 |
 |
記事検索 |
最新ニュース |
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
国立国語研究所、1,000万語分の日本語コーパスを試験公開 |
||||||||||||||||||
|
||||||||||||||||||
|
第1弾は「Yahoo!知恵袋」と政府刊行白書のデータ、最終的には1億語が目標
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
|
||||||||||||||||||
国立言語研究所では、明治から現代に至る日本語の電子化資料を公開しようとする「KOTONOHA計画」を基幹的プロジェクトとして推進している。その一環として、日本語の書き言葉に関するコーパス（電子化された大規模な言語資料）に関する取り組みを2006年から開始しており、2011年の完成時には1億語を超える日本語の書き言葉データとして公開することを予定している。 今回、国立言語研究所では、収集したデータのうち著作権処理が済んでいるデータを対象とした全文検索のデモサイトを公開した。対象となるデータは、政府刊行白書から無作為抽出したサンプル（1,500件、500万語）と、Yahoo! JAPANのQ&Aサービス「Yahoo!知恵袋」（45,725件、500万語）の2種類。Yahoo!知恵袋のデータについては、個人を特定できないようにした上で研究機関などに提供することがある旨をトップページや投稿時の画面などでユーザーに通知しており、3月には国立情報学研究所にもデータを提供している。 公開されたデモサイトは、現在は検索単語と前後の文章を表示する単純全文検索だが、完成時には単語を単位とした検索や、名詞や動詞といった品詞情報を指定した検索に対応する。また、今後はさらに国会議事録や新聞記事、文芸作品といったデータについて、著作権処理が完了したものを追加していく予定としている。 国立国語研究所の研究開発部門言語資源グループ長を務める前川喜久雄氏は、コーパスを公開した目的について、「この活動の広報としての目的と、今後発生する著作権処理を円滑に進めるため」と説明。コーパスには幅広い種類のデータが必要とされるが、今後収録していくデータでは多数の著作権処理が必要となるため、どのように活用されるのかを実際にWeb上で示すことにより、著作権者に対する理解や、社会に対して学術目的での著作物利用への理解を求めていきたいとした。
関連情報 ■URL ニュースリリース http://www.kokken.go.jp/syokai/press/07_01/ KOTONOHA「現代日本語書き言葉均衡コーパス」 http://www.kotonoha.gr.jp/demo/ Yahoo!知恵袋 http://chiebukuro.yahoo.co.jp/ ■関連記事 ・ 「Yahoo!知恵袋」のデータを研究目的で利用、国立情報学研究所が契約締結（2007/03/06）
（ 三柳英樹 ）
- ページの先頭へ-
|
