傀儡師の館.Python

Ruby

(0)

甘い物

Profile

kugutsushi

フォローする

Free Space

設定されていません。

< 新しい記事

新着記事一覧(全1863件)

過去の記事 >

2003.01.07

UniDic ってなんだ

ちょっと今日はプログラムはお休みだけれど、形態素解析器 MeCab (和布蕪) の作者、工藤氏のMeCabのメーリングリスト(目次の次に参加方法が書かれている) を見ていたら、UniDic に関しては話し言葉研究に適した電子化辞書の設計 (PDF) を見るとよいと分かった。この論文は非常に分かりやすく書かれていて文系の人でも読むことができる。「自然言語処理ってなんだろう」って思う人も読んでみると面白いだろうし、言葉としての日本語に興味がある人もたまには、こういう論文を読んでみると楽しいかもしれない。たとえば、「一本、二本、三本」を口に出して読んでみよう。あれ、「本」は「ポン」と読んだり「ホン」と読んだり「ボン」と読んだりするけど、コンピュータにこれを読ませる（音声合成）するときにはどうするんだー、辞書はどうなってるんだとか疑問に思ったら読んでみると面白いかも（疑問に思わない人は、まさか、１兆本まですべての読み方が辞書に入っているとかバカなことがあるわけないでしょ、と考えてみるべし。じゃあどうする）。「哲学」なら「テツガク」だけど「哲学科」だと「テツガッカ」と読むでしょ。辞書には何でもかんでも全部登録されるのかな？それとも何かルールが見つかれば、全部登録する必要がないのかな？さあ、どうするんだ。ちょっと、カタイからさらっとは読めないかもしれないが、ゆっくり読めば面白いことが沢山かかれている。

この論文の UniDic の基本概念のところに次のようにある。

- 人文系の言語研究に違和感なく使える
- 斉一な単位設定
- 学校文法に準じた品詞体系の採用
- 音声研究に使える

- アクセント型情報の記述
- 音韻交代・アクセント変化に関わる制約の記述

方向性として、学校文法に準じた品詞体系の採用っていうのはいいかもしれない。つまり、人工無能に適用する場合、これまでの知識を基にした直感的なルールが作りやすいということ。結局、こういうものを作っていくときに一番大切なのは、辞書をどう作るか、話すルールをどうつくるかというところなので、これがやりやすい方がよいわけだ。UniDic が使えるようになったら、UniDic を使うことにしよう(と、転換が早い(笑))。どうせ遊びなので深くは考えないの。

で、この論文を流し読みしていて、多層単位認定の例を見て、あーこれ欲しいと思ってしまった。神戸女子大学と「神戸」「女子」「大学」で切ってくれてさらに「神戸」と「女子大学」でも切ってくれて、まとめて「神戸女子大学」でも切ってくれると何がいいか。それは、「神戸女子大学に素敵な女性がいるよ」と入力されたら「え、奈良女子大学に素敵な女性がいるの？」ととぼけた反応もやりやすいからだ。そして、何処かしらから画像を取ってきて表示するとか。問題は人の画像をとってくるところ。Google API を使ってイメージ検索すればいいのね。で、奈良女子大学だと思いっきり風景がでてきてしまうので、適当な名前で AND 検索かけてやればいいのさ。

冗談はさておき、普通は、「神戸女子大学」でまとめてくれた方が扱いやすいけれども、特殊「女子大学生」ルールというのを作り、「女子大学」を含む場合は前半の語を変更してやるなどと小技をきかせることもできる可能性があるので、多階層の解析はうれしいなということ。「積極的だ」というのも、「積極」「的」「だ」と分けたパターンと、「積極的」「だ」とまとめたパターンの両方で簡単にアクセスできれば、いろんな書き換えルールを作りやすくなる。要するに UniDic を使った多階層単位認定を形態素解析器がやってくれれば、人工無能側の手間が省けていろいろやりやすくなるということで、うーん、これの方が都合がいいなーと思ったわけ。

あとは、そのうち音声合成のプログラムがフリーで入手できたら、しゃべらせてみるとまた面白いだろうな。「シーマン」みたいにむかつくこと言わせる。 SEAMAIL は買おうと思っていて結局まだ買ってない。新バージョンってでないのかな。 504ｉシリーズ用ｉアプリ待受画面「シーマン」登場なんて出ていたのか。携帯シーマンなんてあるのか。でも携帯電源切っているときが多いしな。 PS2用のシーマンは発売延期か。

お気に入りの記事を「いいね！」で応援しよう