日本語歴史コーパスに対する統語・意味情報アノテーション

2022 年度 研究成果報告書

• 研究課題/領域番号: 17H00917
• 研究種目: 基盤研究(A)
• 配分区分: 補助金
• 応募区分: 一般
• 研究分野: 日本語学
• 研究機関: 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
• 研究代表者: 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, 研究系, 教授 (80379528)
• 研究分担者: 服部 隆 上智大学, 文学部, 教授 (10289598) ; 古宮 嘉那子 東京農工大学, 工学(系)研究科(研究院), 准教授 (10592339) ; 市村 太郎 京都府立大学, 文学部, 准教授 (10701352) ; 山崎 誠 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, 研究系, 教授 (30182489) ; 宮内 佐夜香 中京大学, 文学部, 教授 (30508502) ; 加藤 祥 目白大学, 外国語学部, 専任講師 (40623004) ; 池上 尚 埼玉大学, 教育学部, 准教授 (50739125) ; 近藤 明日子 東京大学, 人文社会系研究科, 助教 (30425722) ; 岡 照晃 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, 特任助教 (50782942)
• 研究期間 (年度): 2017-04-01 – 2022-03-31
• キーワード: 分類語彙表 / Universal Dependencies

研究成果の概要

本研究では『日本語歴史コーパス』の平安～明治初期の資料に対して分類語彙表番号アノテーションを進め、64万語規模のデータを構築した。『現代日本語書き言葉均衡コーパス』新聞・書籍・雑誌に対する分類語彙表番号アノテーションデータ 34万語とともに合わせて、おおよそ 100万語規模の語義ラベルつきデータをを構築した。
さらに日本語の統語構造データの基準として Universal Dependencies の言語資源の整備をつづけた。Universal Dependencies の団体との基準の協議を進めるとともに、日本語分かち書きの問題について新しい基準を提案した。

自由記述の分野

コーパス言語学

研究成果の学術的意義や社会的意義

本研究の意義は、既存の形態論情報タグつきデータに対して『分類語彙表』体系に基づいて単語の意味ラベルを付与したことにある。海外の取り組みをみても、古典-現代を通して 98万語規模の単語の意味ラベルがついたデータは類を見ない。
さらに統語的な研究として、日本語 Universal Dependencies の基準の検討を進めた。特に日本語の分かち書きの問題について取り組み、新しい分かち書きの基準について提案を行い、国際会議にて発表した。