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

2018 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 / コーパス

Outline of Annual Research Achievements

計画の2年目である平成30年度にも，初年度に引き続き(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(2)15世紀朝鮮語の形態素解析を行った．初年度から作業を継続しているが，(1)で用いる解析用辞書は，登録されている項目が6578項目，辞書の学習に用いている学習用データは800文程度となった．解析とその結果の修正は，初年度の『釈譜詳節』巻六と巻十三に加えて，巻九，巻十九，巻廿三（本文のみ）が終了している．
初年度に進めていた電子データの校正作業については，『釈譜詳節』巻廿四まで終了した．『釈譜詳節』をはじめ，15世紀の朝鮮語文献については，研究者の間で利用している電子データがある．これは人手で入力したものだが，錯誤が見られる場合がある．これをそのまま入力データとして用いるには問題があるため，影印資料と突き合わせて，校正作業を行う必要がある．今年度は『釈譜詳節』以外の文献についても，研究補助員（アルバイト）による校正作業を進めた．具体的には『月印釈譜』，『般若心経諺解』などである．
また，解析用辞書をオープンソースソフトウェアとして公開するためのレポジトリ選定については，既に研究代表者が現代語の解析用辞書を公開しているOSDNのレポジトリ（https://ja.osdn.net/projects/handic/）を利用し，新たなパッケージとして追加することにした．

Current Status of Research Progress

3: Progress in research has been slightly delayed.

Reason

当初は平成30年度中に『釈譜詳節』の解析を終わらせることを予定していたが，研究代表者による解析結果の修正作業がやや遅れ，巻廿三，巻廿四が残ってしまった．解析用辞書の公開については，レポジトリの選定が終了したため，付属ドキュメントなどを整えて，準備ができ次第公開を行う．また，解析済みのデータをコーパスとして利用する実例については，継続して検討していく．

Strategy for Future Research Activity

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，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．また，成果発表のための学会参加も増やす予定である．
解析用辞書およびコーパスのデータ公開は，ドキュメントやデータの体裁が整ったものから，レポジトリに公開する．

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，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．また，成果発表のための学会参加も増やす予定である．