Recommended
Recommended
More Related Content
More from kulibrarians
More from kulibrarians (20)
20120713 ku-librarians勉強会#151：書誌データベースの漢字処理
- 1. 第151回ku-librarians勉強会 前座 書誌データベースの漢字処理 -谷と穀は同じ字か- 京都大学工学研究科 桂化学系図書室 長坂和茂 kz.ngsk@gmail.com
- 2. ところで • 谷と穀は同じ字か • 違うと思う人 • 同じだと思う人
- 3. 簡体字 • 谷は穀の簡体字 • 「じゃあ谷の簡体字は？」 →谷です。 • 「こんなの図書館の世界で使うの？」
- 4. 春秋穀梁伝 穀梁傳 - 维基百科，自由的百科全書 http://zh.wikipedia.org/wiki/%E7%A9%80%E6%A2%81%E5%82%B3 （閲覧： 2012/7/10）
- 5. 春秋穀梁伝 谷梁传_百度百科 http://baike.baidu.com/view/40190.htm （閲覧：2012/7/10） ちなみに。本当はWikipediaの表示を「大陸簡体」にするだけのつもりだったの に、ノートに「榖梁是姓氏，不能被简化成谷梁。简体字中有“榖”这个字，简体 字文章中亦是用“榖梁传”。BlazOops (留言) 2008年9月12日 (五) 11:32 (UTC)」って書いてあって、簡体字にしても表示が谷にならなかった。
- 6. 何が言いたいかというと • 「春秋穀梁伝」は • 「春秋穀梁傳」と書かれたり • 「春秋谷梁传」と書かれたりする • 全部中身は同じもの。使われている漢字が違 うだけ • では、書誌データベースはこれらをどう扱って いるのか。
- 7. なんでそんなことを考えなあかんねん • もし「春秋穀梁伝」で検索して、繁体字・簡体 字で書かれたものもヒットすると思い込んで 検索したら、検索モレが発生する可能性 • 反論「だったら全部OR検索すればいいんじゃ ない？」 • →……その通り。けど簡体字とか繁体字に変 換するのめんどいじゃん。
- 8. その通りなんだけど • 日本人は古くから「中国語」を「漢文」と称して 「日本語」として読んできた、という経緯 • 東洋文学とか東洋史の学生・研究者（＝我々 のお客様）は簡体字も繁体字も新字体も普通 に読む、という事実 • その人たちにサービスするのが我々の仕事
- 9. 異体字の定義 • 今回はUnicodeを基準とする →「しんにょう」の点の数や「しめすへん」が示か ネかの違いなど）は考慮に入れず、同じ字と して扱う。 Ex.
- 10. 簡体字・繁体字・新字体 • ざっと説明 • 大まかに言って、もともと日本も中国ももとも と繁体字（旧字体）を使っていた • 戦後日本は新字体を、中国は簡体字（简体 字 ）を、台湾はそのまま繁体字（正體字）を使 用するようになり、文字がバラバラになる。 • 細かい事情などは省略。
- 11. いろいろあって • Unicodeでは、それぞれに別のコードが宛て られることとなった。 • 別のコードが宛てられた文字（コンピュータか ら見れば完全に別の文字）をどのようにして、 どの範囲まで「同じ文字」として扱うべきか。
- 12. 今回対象とするデータベース • CiNii Books • NDL-OPAC • NDL Search • 理由 １．比較的新しく、分析が進んでいない ２．Google的、のイメージから、テキトーな検索キーワードでも なんとか探してくれるんじゃないか、という期待が発生してい る気がする。 ３．古典的な資料（＝同じ「著作」が簡体字・繁体字・新字体そ れぞれで書かれている可能性が高い）が論文よりも図書に 多い。（CiNii Articlesなどをはずした理由）
- 13. 予想 • CiNii BooksはNACSIS-Webcatの後継なので、NII の漢字統合インデックス準拠 • NDL-OPACは「漢字は日本漢字、簡体字、繁体字 のいずれでも検索可能」ただし「複数の正体字が同 じ簡体字に置き換わる場合」は別の字 • NDL-Searchは「日本漢字、簡体字、繁体字は別字 として認識」 国立国会図書館サーチ、NDL-OPACにおけるアジア言語資料の検索について: ア ジア情報室通報 第10巻第1号 http://rnavi.ndl.go.jp/asia/entry/bulletin10-1-3.php （閲覧：2012/7/10）
- 14. テスト用に使った漢字 A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字
- 15. テスト方法 • A not BとB not Aで検索して、ヒット件数がど ちらもゼロなら、A=Bといえる • と思ったら、NDL-Searchにはnot検索がな かったので、仕方ないのでAとBの件数を比 較。
- 16. CiNii Books（予想） A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字
- 17. CiNii Books A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字
- 18. NDL-OPAC（予想） A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字
- 19. NDL-OPAC A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字 あれ？ 穀＝谷？ 複数の正体字が同じ簡体字に置き換わる場合」は別の字のはず
- 20. NDL-Search（予想） A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字
- 21. NDL-Search A B C D E 日本 図 呉 書 館 内 学 後 穀 機 葉 漢字 簡体 图 吴 书 馆 内 学 后 谷 机 叶 字 繁体 圖 吳 書 館 內 學 後 穀 機 葉 字 一致するものも、件数は一致するが、適合度順は異なる。 圖＝図で、學＝学だが、吳≠呉で、內≠内……なんでや？
- 22. 予想との乖離 • CiNii Books→なし。漢字統合インデックスのストラ イクゾーンの広さを知っていれば不思議でもなんで もない。（著＝着、とか、書＝昼とか） • NDL-OPAC→穀＝谷。しかし、後≠后で機≠机。→ 穀,谷だけが例外なのか？ • NDL-Search→圖＝図、學＝学（予想はずれ）。 吳≠呉、內≠内（予想あたり）→繁体字の中でも一致 するものとしないものがある→法則は？
- 23. NDL-OPAC検証 • 何故、穀＝谷？ • 同類を他にも調べてみた。鬱（郁）、醜（丑）、 雲（云）、乾・幹（干）などは全て別の文字扱い • もう一度。何故、穀＝谷？ • 誰か分かる人は教えてください。
- 24. NDL-Search検証 • 圖＝図、學＝学。吳≠呉、內≠内。 • と、こうやってpptに貼り付けてゴシック体にし てみてわかったけど、圖と學はMS Pゴシック に字が有るけど、吳と內には無い。 • この間附属の書架をブラウジングしてたら以 下のような記事を発見。
- 25. NDL-Search検証 （近代デジタルライブラリーについて）「検索時 の異体字の関連づけは第1～第4水準内に限 られている」 • 富田倫生「冊子からテキストへ 文字コードがもたらすものと強いるもの （特集 図書館における全文テキストデータの可能性について）」『現代の 図書館』49(2), 2011, p. 95-103 の p. 101 • JIS X 0208 圖 5426、學 555C 、吳 範囲外、內 範囲外 • →仮説「NDL-SearchはJIS第4水準までの旧字体を新字体 に統合している」
- 26. さらに検証 • とすれば……第3水準・第4水準の旧字体が 統合されているか確認。 • 禰（第3水準）＝祢を確認 • 第4水準表を見たが「○○という字の旧字体 （繁体字）である」といえる字が見つからな かった。 • 第3水準の禰＝祢なので、JIS X0208だけで はなく、JISX0213を含むことは間違いない。
- 27. どちらにしても • NDLサーチについて、先に引用した「日本漢 字、簡体字、繁体字は別字として認識されま す。」という説明はアジアとしては間違ってな いかもしれないが、JIS X 0208に学の繁体字 である學が含まれることを考えれば不正確。
- 28. CiNii Books検証 • 漢字統合インデックスは簡体字・繁体字だけ でなく「似た形や同じ意味の漢字」を統合する • 例：著＝着 書＝昼（晝） • なのになぜか書＝昼と画（畫）は別の字扱い • ちなみに、NDL-Searchで図昼館で検索すると……「公共圖 晝館經營に關する感想片々 / 伊東平藏 」？？？ • NDL-Searchには「圖畫館」もあった • 誤植？ 目録作成時のミス？
- 29. まとめ • CiNii Booksは簡体字とか繁体字とか気にせ ず検索できる代わりに、それらを区別した検 索はできない • NDL-OPACは簡体字が現代日本で別の漢 字として使われている場合に注意が必要 • NDL-Searchは基本的に別の文字は別の文 字として扱うと思ったほうがいい
- 30. おわり 京都大学工学研究科 桂化学系図書室 長坂和茂