パスワードを忘れた? アカウント作成
15477031 journal
人工知能

yasuokaの日記: アイヌ語Universal Dependenciesで書く「モルラン ワ エㇰ 大学生 クネ。」

日記 by yasuoka

昨日の日記の「モルラン ワ エㇰ 大学生 クネ。」を、『Universal Dependenciesによるアイヌ語テキストコーパス』(情報処理学会研究報告, 2021-CH-127, No.5, 2021年8月28日)に基づいて書いてみた。

# sent_id = STV_2006-7-16_p9-2
# text = モルラン ワ エㇰ 大学生 クネ。
1    モルラン    Moruran    PROPN    固有名詞    _    3    obl    _    _
2    ワ    wa    ADP    格助詞    _    1    case    _    _
3    エㇰ    ek    VERB    自動詞    _    4    acl    _    _
4    大学生    _    X    _    _    0    root    _    _
5    ク    ku=    PART    人称接辞    _    4    nsubj    _    SpaceAfter=No
6    ネ    ne    AUX    デアル動詞    _    4    cop    _    SpaceAfter=No
7    。    .    PUNCT    記号    _    4    punct    _    _

ただ、「大学生」をどう扱うか迷って、結局、UPOSをXにした上に、LEMMAもXPOSも空欄にしてしまった。SVGで可視化すると、こんな感じ。コピュラ文なので「大学生」=nsubj⇒「ク」となるのだが、何とも座りが悪い。一方、「私は室蘭から来た大学生だ。」をUniDic2UD+現代話し言葉UniDicで係り受け解析してみたところ、私(安岡孝一)の手元では、以下のようになった。

$ pip3 install -U unidic2ud --user
$ echo 私は室蘭から来た大学生だ。 | unidic2ud -U spoken
# text = 私は室蘭から来た大学生だ。
1    私    私    PRON    代名詞    _    8    nsubj    _    SpaceAfter=No|Translit=ワタクシ
2    は    は    ADP    助詞-係助詞    _    1    case    _    SpaceAfter=No|Translit=ハ
3    室蘭    ムロラン    PROPN    名詞-固有名詞-地名-一般    _    5    obl    _    SpaceAfter=No|Translit=ムロラン
4    から    から    ADP    助詞-格助詞    _    3    case    _    SpaceAfter=No|Translit=カラ
5    来    来る    VERB    動詞-非自立可能    _    8    acl    _    SpaceAfter=No|Translit=キ
6    た    た    AUX    助動詞    _    5    aux    _    SpaceAfter=No|Translit=タ
7    大学    大学    NOUN    名詞-普通名詞-一般    _    8    compound    _    SpaceAfter=No|Translit=ダイガク
8    生    生    NOUN    接尾辞-名詞的-一般    _    0    root    _    SpaceAfter=No|Translit=セイ
9    だ    だ    AUX    助動詞    _    8    cop    _    SpaceAfter=No|Translit=ダ
10    。    。    PUNCT    補助記号-句点    _    8    punct    _    SpaceAfter=No

SVGで可視化すると、こんな感じ。日本語「短単位」では「大学」「生」の2語になってしまうあたり、さらに悩ましい。さて、このあたり、アイヌ語UDと日本語UDの間で、どう調整していくべきかな。

この議論は、yasuoka (21275)によって「 ログインユーザだけ」として作成されている。 ログインしてから来てね。
typodupeerror

192.168.0.1は、私が使っている IPアドレスですので勝手に使わないでください --- ある通りすがり

読み込み中...