![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
Webデータに基づく複合動詞用例データベース/利用者マニュアル/収録データ
Top/Webデータに基づく複合動詞用例データベース/利用者マニュアル/収録データWebデータに基づく複合動詞用例データベース/利用者マニュアル
１．収録語†
- 複合動詞（動詞(連用形) + 動詞タイプ）
- 主として，語彙的複合動詞を収録対象とする。
- 統語的複合動詞の用法しかない複合動詞は，基本的に収録しない。
- 収録される複合動詞を構成する動詞（以後，「構成動詞」と表記する）
- いずれの動詞も，Web 上で一定量（後述）の用例を取得できる場合に限り，収録する。
２．語に付与される情報†
2.1 付与情報†
- 表記： 当該の語の基本形とする。
- 読み： 当該の語の基本形の読みを付与する。
- 語構成情報： 前項と後項の表記と読みを付与する。
- 用例： 当該の語を含む「文」を収録する。それぞれの用例には，次の情報が付与される。
- 格要素情報： 用例中の当該語に依存する格要素を格助詞とペアで格納する。それぞれのペアは出現ページ数の情報を保持する。
- URL： 用例を取得した Web ページの URL
2.2 実例†
| 表記 | 聞き出す | |
| 読み | ききだす | |
| 語構成情報 | 聞く（きく） ＋ 出す（だす） | |
| 格要素情報 (出現ページ数) | ヲ格 | 情報(159)/話(67)/番号(59)/名前(37)/本音(33)/住所(31)/場所(31)/秘密(24) |
| カラ格 | 人(15)/本人(11)/相手(9)/者(9)/男(7)/彼女(6)/彼(6)/こちら(4)/口(4)/子供(3) | |
| デ格 | 電話(7)/中(7)/会(5) | |
| ニ格 | 人(6)/中(5)/時(4)/前(4) | |
３．データベース構築の流れ†
- 構築は，次の二つの部分からなる。
- 複合動詞部分の構築の流れ(下図「複� 廖繊嵎���」)
- 構成動詞部分の構築の流れ(下図「構� 廖繊峭臭Α�)
- それぞれの処理の詳細は，以下「４．収録語の選定」「５．用例と格要素」を参照のこと。
 |
４．収録語の選定†
複合動詞の構成要素として多用される構成動詞を「種動詞」として，次の手順で，収録語の複合動詞，構成動詞を漸進的に選定する。なお，種動詞は，野村・石井(1987)による構成動詞の頻度調査に基づき，「出す，合う，切る，掛ける，込む，取る，過ぎる，付ける，引く，上げる」の10語とした。
- 種動詞をキーとして，Web 検索し，種動詞を含む Web ページを収集する。
- 収集量は，連用形，終止形をそれぞれ5000ページ収集する。
- 収集方法は，Baroni,Bernardini (2004) の方法を基本とした。
- 収集した Web ページを形態素解析し，V1+種動詞，種動詞+V2 を抽出し，複合動詞候補とする。
- 複合動詞候補を人手で選別する。
- 収集した複合動詞をキーとして，Web 検索し，当該複合動詞を含む Web ページを収集する。
- 収集量は，複合動詞ごとに2000ページする。
- 収集方法は，Baroni,Bernardini (2004) の方法を基本とした。
- 一定量以上の用例（今回は100例以上）が収集できた複合動詞を収録語とする。
- 収録語の構成動詞は，種動詞となる。
- 決定した収録語の構成動詞（V1, V2）を種動詞として，1〜5を再帰的に実行する。
参考文献
- 野村雅昭，石井正彦 (1987) 複合動詞資料集，科研費特定研究(1) 言語データの収集と処理の研究
- M. Baroni and S. Bernardini (2004) "BootCaT: Bootstrapping corpora and terms from the web", Proceedings of LREC 2004
５．用例と格要素†
5.1 収集方法†
用例は，Web データ集（「収録語の選定」の 1, 4で作成されるもの）から収集する。その際，用例は，当該動詞用に作成した Web データ集のみから収集している。また，それぞれの用例には構文解析・格解析を行い，格要素の情報を付与している。収集方法は，次のとおりである。
- Web ページ集を文区切りし，形態素解析する。
- 文区切りは，句点相当文字（句点，！，？）の直後で分割し，個々の分割結果を用例とする。
- 形態素解析は，JUMAN ver.6.0 を用いた。
- 収録語が含まれる文だけを構文解析・格解析（KNP ver.3.01）する。
- 収録語が格要素（副詞的な要素も含む）を持つ場合，用例とする。ただし，次のような用例はデータベースに登録しない。
- 重複する用例（一つだけ登録する）
- 格要素を持たない用例
5.2 出現ページ数†
Web データの性質を考慮して，用例，および，格要素は出現頻度ではなく，「出現ページ数」で計測する。使用する際は，次の点に注意されたい。
- 前述のとおり，収集語ごとに Web データ集を構築し，用例も当該収集語の Web データ集のみから取得している。出現ページ数の計測も当該収集語の Web データ集のみから行っている。
- まったく同一の用例は，複数の Web ページに出現していたとしても，出現ページ数１とカウントする。
- ある格助詞・格要素のペアが同一の Web ページ内に複数回出現したとしても，出現ページ数１とカウントする。
Last-modified: 2012-09-14 (金) 00:00:00