英語俳句メーリングリストからの知識抽出

全文

(1)情報処理学会第 74 回全国大会. 5B-4. 英語俳句メーリングリストからの知識抽出和田. 武†. 檀. 裕也‡. 愛媛大学総合情報メディアセンター†. １．はじめに郷土(愛媛県松山市)の俳人・正岡子規を記念して 1994 年から開設している英語俳句メーリングリスト(Shiki サーバの NOBO List)は、世界で最初の Haiku ポータル・サイトの一つとして認知され、国内外を問わず英語俳句愛好者等に広く利用されている。本発表では、初心者でも英語俳句が容易に投句できる支援システムの構築を目指すために、長年蓄積されたコンテンツを活用して、(1)NOBO List 等に投句された英語俳句をデータベース化し、(2)このデータに形態素解析を加えて英語俳句によく用いられる語彙を抽出する研究を試みたので、これらについて報告する。. 墨岡. 学‡. 松山大学経営学部‡. 表２は、2008 年 9 月の季語「Autumn」に投句された 65 句のうち最初の３句を示している。英語俳句は、３行詩が一般的で、切れ字は体言止めや、’…’’―’’；’などの記号が使われていることがわかる。中央列の NN は名詞、DT は冠詞、 VVZ は動詞、IN は前置詞、SENT は記号を表している。. ２．方法と結果解析データは、NOBO List 等で開催している The Shiki Monthly Kukai に投句された 2008 年 1 月から 12 月までの 1403 句の英語俳句を用いた (表１)。この Kukai は、季語の部と季語なしの２部構成である。. 表２．形態素解析次に、出現頻度の高い語同士の関連を解析すれば、英語俳句の初心者でも容易に投句できると考え、表２のデータを用いて月別投句語のこのデータを、ドイツの Helmut Schmid 氏がクロス集計を行った。表３にその結果の一部を開発した形態素解析ツール TreeTagger により、示す。横軸が月で縦軸が語で、赤字は、季語を投句語の品詞を同定して原形を求めた(表２)。表す。冠詞や前置詞が多い中、季語に指定されリスト左列が投句語、中央が品詞、右列が原形ていない月でも spring や night,autumn,moon なを表している。1 行目から 12 行目が１つの句でどが多く使用されている。また、1 句当たり冠詞 Characteristic extraction from an English haiku mailing list や前置詞等含めて平均 9 語で構成されているこ † Takeshi Wada ; Center for Information Technology, Ehime とがわかる。 University. ‡ Yuya Dan, Manabu Sumioka; Faculty of Business Admin図１に、コレスポンデンス分析(対応分析)を表１．The Shiki Monthly kukai. istration, Matsuyama University.. 1-509. Copyright 2012 Information Processing Society of Japan. All Rights Reserved..

(2) 情報処理学会第 74 回全国大会. 原点から離れた行・列の要素の対応がよくわかり、原点に近いと第３軸、第４軸などを用いるとより対応がはっきりする。12 月には snow、 star、2 月には rusty など季語以外の語句が使用されていることがわかる。なお、コレスポンデンス分析では、図１以外に固有値表と行間差・列間差の有意性検定表、残差の有意性の検定表なども出力される。固有値表をみると、累積寄与率が第１軸で 14.3%、第２軸で 27.5%とそれほど高くはなく、行間差・列間差の有意差検定表では、第 10 軸まで有意になっている。残差の有意性の検定では、第１軸だけでは表現できない行・列の要素があり、２次元で表現することに統計的意味があることを示している。３．まとめ英語俳句が容易に投句できる支援システムの構築を目指す目的で、(1)2008 年に NOBO List 等の The Shiki Monthly Kukai に投句された英語俳句をデータベース化した。(2)形態素解析を加表３．投句語の月別クロス集計え投句語の月別クロス集計を求めた。(3)コレスポンデンス分析により月別に英語俳句によく用行った結果(原点部分を中心に）を示す。コレスいられる語句を抽出した。これにより、各月でポンデンス分析は、クロス集計表の行の要素と季語以外によく使用される語句があることがわ列の要素を相関関係が最大になるように並び替かった。今後は、2006 年から 2010 年までのデえ、類似する項目が隣り合うようになることで、ータを合わせて解析し、(2)係り受け解析(キ変数間の類似性や関連性を調べる分析方法であーワードと関係のある単語との組み合わせにる。今回の分析では、冠詞や前置詞は除いていついて解析)を行い、より初心者でも簡単に英る。語俳句が作成できるシステムの構築を目指し図１．コレスポンデンス分析結果（一部）たい。. 図１の◇が列要素、×が行要素を示している。. ４．参考文献 [1] 岡亮衛「季語データベースの構築と俳句の季語の自動判定の試み(2)」人文学とコンピュータ 49-3（2001） [2] 田中省作「形態素解析ツール－英語と TreeTagger を中心に－」 [3] 檀裕也、墨岡学、和田武「英語俳句の特徴抽出と文書ベクトルの構成」情報処理学会第 73 回全国大会 4B-5(2011) [4] 檀裕也、和田武、墨岡学「サポートベクターマシンによる英語俳句の抽出」情報処理学会第 72 回全国大会 2C-5(2010) [5] 墨岡学、井上博民、和田武、田中喜美代、 BOGDAN DAVID RICHARD 「英語俳句サイト Shiki の軌跡－Shiki Team 年代記」情報処理学会第 72 回全国大会 2H-1(2010) [6] 和田武、檀裕也、和田武、墨岡学「HAIKU サーバのアクセスログ解析と運用管理」情報処理学会第 69 回全国大会 2D-4(2007). 1-510. Copyright 2012 Information Processing Society of Japan. All Rights Reserved..

(3)