WS PNN12 j proofreading slide

(1)

1 / 25

Project Next 日本語校正タスク

山本和英（長岡技術科学大学）

鄭育昌(Cheng, Yuchang)（富士通研究所）

(2)

2 / 25

発表内容

●

_現状認識

●

_{人間の誤り傾向}

●

_{システムの誤り傾向}

●

_まとめ

(3)

3 / 25

現状認識

(4)

4 / 25

日本語校正の特徴

●

_{形態素解析できない}

●

_{タスクが異なる}

– 母語話者か学習者か

●

（母語話者）大人か子供か

●

（学習者）漢字圏か非漢字圏か

– _{「校正」か「推敲」か}

– _{検出か訂正か}

– _{文章の専門性}

(5)

5 / 25

開発状況

●

ジャストシステム (Just Right 5!Pro)

●

_{富士通研究所}

●

_{東芝ソリューション}

●

_{Web上のサービス}

(6)

6 / 25

研究状況

（学習者向け；研究の主流）

●

助詞の誤り検出・訂正の研究が多い

●

誤りの種類を限定しない研究もある

–

_[水本2013]

●

日本語作文推敲支援システム「ナツメグ」

–

[八木2012] [八木2014]

（母語話者向け）

●

保険関連文書向けの校正支援技術

–

[丹治2011][大平2012][林2014]

(7)

7 / 25

人間の誤り傾向

(8)

8 / 25

使用テキスト

●

_{学習者の誤用に限定}

●

オンライン日本語誤用辞典に掲載の例

文を使用

– 誤りを約３０項目に分類し訂正

– 助詞／ヴォイス／テンス・アスペクト／基

本文型／形式名詞／指示詞／疑問詞

／２語の接続／２文の接続／修飾／語

彙／文全体

●

既存技術で対応可能かを主観で判断

(9)

9 / 25

たぶんできる

日本の中で色々の（⇒な）場所に行った。

また、旅はもちろん楽しいである。

でも、去年のある日、気持はよくないかも

しれませんでした。

私も失敗な（⇒失敗した）ことがあります。

でも、私は人前が怖いと思います（⇒で

す）。

(10)

10 / 25

頑張ればできるかも

いつもお金を使いすぎました（⇒ます）。

私の夢は日本の家のゆめいな屋根を見ま

す（⇒見ることです）。

現象の支持者も反対者も多くて、いい点と

（⇒も）悪い点も両方あると思う。

バイクは全然（⇒完全に）壊れました。

それから（⇒けれども）日本語の言語に慣

れました。

(11)

11 / 25

難しい

結局、母は私に許しました(⇒許してくれました)。

φ（⇒それは）今で始まったことではない。

夢は何でしょうφの問題（⇒何かという問い）に答

えて、望みをかなえることだと思う。

それから（⇒けれども）日本語の言語に慣れまし

た。

そのため、そのようなゲームに深い感情を感じて

（⇒夢中になりすぎて）さらにしてしまうということ

である。

(12)

12 / 25

システムの誤り傾向

(13)

13 / 25

システムA

●

_市販製品

●

_{表現の洗練が主目的}

●

新聞社、出版社などの業種のユーザが

多く利用

(14)

14 / 25

校正項目説明

誤りチェック誤字脱字、仮名遣い、慣用表現、呼応表現、ら抜き表現、同音語誤り、二重敬語、西暦・和暦など

用語基準送り仮名、漢字基準、公用文、難しい語の言い換え、旧字体、商標・商品名、数字の表記など

表現洗練文体の統一、重ね言葉、同一助詞の連続、二重否定、修飾関係、並列関係など

字種統一単位、句読点、カタカナ、数字、記号、アルファベット長さチェック文、句読点、ひらがな、カタカナ、漢字

環境依存文字外字と機種依存文字、JIS X 0213:2004で例示字形が変更された漢字

スペルチェック先頭のみ大文字の単語、すべて大文字の単語、数字を含む単語、全角を含む単語など

表記ゆれ外来語のみ/全部、全角半角・大文字小文字の区別を指摘する/しない

括弧対応、階層

印刷標準字体簡易慣用字体・デザイン差などの文字

表：システムAにおける検出項目

(15)

15 / 25

システムB

●

_{開発企業内でのみ使用}

●

仕様書などの技術文書の品質を向上さ

せることが目的

– 複数の意味に解釈されない

– 主語・目的語等の省略がない

– 簡潔・明瞭

– 用語に一貫性がある

(16)

16 / 25

校正項目説明

言葉使いのチェック同義語、非専門用語、未登録語、受け身の使用を指摘

動作処理のチェック動詞＋「行う」、感情表現（～したい）、使役表現の使用を指摘

あいまい表現のチェック否定表現の並立、二重否定、部分否定、接続助詞「ため」、格助詞「より」の使用を指摘内容複雑さのチェック接続助詞「が」、「ので」の使用を指摘、連

用中止の箇所で分割するように推奨

修飾関係のチェック修飾先が複数あり、あいまい性がある修飾関係を指摘

処理対象のチェック目的語の省略、形容（動）詞・副詞の使用、指示代名詞の使用による処理対象があいまいになる事例を指摘

助詞チェック「てにをは」などの助詞誤用を指摘

文体チェック「である」、「ですます」体の不統一を指摘

表：システムBにおける検出項目

(17)

17 / 25

実験設定

●

_{２システムを使用}

●

オンライン日本語誤用辞典の例文を入

力

– 491文、1023件

– 誤りの約６割が文法、３割が語彙

●

_{出力結果を評価しない}

– 日本語学習者向けではない

(18)

18 / 25

校正項目説明件数

誤りチェック誤字脱字、仮名遣い、慣用表現、呼応表現、ら抜き

表現、同音語誤り、二重敬語、西暦・和暦など ¹²³ 用語基準送り仮名、漢字基準、公用文、難しい語の言い換え、

旧字体、商標・商品名、数字の表記など ²⁰⁷ 表現洗練文体の統一、重ね言葉、同一助詞の連続、二重否

定、修飾関係、並列関係など ²³⁹

字種統一単位、句読点、カタカナ、数字、記号、アルファベット 75 長さチェック文、句読点、ひらがな、カタカナ、漢字 28 環境依存文字外字と機種依存文字、JIS X 0213:2004で例示字形

が変更された漢字 ²

スペルチェック先頭のみ大文字の単語、すべて大文字の単語、数字

を含む単語、全角を含む単語など ⁵

表記ゆれ外来語のみ/全部、全角半角・大文字小文字の区別を

指摘する/しない ⁸⁴

括弧対応、階層 0

印刷標準字体簡易慣用字体・デザイン差などの文字 0

合計 783

表：システムAにおける検出件数

(19)

19 / 25

校正項目説明件数

言葉使いのチェック同義語、非専門用語、未登録語、受け身の

使用を指摘 ²⁰²

動作処理のチェック動詞＋「行う」、感情表現（～したい）、使役

表現の使用を指摘 ³⁰

あいまい表現のチェック否定表現の並立、二重否定、部分否定、接

続助詞「ため」、格助詞「より」の使用を指摘 ⁴⁸ 内容複雑さのチェック接続助詞「が」、「ので」の使用を指摘、連

用中止の箇所で分割するように推奨 ⁹³ 修飾関係のチェック修飾先が複数あり、あいまい性がある修飾関

係を指摘 ³

処理対象のチェック目的語の省略、形容（動）詞・副詞の使用、指示代名詞の使用による処理対象があいまいになる事例を指摘

459

助詞チェック「てにをは」などの助詞誤用を指摘 43 文体チェック「である」、「ですます」体の不統一を指摘 149

合計 1027

表：システムBにおける検出件数

(20)

20 / 25

誤用分類 ^説明 ^件数 ^システム^Aの一致件数

システムB の一致件数

文法助詞、複合辞、文型、テンス・アスペクトなどの誤用例

652 10 3

語彙動詞、形容詞、名詞、副詞、連体詞、接辞、連語などの誤用例

334 97 65

句・文全体文（句）の意味が不適切のため、全体的に書き直す修正

37 0 0

合計 1023 107 68

表：日本語学習者テキストの誤用分類と件数

(21)

21 / 25

考察

●

適切に検出できたのは１割程度

– そのほとんどが語彙の指摘

– 助詞誤りも若干数指摘できた

●

システムは日本語話者を前提＝形態素

解析ができる

– 日本語学習者は形態素レベルの誤り

も多く、形態素解析できないと他の誤

りを指摘できない

(22)

22 / 25

まとめ：

日本語校正のために

何をすべきか？

(23)

23 / 25

●

日本語処理全体の底上げ

(24)

24 / 25

●

誤った日本語の形態素解析

●

_{分離表現の把握}

– _{いつも～します}

– _{～も～もあります}

– _{～しか～しない}

– _{～ばかりか～までも}

(25)

25 / 25

おわり

WS PNN12 j proofreading slide

1 / 25

Project Next 日本語校正タスク

山本 和英（長岡技術科学大学）

鄭 育昌(Cheng, Yuchang)（富士通研究所）

2 / 25

発表内容

現状認識

人間の誤り傾向

システムの誤り傾向

まとめ

3 / 25

現状認識

4 / 25

日本語校正の特徴

形態素解析できない

タスクが異なる

– 母語話者か学習者か

（母語話者）大人か子供か

（学習者）漢字圏か非漢字圏か

– 「校正」か「推敲」か

– 検出か訂正か

– 文章の専門性

5 / 25

開発状況

ジャストシステム (Just Right 5!Pro)

富士通研究所

東芝ソリューション

Web上のサービス

6 / 25

研究状況

（学習者向け；研究の主流）

助詞の誤り検出・訂正の研究が多い

誤りの種類を限定しない研究もある

[水本2013]

日本語作文推敲支援システム「ナツメグ」

[八木2012] [八木2014]

（母語話者向け）

保険関連文書向けの校正支援技術

[丹治2011][大平2012][林2014]

7 / 25

人間の誤り傾向

8 / 25

使用テキスト

学習者の誤用に限定

オンライン日本語誤用辞典に掲載の例

文を使用

– 誤りを約３０項目に分類し訂正

– 助詞／ヴォイス／テンス・アスペクト／基

本文型／形式名詞／指示詞／疑問詞

／２語の接続／２文の接続／修飾／語

彙／文全体

既存技術で対応可能かを主観で判断

9 / 25

たぶんできる

日本の中で色々の（⇒な）場所に行った。

また、旅はもちろん楽しいである。

でも、去年のある日、気持はよくないかも

しれませんでした。

私も失敗な（⇒失敗した）ことがあります。

でも、私は人前が怖いと思います（⇒で

す）。

10 / 25

頑張ればできるかも

いつもお金を使いすぎました（⇒ます）。

私の夢は日本の家のゆめいな屋根を見ま

す（⇒見ることです）。

現象の支持者も反対者も多くて、いい点と

（⇒も）悪い点も両方あると思う。

バイクは全然（⇒完全に）壊れました。

それから（⇒けれども）日本語の言語に慣

れました。

11 / 25

難しい

結局、母は私に許しました(⇒許してくれました)。

φ（⇒それは）今で始まったことではない。

夢は何 でしょうφの問題（⇒何かという問い）に答

えて、望みをかなえることだと思う。

それから（⇒けれども）日本語の言語に慣れまし

た。

山本和英（長岡技術科学大学）

鄭育昌(Cheng, Yuchang)（富士通研究所）

_現状認識

_{人間の誤り傾向}

_{システムの誤り傾向}

_まとめ

_{形態素解析できない}

_{タスクが異なる}

– _{「校正」か「推敲」か}

– _{検出か訂正か}

– _{文章の専門性}

_{富士通研究所}

_{東芝ソリューション}

_{Web上のサービス}

_[水本2013]

_{学習者の誤用に限定}

夢は何でしょうφの問題（⇒何かという問い）に答

_市販製品

_{表現の洗練が主目的}

_{開発企業内でのみ使用}

_{２システムを使用}

_{出力結果を評価しない}

_{分離表現の把握}

– _{いつも～します}

– _{～も～もあります}

– _{～しか～しない}

– _{～ばかりか～までも}