BCCWJの品詞情報の解析精度 ─短単位「接続詞」の場合─

全文

(1)Title. BCCWJの品詞情報の解析精度 ─短単位「接続詞」の場合─. Author(s). 馬場, 俊臣. Citation. 札幌国語研究, 21: A1-A10. Issue Date. 2016. URL. http://s-ir.sap.hokkyodai.ac.jp/dspace/handle/123456789/8077. Rights. Hokkaido University of Education.

(2) BCCWJの品詞情報の解析精度 ―― 短単位「接続詞」の場合 ―― 馬場俊臣. １はじめに『現代日本語書き言葉均衡コーパス』（BCCWJ）を利用した接続詞研究の問題点と可能性に関する基礎的研究の一環として、馬場俊臣（2015）では、BCCWJの接続詞に関する品詞情報の信頼性を見るために品詞情報「接続詞」1の解析精度に関する調査を行い、その結果に基づいて、品詞情報を利用する際の留意点を示した。具体的には、BCCWJの非コアデータで「接続詞」の品詞情報が付与された長単位の語彙素2（使用頻度上位20位まで）の解析精度（適合率）の調査を行った。その結果、適合率は63.0％～100.0％の範囲にあり特に「で」「唯」「又」の適合率が低いこと、レジスター別の適合率で40％台の低い適合率の語があることなどを明らかにした。この結果は、BCCWJを利用した今後の接続詞研究に対して重要な基礎的知見を提供するとともに、品詞情報付与に関する解析器の改良のための参考資料を提供するものでもある。 BCCWJでは、利用目的に応じて使い分けることができるように「短単位」と「長単位」という２種類の言語単位を採用している。「短単位」は「用例検索での利用を主たる目的」（小椋秀樹2014：74）とした「言語の形態的側面に着目して規定した言語単位」（：75）である。長単位は「各レジスターの言語的特徴の解明を主たる目的」（：74）とした「言語の構文的な機能に着目して規定した言語単位」（：77）である。接続詞では、例えば、「又」は短単位でも長単位でも１語であり、「だから」は短単位では「だ」「から」の２語に分かれるが長単位では「だから」の１語となる。接続詞として従来扱われてきた多くの語は長単位にほぼ相当する。馬場（2015）でも長単位の「接続詞」を対象として調査を行った。しかし、接続詞以外の品詞も含めた何らかの数量的研究を行う際には、短単位ももちろん利用される。したがって、短単位での品詞情報「接続詞」の解析精度についても知見を得ておく必要がある。 1. 品詞情報として「接続詞」が付与されていることを、以下「品詞情報「接続詞」」又は単に括弧を付けて「接続詞」と記す。他の品詞についても同様である。 2 「語彙素」は「表記や語形の違いにかかわらず、同じ語」と認めた「同一の見出し」で、「国語辞典の見出しに相当」するものである（小椋2014：80）。以下、特に紛らわしくない場合は単に「語」と記す。. －1－.

(3) 本稿では、短単位での品詞情報「接続詞」の語を対象として、品詞情報の解析精度の調査を行う3。それを通して、短単位品詞情報「接続詞」の使用頻度の値をそのまま用いる場合の留意点を示したい。具体的な研究課題は、（１）のとおりである。なお、補足的に、接続詞の使用頻度の推定についても扱う。（１）① 使用頻度上位20位までの短単位品詞情報「接続詞」の語を対象として、非コアデータの各語の解析精度を抽出調査により明らかにする。 ② 馬場（2015）の長単位「接続詞」での調査結果と比較し、相違点と共通点及びその理由を明らかにする。. ２短単位と長単位の関係、コアデータと非コアデータについて調査方法を示す前に、短単位と長単位との関係及びコアデータと非コアデータについて説明を補っておく。 BCCWJの短単位は「形態素解析器MeCabと形態素解析用辞書UniDic」を使った自動解析システムの結果に基づいている。長単位は、この短単位解析結果から「解析器Comainu」を用いて「自動構成」したものである（小椋2015：80）。長単位の「接続詞」は、短単位の「接続詞」がそのまま長単位の「接続詞」とな「グルーるもの以外に、「CSJ4で認定されていた全体で１長単位とするもののリスト」 5 の大見出し」「『岩波国語辞典』第6版、『日本国語大辞典』プ・ジャマシイ（1998）. 第２版」を参照して選定した「連語」（「然しながら、従って、すると」など32語）を長単位の「接続詞」としている（冨士池優美ほか（2011）：32、同資料：30-33）。同形の語彙素であっても、短単位と長単位では延べ語数が異なる。例えば、「又」は短単位では延べ語数116,270語（コアデータ1,050語、非コアデータ115,220語）であるが、長単位では延べ語数86,442語（コアデータ899語、非コアデータ85,543語）である。本稿で対象とする語彙素では、特に「又」「然し」「で」「けれど」が短単位と長単位の語数の差が大きい（表３参照）。「コアデータ」は「高精度の解析を実現するために、BCCWJの一部を形態素解析器・長単位解析器の学習用データ」として整備したものであり、「短単位・長単位とも自動解析後に、全データに対して人手による確認を行い、誤解析の修正を行っ」たデータであり、「各レジスターから5000件を無作為抽出して、精度検査」を行い「99％以上の精度」となっていることを確認したデータである（小椋2015： 81-83）。「非コアデータ」は、この「コアデータ」を学習用データとした形態素解析器・長単位解析器により自動解析を行ったデータである（：81-83）。さらに、実 3 調査の意義・目的の詳細、BCCWJの品詞情報を利用した接続詞研究の概観、BCCWJ全体の品詞情報の解析精度については、馬場（2015）参照。 4 『日本語話し言葉コーパス』（Corpus of Spontaneous Japanese ： CSJ） 5 グループ・ジャマシイ（1998）『日本語文型辞典』くろしお出版. －2－.

(4) 際の形態論情報の付与作業では「高精度で不統一のない形態論情報」とするために、随時「人手修正」が行われている（：82-86）。. ３調査方法及び結果馬場（2015）の長単位（非コアデータ）の調査に準じて下記の手順で調査を行った。まず、国立国語研究所コーパス開発センターが作成・公開している「『現代日本語書き言葉均衡コーパス』語彙表ver.1.0」（http://pj.ninjal.ac.jp/corpus_center/ bccwj/freq-list.html）（2016年５月12日閲覧）の「短単位語彙表データ」（BCCWJ_ frequencylist_suw_ver1_0.tsv）を利用して、品詞情報「接続詞」の使用頻度6上位 20語（語彙素）を選定する。次に、「中納言」（中納言 2.2.0）を利用して、語彙素ごとに、非コアデータを検索対象とし、「品詞」「語彙素」「語彙素読み」を指定して検索し7、検索結果表示画面で表示される500件の最初の100件の用例を調査対象として取り出す8。調査対象の100件の用例の品詞を前後の文脈を読み取りながら人手で確認を行う。調査を行った語彙素は（２）の20語である。（２）又、然し、そして、及び、或いは、で、更に、唯、然も、猶、但し、即ち、且つ、一方、扠、若しくは、けれど、が、尤も、乃至人手による品詞情報の確認の際に、副詞など接続詞以外の品詞との判別が特に問題となるものについては、馬場（2015）同様、（３）のような置き換え可能性を目安にして判断した。また、コアデータでの品詞判定も参考にした。判定に迷う場合は接続詞とした。（３）① 「又」：「並びに、その上に、又は」に置き換えられるかどうか。「再び、同様に、一方、一体全体・まったく」に置き換えられる場合は副 6. コアデータ及び非コアデータの合計の使用頻度。検索条件式は、次の通りである（「又」で例示）。キー：（品詞 LIKE "接続詞％ " AND 語彙素="又" AND 語彙素読み="マタ"）IN （（registerName="出版・新聞" AND core="false"）OR（registerName="出版・雑誌" AND core="false"）OR（registerName="出版・書籍" AND core="false"）OR（registerName="図書館・書籍" AND core="false"）OR（registerName="特定目的・白書" AND core="false"） OR（registerName="特定目的・ベストセラー " AND core="false"）OR（registerName="特定目的・知恵袋" AND core="false"）OR（registerName="特定目的・ブログ" AND core="false"）OR（registerName="特定目的・法律" AND core="false"）OR（registerName=" 特定目的・国会会議録" AND core="false"）OR（registerName="特定目的・広報誌" AND core="false"）OR（registerName="特定目的・教科書" AND core="false"）OR（registerName=" 特定目的・韻文" AND core="false"））WITH OPTIONS tglKugiri="" AND tglBunKugiri="" AND limitToSelfSentence="1" AND tglFixVariable="2" AND tglWords="100" AND unit="1" AND encoding="UTF-16LE" AND endOfLine="CRLF" 8 検索及び用例抽出は、2016年５月～６月に行った。 7. －3－.

(5) 詞。 ② 「で」：「それで」に置き換えられるかどうか。 ③ 「更に」：「その上に、それに加えて」に置き換えられるかどうか。「ますます、もっと、少しも（～ない）」に置き換えられる場合は副詞。 ④ 「唯」：「ただし」に置き換えられるかどうか。「単に」に置き換えられる場合は副詞。 ⑤ 「猶」：言い添える内容が続くかどうか。「相変わらず、やはり、一層、ちょうど（のごとし）」に置き換えられる場合は副詞。調査結果を表１に示す。表１接続詞（短単位、非コアデータ、サンプル調査）の適合率（語彙素別）頻度順位 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20. 語彙素. 頻度合計. 又然しそして及び或いはで更に唯然も猶但し即ち且つ一方扠若しくはけれどが尤も乃至計. 116,270 71,506 62,757 48,990 26,630 19,649 18,891 16,549 14,682 12,377 11,751 10,763 8,545 8,170 8,084 6,886 5,390 5,091 3,349 2,920. 調査件数 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 2,000. 接続他品精度他品詞等内訳詞詞等（適合率） 89 11 89.0% 副詞11 100 0 100.0% 100 0 100.0% 99 1 99.0% 動詞1 100 0 100.0% 61 39 61.0% 格助詞14、助動詞10、誤解析7、接続助詞4、記号2、副助詞1、誤字1 89 11 89.0% 副詞11 76 24 76.0% 副詞17、名詞5、誤解析2 100 0 100.0% 86 14 86.0% 副詞13、名詞1 98 2 98.0% 副詞1、誤解析1 100 0 100.0% 96 4 96.0% 誤解析4 96 4 96.0% 名詞4 100 0 100.0% 100 0 100.0% 96 4 96.0% 接続助詞4 91 9 91.0% 格助詞6、接続助詞2、副詞1 93 7 93.0% 副詞7 92 8 92.0% 誤解析8 1,862 138 93.1%. 表１の「頻度合計」欄の数値はコアデータ及び非コアデータの使用頻度の合計である。「調査件数」は各語彙素100件である。「接続詞」欄の数値は「品詞情報「接続詞」を付与されて正しく接続詞であった件数」である。「他品詞等」欄の数値は「精度（適合率）」接続詞以外の件数であり内訳は「他品詞等内訳」に示している9。は（４）の式により求めた解析精度である。本研究では解析精度として適合率を用いた10。 9. 品詞分類の誤りを「誤判定」と呼び、それ以外の形態素境界の誤りなどを「誤解析」と呼び、便宜的に呼び分ける。 10 分類の評価指標として、適合率（精度）、再現率、F値がある。適合率は付与された品詞. －4－.

(6) （４）（適合率）＝（品詞情報「接続詞」を付与されて正しく接続詞であった件数）÷（品詞情報「接続詞」を付与された件数）×100［％］表２は、本稿の短単位の調査結果と馬場（2015）の長単位の調査結果11とを並べて示した表である12。「長単位」の「語彙素」欄で「＊」を付けた語彙素は、長単位で「連語」の接続詞となる語彙素である。. ４分析・考察表１及び表２に基づいて、短単位「接続詞」の使用頻度上位20語の解析精度、及び長単位「接続詞」の解析精度との異同について分析・考察を行う。まず、短単位「接続詞」の解析精度は、全体で93.1％、最小は「で」の61.0％、最大は100％（７語）である。「又」89.0％、「で」61.0％、「更に」89.0％、「唯」 76.0％、「猶」86.0％の５語が90％未満であるが、これら５語を除いた15語全体の解析精度は97.4％であり高くなっている。長単位「接続詞」の調査結果でも、全体で93.9％、最小は「で」の63.0％、最大は100％（10語、ただしそのうち「連語」は６語）である。「又」82.0％、「更に」 89.0％、「其れから＊」87.0％、「唯」76.0％、「猶」89.0％、「で」63.0％の６語が90％未満であるが、これら６語を除いた14語全体の解析精度は99.2％であり極めて高くなっている。がどのくらい正しいかを表す指標である。再現率は実際にある品詞であるものをどれくらいカバーして付与できているかを表す指標である。F値は適合率と再現率の調和平均である。接続詞を例にすると、次の式で求められる。評価指標としてはF値を用いることが多いが、本研究では、「調査対象全体で実際に接続詞である件数」の調査が事実上困難であり再現率を求めることができずしたがってF値も求めることができないため、適合率を用いた。（適合率）＝（品詞情報「接続詞」を付与されて正しく接続詞であった件数）÷（品詞情報「接続詞」を付与された件数）×100［％］（再現率）＝（品詞情報「接続詞」を付与されて正しく接続詞であった件数）÷（調査対象全体で実際に接続詞である件数）×100［％］（F値）＝２×（適合率）×（再現率）÷（（適合率）＋（再現率）） 11 馬場（2015）の調査では長単位「或いは」100件の内に副詞２件が含まれるとしている。しかし、BCCWJではコアデータで（ア）のような「もしかすると」の意の場合も「接続詞」としている。本稿では、「もしかすると」の意の短単位「或いは」を接続詞と判定した。表２では、馬場（2015）の長単位「或いは」の副詞２件も接続詞に修正し数値も修正した。（ア）そうした大変動のそもそもの動因、病根の摘発、分析さえ、ほとんどソルジェニーツィン一人に委せっ切りという有様ではなかったか。『ガン病棟』の激しく直截な文学的「告発」に始まった彼の尨大な作品群こそ、あるいは二十世紀最後の「世界文学」の打上げ花火だったのかも知れない。（PM42_00026） 12 馬場（2015）では長単位「接続詞」の「非コアデータ頻度」は中納言の検索結果に基づいている。「だから」「だが」「所が」は「『現代日本語書き言葉均衡コーパス』長単位語彙表 ver1.0」（http：//www.ninjal.ac.jp/corpus_center/bccwj/freq-list.html）（2014年７月閲覧）での頻度と比べて、それぞれ２件、１件、６件少ない。理由は不明である. －5－.

(7) 表２短単位「接続詞」と長単位「接続詞」の適合率（語彙素別）頻度順位 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20. 短単位非コアデ精度頻度ータ頻度（適合率）順位又 115,220 89.0% 1 然し 70,919 100.0% 2 そして 62,331 100.0% 3 及び 48,330 99.0% 4 或いは 26,524 100.0% 5 で 19,543 61.0% 6 更に 18,616 89.0% 7 唯 16,390 76.0% 8 然も 14,576 100.0% 9 猶 12,288 86.0% 10 但し 11,671 98.0% 11 即ち 10,725 100.0% 12 且つ 8,398 96.0% 13 一方 8,033 96.0% 14 扠 8,007 100.0% 15 若しくは 6,842 100.0% 16 けれど 5,331 96.0% 17 が 5,052 91.0% 18 尤も 3,327 93.0% 19 乃至 2,912 92.0% 20 計 93.1% 語彙素. 長単位非コアデ精度ータ頻度（適合率）又 85,543 82.0% 然し 68,041 100.0% そして 62,269 100.0% 及び 48,295 99.0% でも＊ 36,397 100.0% 又は＊ 29,560 100.0% 或いは 26,490 100.0% だから＊ 20,840 100.0% 更に 18,614 89.0% だが＊ 17,695 100.0% 其れから＊ 16,570 87.0% 唯 16,388 76.0% 然も 14,570 100.0% 猶 12,272 89.0% 但し 11,667 99.0% 所が＊ 11,295 100.0% で 10,866 63.0% 即ち 10,717 100.0% 従って＊ 9,900 100.0% 其れでも＊ 9,807 93.0% 計 93.9% 語彙素. なお、長単位「接続詞」の調査結果から「連語」の８語を除いて12語のみで集計した場合も全体で91.3％であり、90％未満の５語を除いた７語全体の解析精度は 99.4％である。以上のように、短単位「接続詞」の解析精度は、長単位「接続詞」の解析精度とほぼ同じ傾向であることが分かる。「接続詞」全体の解析精度は高いが、特に「で」は60％台、「唯」は70％台で極めて低く、「又」「更に」「猶」は80％台で低くなっている。短単位と長単位との解析精度の差は「又」が７％と大きくなっている以外は、０～３％の範囲での差でありほぼ同じと見てよい。殆どの場合は、基本的には、「連語」以外は短単位「接続詞」がそのまま長単位「接続詞」となるため、以上の結果は言わば当然である。「又」について、短単位と長単位との解析精度の差が大きくなっている理由について、以下で分析を補う。表２で、同形の短単位「接続詞」と長単位「接続詞」の「非コアデータ頻度」を比べると、若干の差があることが分かる。この差の理由を検討するために表３をまとめた。表３は、調査対象の20語について、短単位「接続詞」と長単位「接続詞」の使用頻度の差をコアデータ、非コアデータ別にまとめた表である。表の数値は、コアデータ、非コアデータともに、それぞれの短単位「接続詞」の使用頻度から長単位「接続詞」の使用頻度を引いて求めた件数である。－6－.

(8) 表３短単位「接続詞」と長単位「接続詞」の使用頻度の差頻度語彙素順位 1 又 2 然し 3 そして 4 及び 5 或いは 6 で 7 更に 8 唯 9 然も 10 猶 11 但し 12 即ち 13 且つ 14 一方 15 扠 16 若しくは 17 けれど 18 が 19 尤も 20 乃至. コアデータの頻度差 151 26 0 0 0 32 0 0 0 0 0 0 0 0 0 0 13 0 0 0. 非コアデータの頻度差 29,677 2,878 62 35 34 8,677 2 2 6 16 4 8 19 6 1 13 1,542 1 0 50. コアデータは入念な人手修正が行われているため、「又」「然し」「で」「けれど」の４語以外は使用頻度の差が０であり、短単位「接続詞」がそのまま長単位「接続詞」となっている。ただし、非コアデータでは「解析器Comainu」による長単位の自動構成に伴う誤判定又は誤解析がそのまま残りごく僅かながら短単位「接続詞」の件数が多くなってはいるが、差はごく小さく実用上は誤差の範囲と見ることができる。「又」の件数の差について、コアデータの用例を検討した結果、（５）のように、一つの短単位「接続詞」が複数の長単位「接続詞」に対応していた。これが両者の頻度差が生じる理由である13。（５）短単位「又」（1050語）長単位「又」（899語）、「又は＊」（151語）（「連語」）解析精度の調査で、長単位「又」の解析精度が短単位「又」の解析精度よりも低くなっている大きな理由は、長単位「又」に連語「又は」の自動構成に失敗した用 13. 短単位「然し」（587語）は、長単位では「然し」（561語）「、然しながら＊」（24語）（「連語」）、「しっかし」（１語）、「しかーし」（１語）になっている。短単位「で」（106語）は、長単位では「で」（74語）、「じゃ」（19語）、「じゃあ」（８語）、「んで」（５語）になっている。短単位「けれど」（59語）は、長単位では「けれど」（46語）、「けど」（12語）、「けどう」（１語）になっている。「連語」以外の「しっかし」「じゃ」「けど」などのような長単位の語彙素は「解析器Comainu」によって自動的に構成されたものではなく、「人手修正」が行われたものである可能性がある。. －7－.

(9) 例がある程度含まれていることによるものである。馬場（2015）の調査結果では、長単位「又」100件では、副詞の誤判定13件、「又は」の誤解析５件が含まれており、仮に「又は」の誤解析５件を除いた95件で解析精度を計算すると86.3％となる。また、馬場（2015）では長単位「又」については1,000 件の詳細な調査も行っているが、その調査についても同様に「又は」を除いて解析精度を計算すると87.8％となり、今回の短単位「又」の解析精度89.0％に近い値となる。以上のように、「又」について、短単位と長単位との解析精度の差が他の語に比べて大きくなっているのは、長単位では「又は」の長単位構成に失敗した用例がある程度含まれていることによるものであると見られる。. ５補足調査──接続詞の使用頻度の推定今回の調査では、「又」「で」「更に」「唯」「猶」の５語が90％未満の解析精度であった。解析精度が低い場合は、その使用頻度の値をそのまま用いることには注意が必要である。実際には、解析精度が低いことを示したうえでそのままの値を用いるか、あるいは、使用頻度に解析精度を乗じた値を臨時的に用いるかなどの方法が考えられる。今回の調査では、「接続詞」の「又」100件中に11件の副詞が含まれていた。逆に、もし品詞情報「副詞」の「又」にも接続詞の用例がある程度含まれていれば、結果的には「接続詞」の使用頻度の値をそのまま用いても支障が生じないとも考えられる。ただし、「接続詞」全体の使用頻度と「副詞」全体の使用頻度は同じでないため、使用頻度の違いを加味して考える必要がある。本節では、BCCWJの非コアデータの接続詞の使用頻度の推定を行う試みの調査を補足的に行う。今回の調査結果から、「接続詞」の「又」「更に」「唯」「猶」については副詞の誤判定が多く含まれており、「接続詞」の「で」については助詞及び助動詞の誤判定が多く含まれていることが分かった14。「又」「更に」「唯」「猶」については品詞情報「副詞」の「又」「更に」「唯」「猶」100件中に含まれる接続詞の件数、「で」については品詞情報「助詞」50件及び「助動詞」50件の計100件中に含まれる接続詞の件数を調査した15。具体的な調査方法は、品詞情報「接続詞」の調査と同様の方法16である。 14. 表１「他品詞等内訳」参照。「副詞」「助詞」「助動詞」以外の品詞情報の用例の中に接続詞が含まれている可能性はあるがごく僅かであると考えられ、実際上は考慮する必要はないと見做した。 16 ただし、「副詞」の語彙素「唯」には「たった」も含まれるため検索条件式に「発音形出現形="タダ"」の条件を加え「たった」を除外した。また、「助動詞」の「だ」の連用形「で」だけが対象となるため検索条件式に「活用形="連用形-一般"」の条件を加えた。 15. －8－.

(10) 結果を表４－１、表４－２に示す。表４－１「接続詞」（５語）の他品詞の同形の語彙素の調査結果（非コアデータ）「接続詞」調査（各100件）ａ. ｂ. ｃ. ｄ. ｅ. 「副詞」調査／「助詞・助動詞」調査（各100件）ｆ. ｇ. ｈ. ｉ. ｊ. ｋ. ｌ. 助詞・他品精度非コアデ助詞・他品精度非コアデ頻度接続詞副詞接続詞副詞語彙素助動詞詞等（適合率）ータ頻度助動詞詞等（適合率）ータ頻度順位 1. 又. 115,220. 89. 11. 0. 0. 6. で. 19,543. 61. 0. 29. 10. 89.0%. 28,907. 12. 87. 0. 1. 87.0%. 61.0% 2,199,687. 0. 0. 100. 0. 100.0%. 7. 更に. 18,616. 89. 11. 0. 0. 89.0%. 8. 唯. 16,390. 76. 17. 0. 7. 76.0%. 19,751. 24. 76. 0. 0. 76.0%. 11,154. 11. 88. 0. 1. 10. 猶. 12,288. 86. 13. 0. 1. 86.0%. 88.0%. 3,507. 0. 97. 0. 3. 97.0%. 表４－２「接続詞」（５語）の使用頻度の推定値及び補正精度（非コアデータ）接続詞の使用頻度の推計ｍｎ（ａ×ｂ÷100）（ｇ×ｈ÷100）頻度語彙素順位. 「接続詞」調査から. ｢副詞｣調査／｢助詞・助動詞｣調査から. ｏ（ｍ＋ｎ）. ｐ（ｏ÷ａ）. 接続詞の頻度の推定値. 「接続詞」の補正精度. 1. 又. 102,546. 3,469. 106,015. 6. で. 11,921. 0. 11,921. 92.0% 61.0%. 7. 更に. 16,568. 4,740. 21,308. 114.5%. 8. 唯. 12,456. 1,227. 13,683. 83.5%. 10. 猶. 10,568. 0. 10,568. 86.0%. 表４－１には品詞情報「接続詞」の調査結果及び本節での品詞情報「副詞」（又は「助詞」及び「助動詞」）の調査結果を示している17。表４－２はこの調査結果に基づく接続詞の使用頻度の推定値及びその推定値に基づいて補正を行った「接続詞」の解析精度である。ｍ欄は「接続詞」の使用頻度にその解析精度を乗じた件数で正しく接続詞である件数の推定値である。ｎ欄は「副詞」（又は「助詞」及び「助動詞」）の使用頻度に接続詞が含まれる比率を乗じた件数で接続詞の件数の推定値である。ｏ欄はｍ欄とｎ欄の数値を合計した値であり非コアデータ全体の接続詞の件数（用例数）の推定値である。ｐ欄は接続詞の件数の推定値（ｏ欄）を「接続詞」の非コアデータ頻度（ａ欄）で除した値で言わば補正した解析精度と言える値である。表４－２のｐ欄の「補正精度」の値を見ると、表１の「精度（適合率）」に比べ「又」「唯」はそれぞれ３ポイント及び7.5ポイント高くなっており、「更に」は25.5ポイ 17. 「で」の「非コアデータ頻度」は「助詞」と「助動詞」を併せた使用頻度である。この使用頻度は、「中納言」での検索結果として表示される件数を用いた。. －9－.

(11) ントも高くなっており、「で」「猶」は同じである。「又」18「唯」は品詞情報「副詞」に接続詞が含まれる比率がわずかであり、「更に」は品詞情報「副詞」に接続詞が含まれる比率が高く、「で」「猶」は品詞情報「副詞」（又は「助詞」及び「助動詞」）に接続詞が含まれていないということである。本節の初めに「使用頻度に解析精度を乗じた値を臨時的に用いる」方法を示したが、その場合はこの「補正精度」を用いた方がより精確となるであろう。ただし、本節の調査結果からは、「更に」のように極端に値が変わる場合を例外とすれば、実用上はその必要性は高くないと言えるであろう。. ６おわりに本稿では、『現代日本語書き言葉均衡コーパス』（BCCWJ）の短単位の品詞情報「接続詞」（非コアデータ）の解析精度を明らかにするために、使用頻度上位20位までの語を対象として調査を行った。調査の結果、短単位「接続詞」全体の解析精度は高いが、特に「で」61.0％、「唯」76.0％は極めて低く、「又」「更に」「猶」は80％台で低くなっており、長単位「接続詞」での調査結果とほぼ同様の傾向を示すことが分かった。なお、「又」については、短単位より長単位で解析精度が低く、これは連語「又は」の自動構成に失敗した用例が長単位にある程度含まれていることの影響であることも指摘した。さらに、解析精度が低い５語について、他品詞の同形の語彙素の調査を行い接続詞の使用頻度の推計を行う試みを示した。接続詞研究においてBCCWJの品詞情報の検索結果をそのまま利用する際には、本稿での指摘に充分留意する必要がある。参照文献小椋秀樹（2014）「第４章形態論情報」山崎誠（編）『講座日本語コーパス２．書き言葉コーパス─設計と構築─』朝倉書店、pp.68-88. 馬場俊臣（2015）「BCCWJの品詞情報の解析精度について─特に接続詞に注目して ─」『北海道教育大学紀要人文科学・社会科学編』66（１）、北海道教育大学、 pp.13-29. 冨士池優美、小椋秀樹、小西光（2011）「第２章長単位」小椋秀樹、小磯花絵、冨士池優美、宮内佐夜香、小西光、原裕『『現代日本語書き言葉均衡コーパス』形態論情報規程集第４版（上）』国立国語研究所、pp.11-98. 付記本研究はJSPS 科研費JP16K02715の助成を受けたものである。. 18. 同様の計算式で、馬場（2015）の長単位「又」の詳細調査（1000件）のデータを使って求めた長単位「接続詞」の「又」の補正精度は91.2％である。. － 10 －.

(12)