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/収録データの履歴の現在との差分(No.34)

追加された行はこの色です。
削除された行はこの色です。
[[Webデータに基づく複合動詞データベース/利用者マニュアル]]
[[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]]


&size(25){&color(red){本ページは構築中です};};
#br
//&size(25){&color(red){本ページは構築中です};};
//#br

* 収録語 [#yc2a73fb]
- 複合動詞（主として，語彙的複合動詞）
* １．収録語 [#yc2a73fb]
- 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。

* 収録語の選定 [#c331a295]
* ２．語に付与される情報 [#j070c2d9]
** 2.1 付与情報 [#s8fdf8c3]
- 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>./#c19faac2]]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 [#p58f3740]
#br
|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&br;(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)|
#br


* ３．データベース構築の流れ [#hb28f367]

- 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①」～「複③」)
-- 構成動詞部分の構築の流れ(下図「構①」～「構⑥」)
- 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。

#br
|&ref(./flow.png,90%);|
#br


* ４．収録語の選定 [#c331a295]
　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，2000ページ収集する。
-- 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，収録語となる。
-- 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。

#br
LEFT:''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

* 用例 [#a53eda9e]
** 収集手順 [#oea88d8b]
+ 「収録語の選定」の 1, 3 で作成される Web ページ集が収集上記のy corpus1，corpus2 を文に区切り，形態素解析する。
+ 収録語が含まれる文だけを構文解析する。
+ 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，Web 上のデータの特性を考慮し，重複する用例は，次のように削除する。
-- 
* ５．用例と格要素 [#a53eda9e]
** 5.1 収集方法 [#i6cf7f2a]
　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。

** 出現ページ数 [#icc72447]
+  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>http://nlp.ist.i.kyoto-u.ac.jp/index.php?cmd=read&page=JUMAN&alias[]=%E6%97%A5%E6%9C%AC%E8%AA%9E%E5%BD%A2%E6%85%8B%E7%B4%A0%E8%A7%A3%E6%9E%90%E3%82%B7%E3%82%B9%E3%83%86%E3%83%A0JUMAN]] 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>http://nlp.ist.i.kyoto-u.ac.jp/index.php?cmd=read&page=KNP&alias[]=%E6%97%A5%E6%9C%AC%E8%AA%9E%E6%A7%8B%E6%96%87%E8%A7%A3%E6%9E%90%E3%82%B7%E3%82%B9%E3%83%86%E3%83%A0KNP]]）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 [#c19faac2]
　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。

- ここで言う「用例」は，データベースの次の機能で利用されている。
-- [[用例の表示>../検索してみる#q691a816]]で表示される用例
-- [[格要素一覧の表示>../検索してみる#o91c8627]]で表示される格要素は，収集された用例を用例を
- 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。

- 用例の収集は，Baroni らの方法を用いる。


* 格要素の収集 [#e5ec92f7]
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 の履歴の現在との差分(No.34)

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/収録データの履歴の現在との差分(No.34)
