対象例文と作業の状況

(1)

対象とする日英対訳例文

　まず，辞書や日本語教材をはじめとする約30種類の対訳データファイルから作成した100万文の対訳コーパスから，重文，複文15.5万件の対訳文を機械的に抽出した．その中には，会話文や文脈依存の訳文が含まれていたため，それらを人手で振るい分け，12.9万件を標本文として３種類の文型パターンを作成した．表３に抽出した対訳文と文型パターン化の対象とした標本文の内訳を示す．

　対象文に含まれる単語の種類と数を表４に示す．また，対訳標本文の平均文字数などを以下に示す．

日本語原文

：平均文字数／文＝23.3字（最大148字）

　　　　　平均形態素数＝12.9個／文（最大63個）

英文訳文

：平均単語数＝10.3語／文（最大59語）

表 3: 対訳標本文数と作成した文型パターン数

文種別	説明	抽出した対訳文数	対象とした標本文数
文種別１	文接続１カ所を持つ文	72,018	57,235 (44%)
文種別２	文接続２カ所を持つ文	7,292	6,196 (5%)
文種別３	埋込み文１つを持つ文	54,931	46,907 (36%)
文種別４	埋込み文２つを持つ文	6,688	5,986 (5%)
文種別５	文接続と埋込文各１つを持つ文	14,029	12,389 (10%)
−−	合計	154,958	128,713 (100%)

表 4: 品詞毎の出現回数

＃	種別	形態素数
		延度数	異り語数
１	名詞	417,886	56,861
２	本動詞	223,178	10,324
３	補助動詞	51,918	271
４	形容詞	31,681	915
５	形容動詞	19,587	2,562
６	副詞	39,051	3,191
７	連体詞	32,585	731
８	接続詞	3,146	77
９	感嘆詞	147	60
10	接頭辞	1,068	110
11	接尾辞	1,749	336
12	助動詞	165,251	236
13	助詞	465,811	349
14	記号	121,555	32
−	合 計	1,574,613	76,055

(2)

文型パターンの適切性の検証

　文型パターン化作業の結果を確認するため，文型パターン照合プログラムを用意し，作成された全文型パターンに対する照合実験を行った．作成した文型パターンの総数と不適切文型パターン数の推移を表５に示す．

表 5: 不適切文型パターン数の推移

種別	作成した	不適合パターン数
	文型パターン数	初期段階	現段階
単語レベル	128,071	58,194 （45.4%)	165 （0.13%）
句レベル	104,619	18,643 （17.8%）	1,810 (1.7%)
節レベル	13,031	4,638 (35.5%)	2,381 (18.3%)
合　計	245,721	81,475	4,356 (1.8%)

　この実験では，文型パターンの作成に使用した標本文を入力文として文型パターン辞書を検索し，適合する文型パターンの中に，自分自身から作成された文型パターン（「自己パターン」と言う）が含まれるかどうかを確認した．

　その結果，最初の段階では，単語レベル，句レベル，節レベルで，それぞれ45%，18%，35%の文型パターンに誤りがあることが判明したが，誤りの多くは，自動変数化プログラムに組み込まれた規則と文型パターン記述仕様との不整合に起因するもので，人手修正の必要な文型パターンの記述誤りは約5,000件であった．節レベルでは，まだ18%の不適合パターンを残しているが，この大半は，文型照合プログラムの機能不足により照合に失敗しているもので，文型パターン記述の誤りは少ないと思われる．

　以上の結果，文法レベルにおいて約24.6万件の文型パターンをほぼ１年間（3.4人年）で作成することができた．人手作業に頼る場合に比べて，作業工数は，約1/10に減少したものと推定される．