earticle

일본어

本稿は日本語タグ付きコーパス(tagged corpus)の構築方法について、高麗大学李漢燮教授研究室で作業が 進められている、日韓並列コーパス構築の際の問題点を交えながら述べたものである。本稿ではまずテキストコーパス と音声コーパスの違い、また生コーパスとタグ付きコーパスとの違いについて説明し、各研究分野におけるさまざまな形 態のコーパスについても見てきた。そしてタグ付きコーパスがなぜ必要なのか、その必要性について述べた。タグ付きコ ーパスの実際の構築方法についても詳しく触れ、各段階における注意点やどうすれば有用なコーパスを構築すること ができるのかを考えてみた。 そして、タグ付け作業時における手作業と自動化の各方法を比較し、その長所と短所について正確で効率的という 観点から検証してみた。その結果、最も現実的な方法としては、まず各種のタグ付け支援プログラムを利用して、全体 的な加工を行なった後、手作業でプログラムの誤認識を修正し、編集していくという方法であった。しかしプログラムを 使うこの方法では、プログラム側の仕様によって、求めている作業結果が得られないものも多く、常に自分の研究目的 に合ったプログラムを探さなければならないという難点がある。しかし全ての作業を一つのプログラムに依存するのでは なく、各々のプログラムの持つ特徴や長所などを把握し、様々なプログラムを組み合わせて自動化作業をすることがで きれば、より早く、より正確に、より大量のタグ付きコーパスを構築することができるということを確認した。 コーパスの価値を決める均衡性、妥当性、一貫性を維持したタグ付きコーパスを構築するためには、様々なプログ ラムに関する知識と、それをうまく組み合わせて活用することのできる能力が、これからは必要不可欠になっていくであろ う。