversation (CEJC) 会議名: 言語資源活用ワークショップ2021, 開催地: オンライン, 会期: 2021年9月13日-14日, 主催: 国立国語研究所 コーパス開発センター 『日本語日常会話コーパス』(CEJC)の短単位情報付与作業では、次の4段階の作業工程、(i)転記をMeCab（解析器）+UniDic（解析辞書）で自動解析、(ii)音声を聴取しながら、付加情報の一つである「発音形」のみを人手修正、(iii)人手修正された発音形を尊重しつつ再び自動解析、(iv)短単位情報（境界情報、発音形以外の付加情報）を人手修正、を踏んでいる。今後の(iv)人手修正作業の参考とするため、人手修正済みデータを対象に、複数の版の現代話し言葉UniDic(Ver2.2.0, 2.3.0, 3.0.1, 3.1.0)を用いて(i)-(iii)を自動で実施し、その出力と人手修正結果とを比較した。その結果、UniDicの版が新しくなるにつれて誤解析の頻度が低下し、向上が見られたものの、誤りやすい個所がなお残っていることがわかった。特に、品詞が 「記号」「代名詞」「接続詞」「名詞-助動詞語幹」「名詞-固有名詞-人名-一般」「名詞-固有名詞-一般」となるべき語は、UniDicの版が新しくなっても別の品詞として解析される、短単位境界を誤るなど、誤解析が起こりやすい。 application/pdf 国立国語研究所 国立国語研究所 National Institute for Japanese Language and Linguistics National Institute for Japanese Language and Linguistics 国立国語研究所 2021 jpn conference paper VoR https://doi.org/10.15084/00003497 https://repository.ninjal.ac.jp/records/3514 10.15084/00003497 https://ccd.ninjal.ac.jp/lrw2021.html 言語資源活用ワークショップ2021 言語資源活用ワークショップ発表論文集 Proceedings of Language Resources Workshop 6 226 239 https://repository.ninjal.ac.jp/record/3514/files/LRW2021_22-p3-2.pdf application/pdf 821.7 kB 2022-01-04