earticle

일본어

大量の発話・発話場面データにもとづいて話者の言語運用の実態が調べられる対談番組のマルチメディア・コーパスを、今後より多面的な分析に活用するため、コーパスにおける40時間分の音声文字化テキストをβ単位に分類し単位ごとに見出し語・品詞・語種を付与・搭載したが、その際、本来書きことばの解析のために開発された形態素解析プログラムを用いたことから、大量の誤解析が発生した。用いたプログラムは形態素解析システム用の日本語辞書“UniDic(1.3.12)”とオープンソース形態素解析エンジン“MeCab(0.993)”である。そして、その解析結果の精密度を測るためにサンプリング調査を行ったところ、β単位への分類及び各種の言語情報の付与は約97.52%の精密度で自動的に解析できるということ、その精密度は対談番組の対談形式によって大きく異なるということ、誤解析は主として｢終助詞・間投助詞｣｢擬音語･擬態語｣｢感情表出表現｣｢未登録語(固有名詞・方言など)｣｢語形変化が伴った語｣｢非語彙的な母音・子音の拡張及び縮約が伴った語」のいずれかの言語項目において頻出するということなどが明らかになった。このように誤解析のパターンを今後とも精密に記述していけば、話しことばに十全に対応できる形態素解析プログラムの開発や、誤解析の発生を軽減させながら大量かつ精密に音声を文字化する方法論の模索にもつながると考える。