1. 真字(2004-2006)
或る漢字変換エンジンの生涯
Google 日本語入力 TechTalk 2010
山形頼之

2. 発端
はてなダイアリーを始めた。日本語を書くことに
↓
Cannaにうんざりする
↓
自分で作ろう！名前は真字だ！
↓
一週間くらいで変換ができるように

3. 真字の特徴
• C/OCaml/Schemeハイブリッド
– Cコードは茶筅由来
• 言語モデルはIPA-DIC
• コンパクト
– 独自の部分は2000行くらい
– 外部インターフェースは関数２つだけ

4. Emacs
Mana
Chasen 連接コストIPA-dic
形態素グラフ
最適解 単語候補リスト
Viterbi
Scheme
Egg

5. OCamlで高速開発？
• OCamlはそこそこ速い
– 複雑なアルゴリズムもOCamlで書ける
– スクリプト言語だとCで書かないといけない
• ライブラリが揃っている
– OCamlGraph
– Schemeインタープリタ多数

6. でもはまる
• Automake…
– 一応OCaml対応パッチはあるけど…
• GCがクラッシュ
– バグの位置とクラッシュするところが違う…

7. ベンチマーク
漢字混じり文
↓
Kakasi
↓
ひらがな文
↓
変換エンジン
↓
漢字混じり文

8. 走れメロス
0.0 5.0 10.0 15.0 20.0
真字
Wnn
Anthy
Canna
一致率

9. Debian憲章
0 10 20 30 40 50 60 70
真字
Canna
Anthy
Wnn
一致率

10. 真字、再起動？
• モードレス、言語の判定
こっぁちおんはきょうきせいとやくされる →
Collationは共起性と訳される
• 共起性のサポート
残念な変換:今年の夏は扱った(Google IME β)
• Typoの認識

11. ご清聴ありがとうございました