1.
おーぷん万葉プロジェクトとは？
2015/12/29 @IM飲み会
はしもとまさひこ
注：後半部分は以前のネタの使い回しです^^;

2.
自己紹介
●
東海道らぐ（Tokaido Linux User Group）の案内人
●
その他、日本openSUSEユーザ会の人
●
おーぷん万葉プロジェクトを始めてます
– 本日の紹介する内容
●
実は理系ではなく元々は文系の人間です
– 某大学の文学部日本文学文学科卒
– ケータイメールの研究などもしてました

3.
お詫び
内容的には非常に拙い内容となっております^^
予めご了承くださいm(_ _)m

4.
おーぷん万葉プロジェクトとは
●
目的「オープンな日本語辞書を手に入れよう！」
– どんなアプリでも使用可能な（中立の）日本語辞書を作りたい
現在は…
– オープンソースのかな漢字変換ソフトを開発中
– オープンソースカンファレンスや関西オープンフォーラムに出展
– メンバーは３人…？
●
強引に巻き込んでしまってる方もいらしたり…

5.
以下はおーぷん万葉始めた当初のスライドより。
※昨年OSC京都直後に（Wnnの）吉田智子先生に
見ていただいたスライドから抜粋です

6.
「おーぷん万葉」背景
●
現在、国立国語研究所が Unidic という電子化辞書を公開している
が、以下の点で十分とは言えない。
Unidic : http://www.ninjal.ac.jp/corpus_center/unidic/
– 形態論情報を付与するための辞書であって、汎用性が皆無。
– コミュニティで作成しているわけではないため、追加したい用語
を追加できない。
●
かな漢字変換ソフト用の辞書が整備されていない。
– Googleのmozc等、ベンダー依存の開発体制になってしまっている。

7.
「おーぷん万葉」目的
●
コミュニティー主導による辞書構築を行う。
– 当面はかな漢字変換ソフトで使用できる辞書を作成する。
参考： SKKDICの辞書登録・削除希望フォーム
http://openlab.ring.gr.jp/skk/registdic.cgi
●
日本語コーパスと単語の用例をまとめ、日本語研究を活発にする。
– KOTONOHA計画のオープンソース版のようなものを構築する。
KOTONOHA計画：
http://www.ninjal.ac.jp/corpus_center/kotonoha.html
お金のない学生だって、コーパス使いたいですよね？＾＾；

8.
「おーぷん万葉」が目指す辞書
●
類語辞書（例：国立国語研究所「分類語彙表」のようなもの）を、
コーパスから解析して作成する。
– 参考「係り受け関係を利用した類語・例文辞書構築法と大規模
コーパスへの適用」（2006 相澤、中渡瀬）
http://www.jaist.ac.jp/jsai2006/program/pdf/100123.pdf
●
インターネット上のコーパスを利用して、従来の類語辞書を自然言語
処理の観点から検証する。

9.
Mozcは結構使われている
●
Google日本語入力のオープンソース版
●
多くのLinuxディストリビューションに採用
– Ubuntu
– Debian
– openSUSE
– Vine Linux
ちなみにRedHat系はlibkkcを採用しています（二強？）

10.
Mozcの変換ロジック「コスト最小法」とは
※ツッコミ大歓迎です…^^;;;
文
頭
私
の 名前
は
中野 です
文
末ので す
中
綿 市 花 課
例： 「わたしのなまえはなかのです」を変換する場合 （コストの値はテキトーです^^;）
10
30 15
30 15
10
15 40
20
50
●
単語生起コスト：単語の出現優先度を表したコスト
●
連接コスト： 単語と単語の結びつきやすさを表したコスト
→ 全て足して合計値が最も低いルートが候補
15
30 40
45
20
20
20
20
50
20
25
30
40
45
20
20
出現頻度の高い単語は
単語生起コストが低い
「名前」と「花」という単語は結びつきにくいので
連接コストは高い

11.
Mozcは確かに優れたソフトではありますが…
●
単語と単語のつながりのみで判定
●
文脈解釈とか意義解釈などはやっていない
元々mecab（＝形態素解析器）で用いてた手法
→ それは本当にかな漢字変換に向いてるの？

12.
例えば…誤変換の一例
「にわにはにわにわとりがいる」
↓
「庭には庭鶏がいる」
そういえばMacOSの変換もこうなりますよね
※ちなみにGoogle日本語入力ではちゃんと変換するらしい…？

13.
これはコスト最小法で変換できるの？
庭 庭 鶏には が いる
庭 二 鶏には が いる羽
正解の変換のほうが単語数が多いため
単語生起コストが高くなる可能性が高い？
N文節最長一致法の場合は恐らく実装による
「二羽」で１文節だがそもそもそんな単語が辞書にあるか…

14.
おーぷん万葉で目指す辞書は…
●
おーぷん万葉で目指す辞書は係り受け関係を
利用したオープンな日本語辞書
●
こんなのだって変換できるはず！…？
庭には 二羽（の） 鶏が いる

15.
だがしかし、
口だけだったらなんとでも言えますよね！？^^;

16.
おーぷん万葉プロジェクトからお願い
●
協力者を募集しています！！！
– かな漢字変換ソフトを開発したい方
– IM（インプットメソッド）をどうにかしたい方
– 日本語辞書を開発したい方
– こんなネタがあるよ〜と提案してくださる方

17.
Anthy最終版リリース ＆ mozc初版リリース
2009年
〜それから６年〜
そろそろ新しいかな漢字変換を
つくってみませんか？

18.
ご清聴、ありがとうございました！