研究発表会

世界の主要な言語において，統語解析情報付きコーパス (ツリーバンク) の整備が進められ，こうしたコーパスを利用した研究が言語学・言語処理の分野で目覚ましい成果を上げている。日本語については，2016年より，国立国語研究所の共同研究プロジェクト『統語・意味解析コーパスの開発と言語研究』がスタートし，現在，NPCMJ (NINJAL Parsed Corpus of Modern Japanese) の構築が進められ，現代日本語の書き言葉と話し言葉のテクストに対し文の統語・意味解析情報を付与し，多様な機能語や句構造，節の諸類型および複雑な構文を大量の言語データから検索・抽出して研究に活用できるようになっている。本発表では現代語から津軽方言データの「統語・意味解析コーパス」構築・公開への展開について報告する。

方言に限らず，言語における音声の重要さはいうまでもない。今日紹介するコーパスが対象とする津軽弁も，この地に住む人たちの生活の中で語られ，体感され，世代を超えて受け継がれてきたものだからである。弘前に津軽方言を大切にしながら，昔話をラジオや弘前近辺の施設で語り継いでいらっしゃる「和の昔こ (わのむかしっこ) 」の活動を知り，本学のバトラー先生や，イングリッシュ・ラウンジの教員たちが中心となってその方たちにラウンジで昔話を語っていただき，録音させていただくことができた。その録音は，年代間や個人により微妙に異なる日常会話の方言ではなく，このグループの方たちが推敲を施し，ていねいに保存に努められた，ある意味で理想化された方言データである。こうして収集された音声や原稿を，国立国語研究所の研究グループが，それまで「統語・意味解析コーパス (NPCMJ) 」で培った技法で分析し，アノテーションを施して公開するのが，本日お話しする津軽弁ツリーバンク「Matsunoki」である。昔話の語りを通じてある程度平準化された津軽弁が音声とともに長く保存され，科学的な文法分析とともに，多様な研究者たちに利用されることが本プロジェクトの願いである。

This talk will discuss the creation of the Matsunoki parsed corpus of the Tsugaru dialect. The data consists of audio samples of local folktales spoken by native speakers of the Tsugaru dialect. The system of morphological analysis uses the WAKACHI2002 inventory of word class and morpheme codes. The tree annotation system is based on the NPCMJ project, including the methods of linguistic analysis and presentation on the Internet. The talk will provide an overview of the corpus and its progress, along with problems and solutions in handling morpho-syntactic analysis of the dialect data.

統語情報付きコーパス（NPCMJ）は，形態情報に基づく従来的なコーパスでは検索できない，線条的に隔たった要素間の調査を実施することが可能である。これは，統語情報付きコーパスが「構文」などの一定の型を持つ言語環境を量的に分析する際に有効であることを示唆している。本発表では，先行研究において逸脱的なノガ文とされる「構文」について，NPCMJを用いた助詞「が」に関連する統語環境の調査をもとに，問題となっている「構文的意味」がどのような要因によって生じているのかを分析する。

今年の夏，日本語統語意味解析コーパス「NPCMJ (NINJAL Parsed Corpus of Modern Japanese)」プロジェクトの延長線上で開発が進められてきた日本語学習者言語ツリーバンク「SUGINOKI」が公開された。本発表では，当該ツリーバンクの開発の経緯・背景，データ，アノテーション，SLA研究・日本語教育研究への応用の可能性について報告する。

本研究は，統語解析情報付きコーパス NPCMJ (NINJAL Parsed Corpus of Modern Japanese) を用い，どのようなタイプの名詞句が関係節の主名詞として高い割合で出現するかを調査したものである。結果として，どのテキストジャンルにおいても，主語名詞句が圧倒的に高い頻度で出現していることが明らかになった。分析過程において，どのような関係節を対象としたか，現状と問題点を報告し，更なる検討を行う。また，テキストジャンルごとの出現率の傾向の違いについても報告する。

The aim of my research is to create a parsed corpus of the Tsugaru dialect, which will include morphological and syntactic analysis. The data consists of audio samples of local folktales spoken by native speakers of the dialect. The annotation system, including the methods of linguistic analysis and online presentation is based on the NPCMJ. I will provide an overview of the creation of this corpus and its current state, and will detail the methods used for annotating the data.

談話における照応に関わる代名詞等の表現の解釈は，理論言語学・自然言語処理での重要な問題の一つである。NPCMJ (NINJAL Parsed Corpus of Modern Japanese) では，統語解析されたツリーバンクコーパス上の句 (i.e., 名詞句や節) に，ソート情報 (sort information) という個体・事象識別のための指標を振ることで，照応関係解釈の解決を目指している。本発表では，NPCMJ における照応・共参照や橋渡し指示 (間接照応) などの現象に関するアノテーションの現状と実際のアノテーション作業を通じて明らかになってきた問題点を報告するとともに，その解決に向けたソート情報付与の可能性を議論する。

NPCMJ 開発の動機とその特徴について解説し、NPCMJ が柔軟で文構造――例えば、主節と埋め込み節の要素間の階層的依存関係――を反映した例文検索と文法情報抽出を可能にすることについて述べる。さらに、ウェブサイト上のインターフェースを使ってどのような言語データが収集可能かについて解説する。

NPCMJ のウェブ・インターフェースを用いて前提 (presupposition) 投射の実例を検索した結果について報告する。埋め込み節、条件節、モーダルに埋め込まれた環境、の3つの条件で、累加的意味を表す前提トリガーの取り立て詞・副詞の「も」「まで」「再び」「さらに」を用いて実例を収集した。該当する語の言語学的分析や、言語学的知見にもとづく自然言語処理研究のためのテストセットを作るのに十分な量のデータが得られることを確認する成果が得られた。

文の述語がそれぞれ動詞、形容詞、および名詞である場合について、普通名詞、固有名詞、代名詞など語彙的性質の異なる名詞が主語として結びつくか否かについて、構文にもとづく検索を可能にする NPCMJを利用して例文を収集し、検討を行う。文章ジャンルごとの偏り等を調べることにより、本コーパスが文体論研究や量的研究における文法情報検索の応用において効果的であることを示す。

本発表では、NPCMJコーパスを用いることで、特定の統語環境に現れる語彙の偏りを観察することができることを示す。具体的には、「否定文の名詞述語文において、述語名詞の連体修飾節に副詞が含まれる場合」を検索し、それらの副詞を分類する。検索の結果、多くの場合において、副詞が否定の焦点になっていること、NPI副詞（「あまり」「そんなに」等）のほか、高い程度を表す程度副詞（「とんでもなく」「格別」）などが多く現れていることがわかった。さらに、この検索結果に基づいてより規模の大きいコーパスであるBCCWJを用いて、これらの副詞の分布的特徴をより詳しく調査した。

並列構文での主語句の助詞の選択(が、は、も)は、文の意味解釈(対比、累加、等)と相関関係があると考えられる。この発表では、統語解析情報を基に複雑な条件を指定した上での例文の収集が可能であるNPCMJを用いて、その関係性を調査する。その中で、目的に沿ったデータ編集・整理方法の例として、ツリー構造を加工するツールであるtsurgeonによるデータの変形や、表計算ソフトで扱える形式への変換方法を紹介する。最後に、この調査で明らかになった、並列構文での主語句標識の組み合わせによる文の意味解釈への影響を指摘する。

NPCMJ 開発の動機とその特徴について解説し、NPCMJ が柔軟で文構造――例えば、主節と埋め込み節の要素間の階層的依存関係――を反映した例文検索と文法情報抽出を可能にすることについて述べる。さらに、ウェブサイト上のインターフェースを使ってどのような言語データが収集可能かについて解説する。

NPCMJ のウェブ・インターフェースを用いて前提 (presupposition) 投射の実例を検索した結果について報告する。埋め込み節、条件節、モーダルに埋め込まれた環境、の3つの条件で、累加的意味を表す前提トリガーの取り立て詞・副詞の「も」「まで」「再び」「さらに」を用いて実例を収集した。該当する語の言語学的分析や、言語学的知見にもとづく自然言語処理研究のためのテストセットを作るのに十分な量のデータが得られることを確認する成果が得られた。

文の述語がそれぞれ動詞、形容詞、および名詞である場合について、普通名詞、固有名詞、代名詞など語彙的性質の異なる名詞が主語として結びつくか否かについて、構文にもとづく検索を可能にする NPCMJを利用して例文を収集し、検討を行う。文章ジャンルごとの偏り等を調べることにより、本コーパスが文体論研究や量的研究における文法情報検索の応用において効果的であることを示す。

本発表では、NPCMJコーパスを用いることで、特定の統語環境に現れる語彙の偏りを観察することができることを示す。具体的には、「否定文の名詞述語文において、述語名詞の連体修飾節に副詞が含まれる場合」を検索し、それらの副詞を分類する。検索の結果、多くの場合において、副詞が否定の焦点になっていること、NPI副詞（「あまり」「そんなに」等）のほか、高い程度を表す程度副詞（「とんでもなく」「格別」）などが多く現れていることがわかった。さらに、この検索結果に基づいてより規模の大きいコーパスであるBCCWJを用いて、これらの副詞の分布的特徴をより詳しく調査した。

並列構文での主語句の助詞の選択 (が、は、も) は、文の意味解釈 (対比、累加、等) と相関関係があると考えられる。この発表では、統語解析情報を基に複雑な条件を指定した上での例文の収集が可能であるNPCMJを用いて、その関係性を調査する。その中で、目的に沿ったデータ編集・整理方法の例として、ツリー構造を加工するツールであるtsurgeonによるデータの変形や、表計算ソフトで扱える形式への変換方法を紹介する。最後に、この調査で明らかになった、並列構文での主語句標識の組み合わせによる文の意味解釈への影響を指摘する。

Recent work within the NPCMJ project has involved changing the morphological base of the annotation from Japanese script analysed with the LUW (long-unit word) standard of the BCCWJ (Maekawa et al. 2014) to romanized words parsed according to WAKACHI2002v8 (Miyata, 2013) and provided with morphological tags using the JMOR library files (Miyata & Naka, 2014). A major consequence of so modifying our data is that we are now able to train a parser that is compatible with this alternative WAKACHI2002v8 analysis. This opens the way to using automatic methods to parse Japanese CHILDES data that already contains gold standard morphological analysis. We report on some first parsing results, and how we are planning to present the syntactic annotation information as a new %rlc (root-leaf context) tier within the CHAT format (MacWhinney 2019).

This talk presents results of annotation work conducted at Okayama University in collaboration between Takeuchi Laboratory and NINJAL NPCMJ Project. Specifically, we have started to add to the NPCMJ parsed trees markup for role labels and links to frames of the Predicate Thesaurus (Takeuchi et al., 2010). The annotation process has revealed several cases where it is difficult to decide semantic roles and their conceptual frames. Furthermore, there are cases of potential ambiguity. Taking up concrete examples, solutions for annotation practice will be discussed.

顕在的な主語を持つ節が並ぶ重文では、主語句の助詞の選択 (が、は、も) は、文の意味解釈 (対比、累加、等) と相関関係があると考えられる。この発表では、NPCMJを用いた調査を通して、重文での主語句標識の組み合わせがどのように文の意味解釈へ影響を与えるかを分析する。調査では、NPCMJの統語解析情報を利用し、複雑な条件を指定することで、重文と認められる例文を収集する。さらに、研究目的に合わせたデータ整理の具体例として、ツリー構造を加工するツールであるtsurgeonによるデータの変形や、表計算ソフトで扱える形式への変換方法などを紹介する。

This talk describes changes being made to the morphological base of the NPCMJ, a corpus of Japanese parsed for syntax. The old morphological base consisted of segmentation decisions on Japanese script to isolate word units together with the classification of each unit’s part-of-speech (noun, verb, etc.). This old segmentation corresponded closely to, but also deviated from, the LUW (Long Unit Word) standard of the Corpus of Spontaneous Japanese (CSJ; Maekawa 2003) and the Balanced Corpus of Contemporary Written Japanese (BCCWJ; Maekawa et al. 2014). The replacement morphological base uses the JMOR system (Miyata & Naka, 2014) and is carried out with Romaji (Hebon) rather than the Japanese script. With this change it becomes possible to encode information about the internal makeup of words. Notably stem information is isolated and accompanied by an English gloss that acts as a partial lemmatisation. In addition, the grammatical functions of prefixes and suffixes are clearly distinguished. This change in morphological base brings significantly richer word information into the corpus, as well as a clear concept of what a word is for Japanese. But this change is also a massive undertaking, requiring major alterations to every annotated tree. In the talk we detail how we have used tools of automation to make the change feasible. This serves as an example of how it is possible to harness the power of a parsed corpus to improve and further supplement the contained analysis

本発表は，統語・意味情報付きコーパスを開発するに当たって，中国語名詞句の解析を考察するものである。名詞句の解析をめぐっては，二つの課題がある。それは，名詞句の内部構造を明らかにし形式的に解析することおよび名詞句の担う類似した統語的役割を区別することである。名詞句の解析は，コーパス構築作業および構築できたコーパスを基にする言語研究の基本的かつ重要な一環を成しており，それを明らかにすることによって，研究の基盤を固めることができると考えられる。

本発表では、統語情報付きコーパスであるNPCMJを用いて、文中における名詞句と述語の結びつきがどのように分布しているのかを明らかにする。名詞句には、普通名詞、固有名詞といったバリエーションがあるが、それらがテキスト内においてどのような述語（動詞述語、形容詞述語、名詞述語）と結びついているのかは、従来のコーパスでは明らかにすることができなかった。本研究により、従来品詞等の分布と結びつけられていた文体論研究や量的研究に、項構造や格関係の分布といった、文法的な関係性を導入することが可能になる。