2018 Fiscal Year Research-status Report
文体分析を目的としたコーパスの文書情報拡張及びその利用
| Project/Area Number |
18K00634
|
|---|
| Research Institution | National Institute for Japanese Language and Linguistics |
|---|
Principal Investigator |
加藤 祥 大学共同利用機関法人人間文化研究機構国立国語研究所, コーパス開発センター, プロジェクト非常勤研究員 (40623004)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
浅原 正幸 大学共同利用機関法人人間文化研究機構国立国語研究所, コーパス開発センター, 教授 (80379528)
|
|---|
| Project Period (FY) |
2018-04-01 – 2023-03-31
|
| Keywords | コーパス / 文体 / 図書館分類 |
|---|
| Outline of Annual Research Achievements |
本年度は，主に分析用データの整備を開始したほか，一部情報付与を行ったデータを用い,分析を試行した。
1.書籍サンプルの情報拡張：BCCWJの書籍サンプル（約2万件）の持つNDC情報を形式区分まで拡張するため，国立国会図書館（NDL OPAC）データを収集し，NDC新訂10版（2017年公開）に基づくNDC形式区分3桁を追加した最大6桁とする作業を進めている。また，情報付与の完了したデータを用いることで，「随筆」ジャンルの文体分析を試みた。本進捗と「随筆」ジャンルの分析試行は，国語研究所の開催する「言語資源活用ワークショップ2018」において「『現代日本語書き言葉均衡コーパス』書籍サンプルに対するNDC記号拡張アノテーションとNDC形式区分を用いた「随筆」の文体分析」として発表を行った。
2.新聞サンプルの情報拡張：BCCWJの新聞サンプル（約1,500件）について，国立国語研究所がサンプル収集時に画像データとして保存している政治面や家庭面などの掲載面情報，インタビューや小説，商品紹介などのトピック情報を下位分類として付与を進めている。一部情報付与の完了したサンプルを用い，比喩情報の記事ジャンル分類を試みた。国際会議International Cognitive Linguistics Conference（ICLC 15）において成果を発表予定である。
3.小説サンプルの情報拡張：BCCWJの書籍サブコーパスに含まれる小説サンプル（合計約1万件の予測）に，詳細なジャンル分類情報を付与するため，各サンプルについてシリーズ名情報やレーベル情報の収集を開始した。具体的には，販売店などによる既存分類の調査と整理に着手した。
|
| Current Status of Research Progress |
Current Status of Research Progress
3: Progress in research has been slightly delayed.
Reason
一次作業を開始し、一部の手作業や準備作業を進めたが、今後の作業に必要な資源の入手ができておらず、予定通りとまでは言い難い。
|
| Strategy for Future Research Activity |
1.書籍サンプルの情報拡張：NDCデータを入手次第、作業を進める。BCCWJのデータ更新時に，本研究成果の拡張情報を追加する予定である。また，拡張情報を用いた文体分析に取り組む。
2.新聞サンプルの情報拡張：一次作業が完了近いため，今後はBCCWJサンプルの記事情報開始位置を特定し，BCCWJとの対応付けを進める。BCCWJのデータ更新時に，本研究成果の拡張情報を追加する予定である。また，記事情報を用いた新聞記事種別の基礎データを作成する。
3.小説サンプルの情報拡張：「小説」の下位分類基準を策定する。また，小説サンプルすべてに対して，整理したジャンル情報の付与を行う。
|
| Causes of Carryover |
日本十進分類法の一部が古書として安価に入手できたが，現在まで品切れや販売停止などでデータの入手ができていないため，当該予定額が次年度に繰り越しとなった。入手可能となり次第，物品費が必要となる。また，若干予定より進行が遅れたが、試験的作業が完了次第、人件費・謝金を使用する。今後の計画では，クラウドソーシングを用いたデータ検証も行うため，主に謝金として使用予定である。
|
