ch2010slide01

じんもんこんシンポジウム 2010 1

八代集用語のモデリングシステム

山元啓史東京工業大学大学院社会理工学研究科

カリフォルニア大学サンディエゴ校環太平洋大学院大学

December 12th 2010


本論の主旨（１）

語彙とは「語の集まり」↓

集合論...ネットワークによる分析↓

卓立（salience）・相対的な差分


本論の主旨（２）

卓立（salience）・相対的な差分↓

２語の対立／類似の分析↓

２語の周辺語彙の演算システム


語彙論的研究とは何か？

語と語の

「結びつき」「まとまり」

に関する研究


整理の仕方

「結びつき」「まとまり」↓

何をどう整理すればよいのか？

→語彙の研究方法上の問題点は数々


語の単位の問題／多義語の問題

語の単位の問題（西尾, 1988）

「リュウグウノオトヒメノモトユイノキリハズシ」

異形同語（森, 1998）

「たづ（田鶴）歌語／つる（鶴）日常語」

→多豆・多津・多都・多頭

「之努比鶴鴨（しの

偲ひつるかも）」（万葉巻一六）

同形異語（水谷, 1983）

「年月日」の上位語の「時」⇐⇒「日」の下位語の「時」


和歌の語彙分析

• 古今集データベースによる歌語の視覚化（山元 2005）

• 歌ことばの可視化とコノテーションの抽出（山元 2006）

• 和歌のための品詞タグづけシステム（山元 2007）

• ネットワークによる歌ことばのモデリング（山元 2007）

• モデリングによる歌ことばの変遷と分析（山元 2007）

• 分類コードつき八代集用語のシソーラス（山元 2009）

• 和歌解析用MeCab辞書の開発（山元 2009）

• ブーリアン演算によるモデルの解析（山元 2010）


八代集シソーラスの開発

• 任意サイズのトークンの取り出し

• 表記の違いの吸収／区別

• 共出現パターンの重み付け計算


八代集シソーラスの開発（１）谷風にとくこほりのひまごとにうちいづる波や春の初花

01:000012:0001 B00 BG-01-5151-05-1300 谷風たにかぜ谷風 02

01:000012:0001 C00 BG-01-5240-19-0100 谷たに谷 02

01:000012:0001 C01 BG-01-5151-01-0100 風かぜ風 02

01:000012:0002 A00 BG-08-0061-05-0100 ににに 61

01:000012:0003 A00 BG-02-1550-05-0200 解くとく解く 47

01:000012:0003 A10 BG-02-3060-09-0400 解くとく解く 47

01:000012:0004 A00 BG-01-5130-11-0101 氷こほり氷 02

01:000012:0005 A00 BG-08-0061-07-0100 ののの 61

01:000012:0006 A00 BG-01-1840-04-0100 隙ひま隙 02

01:000012:0006 A10 BG-01-3320-10-0102 隙ひま隙 02

01:000012:0007 B00 BG-01-1613-01-0200 毎ごと毎 28

01:000012:0007 C00 BG-03-1000-09-1200 毎ごと毎 00

01:000012:0008 A00 BG-08-0061-05-0100 ににに 61


八代集シソーラスの開発（２）谷風にとくこほりのひまごとにうちいづる波や春の初花

01:000012:0009 A00 BG-02-1563-01-0101 打つうつ打つ 47

01:000012:0009 A10 BG-02-3830-05-0500 打つうつ打つ 47

01:000012:0010 A00 BG-02-1210-01-0304 出づいづ出づ 47

01:000012:0010 A10 BG-02-1530-01-0101 出づいづ出づ 47

01:000012:0010 A20 BG-02-1540-04-0601 出づいづ出づ 47

01:000012:0011 A00 BG-01-5155-01-0100 波なみ波 02

01:000012:0012 A00 BG-08-0065-14-0100 ややや 65

01:000012:0013 A00 BG-01-1624-02-0100 春はる春 02

01:000012:0014 A00 BG-08-0061-07-0100 ののの 61

01:000012:0015 B00 BG-01-5810-08-1400 初花はつはな初花 02

01:000012:0015 C00 BG-03-1650-06-0200 初はつ初 28

01:000012:0015 C01 BG-01-5530-12-0100 花はな花 02


グラフによる分析

• 共出現パターンとグラフ理論





雪/の/ 内/に / 春/は/ 来/ に/ けり/ 鴬/の/ 凍れ/ る/ 涙/ 今/や/ 解く/ らむ






w(t, d) = (1+log tf(t, d)) · idf(t) (1)

cw(t1, t2, d) = (1+log ctf(t1, t2, d)) · cidf(t1, t2) (2)

cidf(t1, t2) =√

idf(t1) · idf(t2) (3)

idf(t) = logN

df(t)(4)

(1)...Manning, 1999(4)...Sparck Jones, 1972


鶯と時鳥の統合モデル

鴬-CT-23-229-3.73-15 時鳥-CT-40-370-3.27-16

毎朝

野辺8

鴬17

老

笠

6

10

青柳

4

挿頭す

4

縫う 6春

88

10

立田

10

枝

35

花 138

とまる

15

折る

22

泣く

29

鳴く145

まだ

30

夏

横

8

時鳥

39

一声

8

五月

42

音羽

20

声174

山

110261

鳴き声

21

五月雨

14

聞く

69

聞える

37

去年

10

あやめ草

7

梢9

12

20

20

11

今朝

29

9

19

越える10

惜しむ

10

木高い

4

10

近く 6

6226

条理

8

6

案内

誘い出す4

9

送る

4

別れ

7

4

香

7

2010

春霞

9

立つ

10

夏山

11

ふりしぼる

6

梅

10

56

23

44

山時鳥

9

隠れる

76

10

散る

52

10

触れる

10

手

10

添える

5

羽ばたく6

6

借りる

19

何時の間に

9

梢高い

7

7

はるか

5


やりたいこと

「まとまり」を系統的／網羅的に分析するには？


やりたいこと

グラフ図形→数理的表現論理和，論理差，論理積（ブーリアン演算）

↓２語周辺語彙の演算システム


集合演算

A

B

統合／論理和

A

B

交差／論理積

A

B

差分A／論理差

A

B

差分B／論理差

A

B

排他／否定論理積


方法：材料

• 国文学研究資料館開発正保版本「二十一代集」

• 長歌を除く 9484首の和歌テキスト

(シソーラスの作成はすべての和歌に対して)

• kh で単位分割 (短単位)し、

• 異形同語 (立田／竜田／龍田)の問題→ t2c でシソーラスコードをつける。

• 八代集シソーラスの開発→分類語彙表を利用

• 一般語 (48732)、地名 (1408)、人名 (49)


操作の実際


キーの入力

じんもんこんシンポジウム 2010 22各種設定画面

じんもんこんシンポジウム 2010 23共出現テーブル

じんもんこんシンポジウム 2010 24グラフモデルの出力「梅／桜」

じんもんこんシンポジウム 2010 25グラフモデルの出力「梅／鶯」

じんもんこんシンポジウム 2010 26和歌一覧の出力


２語の共有ノードの違い

•コアノード自体の共有

•２語の共有ノード数

→「鶯」と「桜」／「梅」


「鶯／桜」(a)の統合と交差

「鶯／桜」(a)の統合と交差


「鶯／梅」(b)の統合と交差

「鶯／梅」(b)の統合と交差


歌集で変化する共有ノード

「桜」と「吉野」

•古今集における「桜／吉野」

•新古今集における「桜／吉野」

→「吉野」と「雪」


古今集「桜／吉野」の交差

古今集「桜／吉野」の交差


新古今集「桜／吉野」の交差

新古今集「桜／吉野」の交差


おわりに

• 任意２語の検索と共有ノードの作図を可能にするシステムを開発した。

• 相対的特徴は「２語」いうように語を軸とした比較で捉えるだけでなく、任意の２つの視点というような、より抽象的な視点で、処理できるシステムに改良していきたい。

• 従来、用語解説に当たられていない特徴語をどうとりあつかうか。

→「八重」

じんもんこんシンポジウム 2010 34グラフモデルの出力「山吹／かはづ」

山吹 (44/44/44, 5.37) cw > 2.50 K:1-8 U:1 L:0.00 M:7 Z:1.00

山吹

井手

12

蛙10

咲く 12

神無備川

2

移ろふ

7

鳴く

9

花28

梔子

2

吉野

4

折る

5

匂ふ

4

な

3

散る

6

深し4

重ぬ2

見ゆ

6盛る

2

問ふ

3

4

1

3

9

八重13

2

6

九重3

十重1

七重

1 2

単衣

44

岸

6

4

2

河水

2

2

1

県11

井戸

11

1

3里人

2

2

1

河浪

2

2

10

7

口

花色衣

1

主1

1

答ふ

1

1

許す

1

1

盛りなり

2

2

1

都人

11

1

河

4

4

4

1

実

1

怪し

1

影6

2

夫

11

底

3

2

色 7

1

み

4

3

幾重

1

1

3

岩根

清滝河1

沼水

1

宜

1

小島崎1

添ふ

2

今4

3

玉河

1

飼ふ

1

此

3

2

彼

11

沢水1

挿頭

1

一つ

1

じんもんこんシンポジウム 2010 35グラフモデルの出力「山吹／かはづ」

山吹 (44/44/44, 5.37) cw > 2.50 K:1-8 U:1 L:0.00 M:7 Z:1.00

蛙

井手4

鳴く

9

移ろふ

3

神無備川

1

単衣

八重

4

2

九重3

十重

1

咲く

6

七重

1

重ぬ

2

河水2

梔子

1

県

1

井戸

1

1 里人

1

2

河浪

2

口

花色衣

1

主

1

答ふ

1

許す

1

盛りなり

21

都人

11

1

岸

吉野

4

盛る

2

実

1

怪し

1

河

4

4

花7

10

夫1

1

1

み

3幾重

1

1

影

2

岩根

清滝河1

沼水

1

宜

1

小島崎1

添ふ

2

今

3

玉河

1

飼ふ

1

彼

11

沢水

1

一つ

1

底

2

散る

3

此

2


研究計画

• 相対的違いとはいってもどの程度違うのか？

• 数値処理できるほどの客観的尺度化は可能か？

• 詠み手による同じ語の用法の違い？→ 平安末期、西行の詠む「桜」は、他の「桜」と使い方にどのような違いがあるのだろうか。

• 将来的には、二十一代集対応へ


開発計画

• すべてのパスをあらかじめ計算しておく？

• ノード間を視点が移動

• ノードの色分け

• ネットワークの活性化、不活性化、

• ズームアウト、ズームイン

ch2010slide01

Business