yasuokaの日記： 単語間・文節間の係り受け解析システムとしてのGiNZA v4.0.0

私(安岡孝一)の昨日の日記に対して、GiNZA v4.0.0にはginza.bunsetu_spansという関数があって、spaCyのSpanとして文節を取り出せる、との情報をいただいた。素晴らしい。GiNZAにdeplacyを併用して、単語間の係り受けと文節間の係り受けを解析してみよう。まずはインストール。

$ pip3 install -U ginza deplacy

次に「国境の長いトンネルを抜けると雪国であった。」という文に対して、単語間の係り受けを可視化してみよう。

$ python3
>>> import spacy
>>> ja=spacy.load("ja_ginza")
>>> doc=ja("国境の長いトンネルを抜けると雪国であった。")
>>> import deplacy
>>> deplacy.render(doc,Japanese=True)
国境     NOUN  ═╗<══╗         nmod(体言による連体修飾語)
の       ADP   <╝   ║         case(格表示)
長い     ADJ   <══╗ ║         acl(連体修飾節)
トンネル NOUN  ═╗═╝═╝<╗       obj(目的語)
を       ADP   <╝     ║       case(格表示)
抜ける   VERB  ═══════╝═╗<╗   acl(連体修飾節)
と       SCONJ <════════╝ ║   mark(標識)
雪国     NOUN  ═╗═╗═╗═════╝═╗ ROOT(親)
で       AUX   <╝ ║ ║       ║ cop(繫辞)
あっ     AUX   <══╝ ║       ║ aux(動詞補助成分)
た       AUX   <════╝       ║ aux(動詞補助成分)
。       PUNCT <════════════╝ punct(句読点)

「長い」⇐acl=「トンネル」については、私個人としてはamodの方がいいのではないか、と思うものの、まあ、そこは立場の違いだろう。続けてginza.bunsetu_spansで、文節の一覧を見てみよう。

>>> import ginza
>>> spans=ginza.bunsetu_spans(doc)
>>> print(spans)
[国境の, 長い, トンネルを, 抜けると, 雪国であった。]

5つの文節から構成されていることがわかる。では、文節間の係り受けを見てみよう。

>>> bdeps=[(ginza.bunsetu_span(t),b) for b in spans for t in b.lefts]
>>> print(bdeps)
[(国境の, トンネルを), (長い, トンネルを), (トンネルを, 抜けると), (抜けると, 雪国であった。)]

b.leftsは、文節bから左向き(文頭方向)に出ている単語係り受けのうち、文節の外に出ていくものの一覧だが、これを逆向きに解釈すれば、文節間の係り受けとして扱える。可視化すると、こんな感じ。

>>> print("\n".join(str(i)+" -> "+str(j) for i,j in bdeps))
国境の -> トンネルを
長い -> トンネルを
トンネルを -> 抜けると
抜けると -> 雪国であった。

日本語における単語間の係り受けと、文節間の係り受けは、微妙な問題を孕んでいるのだが、ぜひ挑戦してみてほしい。