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(No.69)

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

１．収録語†

複合動詞（主として，語彙的複合動詞）
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）

語に付与される情報†

1.1 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。それぞれのペアには出現ページ数を併記する。
- URL：用例を取得した Web ページの URL

1.2 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)

２．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「３．収録語の選定」「４．用例と格要素」を参照のこと。

３．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。
- 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。
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

４．用例と格要素†

4.1 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

4.2 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。