『日本語日常会話コーパス』に対する短単位情報付与：作業工程と評価

西川 賢哉; 渡邊 友香; Ken'ya Nishikawa; Yuka Watanabe

タイトル	ja 『日本語日常会話コーパス』に対する短単位情報付与：作業工程と評価
その他のタイトル	en Short Unit Word Annotation for the Corpus of Everyday Japanese Conversation : Procedures and Evaluation
作成者	ja 西川, 賢哉 ja 渡邊, 友香 en Ken'ya, Nishikawa en Yuka, Watanabe
主題	Other 日本語日常会話コーパス(CEJC) Other Corpus of Everyday Japanese Conversation (CEJC)
内容注記	Other National Institute for Japanese Language and Linguistics Other National Institute for Japanese Language and Linguistics Other 会議名: 言語資源活用ワークショップ2020, 開催地: オンライン, 会期: 2020年9月8日−9日, 主催: 国立国語研究所コーパス開発センター Other 『日本語日常会話コーパス』(CEJC)の短単位情報付与作業では、以下のような作業工程を踏んでいる：(i) 転記をMeCab（解析器）+ UniDic（解析辞書）で自動解析、(ii) 音声を聴取しながら、付加情報の一つである「発音形」のみを人手修正、(iii) 人手修正された発音形を尊重しつつ再び自動解析、(iv) 短単位情報（境界情報、発音形以外の付加情報）を人手修正。この作業工程の妥当性を検証するため、人手修正済みデータを対象に、複数の版の現代話し言葉UniDic（Ver2.2.0, 2.3.0, 3.0.1）で自動解析をしなおし、出力を比較した。その結果、どの版のUniDicを使っても、人手修正された発音形の情報を用いる方が、そうでない場合に比べ、短単位情報の精度向上を見込めることがわかった。特に、古い版のUniDic (Ver2.2.0)ではそれが顕著であった（境界＋品詞＋語彙素（F値）：0.944→0.962）。一方で、最新版のUniDic (Ver3.0.1)では効果は限定的である（同：0.976→0.979）。 Other source:https://pj.ninjal.ac.jp/corpus_center/lrw2020.html Other identifier:国立国語研究所 Other identifier:国立国語研究所
出版者	国立国語研究所
日付	Created2021-03-02 , Issued2020
言語	jpn
資源タイプ	conference paper
出版タイプ	VoR
資源識別子	URI http://id.nii.ac.jp/1328/00003172/ , DOI https://doi.org/10.15084/00003172
ID	JaLC 10.15084/00003172
収録誌情報	言語資源活用ワークショップ発表論文集 = Proceedings of Language Resources Workshop 巻5 開始ページ324 終了ページ330
ファイル	https://repository.ninjal.ac.jp/?action=repository_action_common_download&item_id=3188&item_no=1&attribute_id=48&file_no=1 (application/pdf)
コンテンツ更新日時	2023-06-26