yasuokaの日記： 多言語係り受け解析ツールとしてのUniDic2UD

UniDic2UDには、公式ページに掲げた9つのUniDicに加えて、UDPipeの各言語を使う隠しオプションがある。具体的には「unidic2ud -U Dict」コマンドのDictのところに、たとえば以下のような各言語モデルを指定できる。

• czech-pdt チェコ語
• english-ewt 英語
• estonian-edt エストニア語
• french-gsd フランス語
• german-gsd ドイツ語
• italian-isdt イタリア語
• korean-kaist 韓国語
• latvian-lvtb ラトビア語
• polish-pdb ポーランド語
• portuguese-gsd ポルトガル語
• russian-syntagrus ロシア語
• spanish-gsd スペイン語
• turkish-imst トルコ語
• ukrainian-iu ウクライナ語

わかりやすいところで、「What fun it is to ride and sing a sleighing song tonight」という英文を、係り受け解析してみよう。

$ echo What fun it is to ride and sing a sleighing song tonight | unidic2ud -U english-ewt -t
     What <┐       det(決定詞)
      fun ─┘<┐     obj(目的語)
       it ───┘<┐   nsubj(主語)
       is ─────┴─┐ root(親)
       to <┐     │ mark(標識)
     ride ─┴───┐<┤ xcomp(節補語)
      and <┐   │ │ cc(接続詞)
     sing ─┴─┐<┘ │ conj(接続)
        a <┐ │   │ det(決定詞)
sleighing <┤ │   │ amod(用言による連体修飾語)
     song ─┘<┘   │ obj(目的語)
  tonight <──────┘ obl:tmod(斜格補語[時])

表示が乱れる場合は、-tオプションの代わりに-t2オプションを試すのもいいと思う。ちなみに、上に示した以外の言語も動いたりするので、自然言語処理 Advent Calendar 2019から来た読者も、その他の読者も、「pip3 install unidic2ud」して色々と試してみてほしい。メリークリスマス。