読解支援

1. 井⼿手厚、東藍藍、松本裕治
情報処理理学会研究報告
NL-196(7), 2010.
発表者：塩⽥田健⼈人

2. u なにをやったか
u Web上のあえて誤表記を使⽤用している⽂文章の
中から表記ゆれ表現を抽出した
u どう解決したか
u かな漢字変換プログラムKAKASIとMeCabを
組み合わせた
u KAKASI: Ver.2.3.4
u MeCab: 0.98, IPA辞書

3. 辞書とマッチする単語の抽出
・抽出単語のMeCab辞書への登録
・分かち書き処理理
KAKASIで読み候補の作成

4. KAKASIで読み候補の作成
⼊入⼒力力：Aくん胆⾎血悪いです

5. 辞書とマッチする単語の抽出
⼊入⼒力力：「街で武器屋を探す」
「街/で/武器/屋/を/探す」
「街/で武/器/屋/を/探す」

6. u 誹謗中傷語のうち
u Web上の掲⽰示板で頻出、かつ表記ゆれや誤変換が⽣生じやすい35語
u 活⽤用語も検索索できるように活⽤用形情報を付与した

7. オリジナルの⽂文を分かち書きする
⼊入⼒力力：⾺馬路路肝意よなぁ(まじきもいよなぁ)
⾺馬路路 名詞,固有名詞,⼈人名,姓,*,*,⾺馬路路,ウマジ,ウマジ
肝意 形容詞,⾃自⽴立立,*,*,形容詞・アウオ段,基本形,きもい,,
よ 助詞,終助詞,*,*,*,*,よ,ヨ,ヨ
なぁ 助詞,終助詞,*,*,*,*,なぁ,ナァ,ナー

8. u ⼊入⼒力力⽂文
u Web上の掲⽰示板で実際に使⽤用されていた書き込みを使⽤用
u 辞書に登録した語を含む420⽂文
u 辞書に登録されていると抽出されるべき語は373語
u 「で武」のようにひらがな表記では辞書に含まれているが、
漢字表記に直すと関係の無い部分は120カ所

9. Precision Recall
0.93 0.97
同定されるべき 同定されるべきではない
登録後として同定 362 27
同定せず 11 93

10. ⼊入⼒力力：「バカカタヤマのせいで全部オジャンさ」
バカカタヤマ 名詞,⼀一般,*,*,*,*,*
の 助詞,連体化,*,*,*,*,の,ノ,ノ
せい 名詞,⾮非⾃自⽴立立,⼀一般,*,*,*,せい,セイ,セイ
で 助詞,格助詞,⼀一般,*,*,*,で,デ,デ
全部 名詞,副詞可能,*,*,*,*,全部,ゼンブ,ゼンブ オジャン 名詞,⼀一般,*,*,*,*,*
さ 助詞,終助詞,*,*,*,*,さ,サ,サ

11. 「師ね(しね)」「場化(ばか)」「ウザい」
などひらがなに変換すれば完全に⼀一致する単語のみを扱った
⼀一⽅方,実際の掲 ⽰示板やチャットなどの書き込みには,「ウザぃ」
「場あ化」のように⼩小書き⽂文を利利 ⽤用した表現を⽤用いたり
⽂文字間に⾳音を伸ばすためのかなを挿⼊入したりするものも多く⾒見見ら
れる
特に最近の⼦子どもの間では⼩小書き⽂文字を多⽤用した表現を⽤用いるこ
とが流流⾏行行となっており、こういった表記ゆれの問題に対しても対
処をする必要がある