自動形態素解析を利用した15世紀朝鮮語解析済みコーパスの構築

2017 Fiscal Year Research-status Report

• Project/Area Number: 17K02758
• Research Institution: Kindai University
• Principal Investigator: 須賀井 義教 近畿大学, 総合社会学部, 准教授 (60454641)
• Project Period (FY): 2017-04-01 – 2020-03-31
• Keywords: 朝鮮語史 / 形態素解析

Outline of Annual Research Achievements

計画の初年度である平成29年度は，①オープンソース形態素解析エンジンであるMeCab（めかぶ）を用いて形態素解析を行うための解析用辞書を構築し，実際に②15世紀朝鮮語の形態素解析を行った．この二つの作業は相互に関連しており，解析用辞書を構築する際，学習用データが必要であるが，そのデータには解析済みの正解データを用いる．そのため，辞書構築⇒解析結果の修正⇒修正した解析結果を学習データに追加して辞書構築，というように，循環的に作業を進めていくことになる．
まず，①の作業においては，既に構築済みの辞書について項目を追加・修正し，随時学習用データも追加を行った．最新の解析用辞書は6100個程度の項目で構成されている．また，②に関して『釈譜詳節』巻六の本文データと注釈部分のデータについて，解析とその修正作業が終了している．最新の辞書は，この修正済みデータを学習用データとして構築したものである．解析と修正の作業は，現在『釈譜詳節』巻十三について進めているところである．解析の際に誤った項目については，解析用辞書に追加をしている．今のところ，解析用辞書の学習用データは300文ていどである．
上記の作業と並行して，解析対象となる15世紀の朝鮮語文献について，電子データの校正作業を行った．この作業については主に作業補助員（アルバイト）が進め，研究代表者がさらにチェックする，という方式を採っている．『釈譜詳節』については残りの巻のうち，巻九，十九，廿三まで終了しており，巻廿四が途中の段階である．

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

当初予定では初年度に『釈譜詳節』の解析を全て行う予定であったが，研究代表者および研究補助員（アルバイト）による入力データの校正作業がやや遅れ，解析自体は巻六と巻十三までしか終えることができなかった．また，解析用辞書公開のためのレポジトリ選定も未決となっているため，今後早急に決定し，データを公開する予定である．

Strategy for Future Research Activity

今後の予定としては，やはり①形態素解析用辞書の構築，および②15世紀朝鮮語の形態素解析を行う．入力データの調整が済み次第，『釈譜詳節』の残りのデータ（巻九，十九，廿三，廿四）について解析を行い，修正の上で学習用データに追加して，さらに解析用辞書を構築する．
また，オープンソースのソフトウェアとして，インターネットで解析用辞書を公開する予定である．
平成30年度には，解析済みのデータをコーパスとしてどう利用することができるか，情報抽出の方法などと合わせて学会で発表する予定である．

Causes of Carryover

作業の補助を行うアルバイトの雇用に問題が生じ，作業時間をあまり確保できなかったこと，および先方の都合により専門的知識の提供を1回のみ受けたこと，などといった理由のため，特に人件費・謝金の使用が計画通りに進まなかった．作業全体の進捗にも関わるため，次年度には作業補助員を積極的に雇用し，作業を進めていく予定である．