1. NTTデータベースシリーズ
「日本語の語彙特性」について
天野成昭 近藤公久
Journal of the Phonetic Society of Japan, Vol,4 No.2
August 2000,pp.44-50
発表者：朝倉康伸

2. 概要
1. 語彙特性データベースの重要性
2. 「日本の語彙特性」について
3. 単語親密度について

3. はじめに
 言語機能の解明を目指す学問分野の研究基盤となる語彙
特性を収録したデータベースが必要
たとえば・・・
言語機能の特性である親
密度が異なるとそれに応じ
て人間が雑音中で音声単
語の認知率は大きく変動
する
図1:単語親密度による音声単語の認知率

4. 1. 各単位における要素数が多い
 文字は数千から数万の要素が存在
 単語は数万から数十万の要素が存在
2. 各単位における要素が複数の特性を持つ
 文字数
 音韻数
 主観的複雑度（文字が複雑に見える程度）
 親密度（馴染み深く感じられる程度）
 頻度（新聞等に出現した回数）
言語的単位の特徴

5. 「日本語の語彙特性」の概要
• 第7巻構成
• 1~6巻は単語・文字の主観的特性値を掲載
• ７巻は単語・文字の頻度
• 各巻の内容
1. 単語親密度データベース
2. 単語表記データベース
3. 単語アクセントデータベース
4. 品詞データベース
5. 文字データベース
6. 文字-単語データベース
7. 単語頻度データベース

6. 「日本語の語彙特性」の概要
 第1巻 単語親密度
 単語がどの程度の馴染みがあると感じられるか
 約7万語に対する単語親密度が音声呈示、文字呈示、
音声文字呈示の3種類について収録
 第2巻 単語表記データベース
 約7万語に対する可能な表記法２２万項目についてその
妥当性を実数値(1~7)で収録
 第3巻 単語アクセントデータベース
 約7万語に対するアクセントの妥当性を実数値(1~7)で
収録
 第4巻 品詞データベース
 約７万語に対する品詞が収録

7. 「日本語の語彙特性」の概要
 第5巻 文字データベース
 文字特性データベース
 文字親密度、主観的複雑度、既知率、画数（新明解漢
和辞典）、客観的複雑度など
 漢字読みデータベース
 単語表記データベースに収録された単語における各
漢字の読みと新明解漢和辞典に示されている漢字の
読み、および評定実験で求めた漢字の読みの妥当性
 漢字部首データベース
 新明解漢和辞典に示されている部首、日本工業規格
情報交換用漢字符号に示されている部首

8. 「日本語の語彙特性」の概要
 第6巻 文字-単語データベース
 単語中の各文字の出現位置や読み方等の情報が収録
 第7巻 単語・文字頻度データベース
 １９８５年から1998年までの朝日新聞の紙面に基づいて
朝日新聞社が作成したデータ
単語頻度データベース
朝日新聞の記事データを形態素解析システム「すも
も」を使用
文字頻度データベース
日本工業規格情報交換用漢字符号に規定された
6879文字から罫線素片32文字を除外した6847文字
で朝日新聞の記事データ中に出現した回数

9. 「日本語の語彙特性」の特徴
• データベースの規模
• 単語頻度データベースの単語数約34
万
• 単語親密度データベース、単語表記
データベース、単語アクセントデータ
ベースの単語数約７万語
• 文字の特性データベースが最大約7
千万時
• 特性の種類の豊富さ
• 数十種の特性を収録し、それらの相
互参照が用意

10. 「日本語の語彙特性」の特徴
• 信頼性の高さ
• 単語頻度のデータベースは１４年分の全新聞記事を用い
て頻度を計数
• 単語親密度データベース等において測定実験を行う際、
外乱によるデータの変動を抑える
1. 読み能力テスト「百羅漢」を使用して、スクリーニング
を行う
2. 被験者に練習を十分に行わせる
3. 刺激セットの一部を用いてポストテストを行い、両者
の結果の一部分を用いてポストテストを行い、両者の
結果の一致度が一定以上の基準である被験者の
データだけを採用

11. 「日本語の語彙特性」の特徴
• 音声言語に対する特性を収録
• 単語親密度データベースには、音声単語による親密度が
収録されている
• 単語アクセントデータベースには、母音の長音化の人数
の割合を求め、その割合に基づいた単語の発音の仕方
を収録
 「お父さん」→「オトーサン」

12. 「日本語の語彙特性」
による基礎研究
 単語頻度と単語親密度の関係を調査
 文字単語の親密度と単語頻度の相関係数は.634、音声
単語の親密度と単語頻度の相関係数は.446
 単語親密度が高くかつ、単語頻度が低い単語が多く存
在する
「おにぎり」「たまねぎ」「ごちそうさま」などの単語は親
密度が６以上に対して、頻度は１０以下
単語頻度と単語親密度を系統的に変化させた
刺激セットを抽出し、認知率を測定

13. 「日本語の語彙特性」
による基礎研究
単語頻度と単語親密度を系統的に変
化させた刺激セットを抽出し、認知率を
測定
単語親密度の方が単語認知率をよりよ
く反映することを示す結果が得られた

14. 「日本語の語彙特性」
の応用研究
 言語医療・リハビリ
 失語症患者のテストバッテリーの構築
 難聴者用の音声明瞭度単語試験リスト
 教育支援システム

15. 単語親密度
単語を見る、聞かせるなどして、馴染みの程度を
1~7までの数字（1:馴染みがない—7:馴染みがあ
る）で答えてもらい、その平均をとって求める
単語親密度が言語処理過程
に及ぼす効果
呈示される文字列や音声が単語か単語でないかをな
るべく判断してもらいかかった時間を計ると、単語親密
度が高いほど、認識するのが速いことがわかる→図2

16. 単語親密度が言語処理過程
に及ぼす効果
• 呈示される文字列や音声が単語か単語でないかを
なるべく判断してもらいかかった時間を計ると、単語
親密度が高いほど、認識するのが速いことがわか
る→図2
• 雑音中の音声単語に対する認知率は、雑音の増加
に対して、親密度が高い単語に比べて低い単語の
方が、認知率の低下が大きい→図3

17. 単語親密度が言語処理過程に
及ぼす効果
語彙判断反応時間(ms)
単語親密度
図2:音声及び文字単語親密度と語彙判断反応時間の関係

18. 単語親密度が言語処理過程
に及ぼす効果
単語親密度
単語認知率
図3:音声単語親密度と音声単語認知率の関係

19. 単語頻度と単語親密度
単語親密度
単語頻度(log10[n+1])
図4:新聞中の単語頻度と単語親密度の相関
単語頻度が低くても単語親密度は高い単語が数多く存在
し、単語頻度が高い単語は必ず単語親密度も高い

20. まとめ
言語研究の基礎基盤となる「日本
語の語彙特性」について紹介した
単語頻度と単語親密度の相関は小
さく、単語親密度がより脳内の言語
処理に反映する