日本語異表記データベース

Database of Japanese Orthographic Variants

鞄中韓辭典研究所
©2010 The CJK Dictionary Institute


日中韓辭典研究所

鞄中韓辭典研究所(The CJK Dictionary Institute, Inc.)は日中韓各語に於ける漢字用法のあらゆる側面を網羅した包括的データベースの開発を行っており、現在、一般語彙・固有名詞・各種専門用語等、広範囲に亘る600万語以上の語彙データベースを保有しています。

日本語の表記のゆれ

日本語は4つの文字種を用いて表記され、世界で最も複雑な書記体系を持つ言語です。様々な異表記の存在によって、日本語の情報検索は極めて複雑且つ困難なものとなっています。例えば「取り扱い」と「当たり外れ」という語の異表記を示した下の表を御覧下さい。

異表記のタイプトリアツカイアタリハズレ
「標準」表記取り扱い当たり外れ
送り仮名異表記取扱い 当り外れ
送り仮名異表記 当外れ
漢字のみ 取扱当外
漢字を平仮名で代用とり扱い当たりはずれ
漢字を平仮名で代用取りあつかいあたり外れ
平仮名のみとりあつかいあたりはずれ

また、「きんのたまごをうむにわとり」の「標準」表記は「金の卵を産む鶏」でありましょうが、実際には「たまご」に4つ(卵、玉子、たまご、タマゴ)、「にわとり」に3つ(鶏、にわとり、ニワトリ)、「うむ」に2つ(産む、生む)の表記が存在し、「金の卵を生むニワトリ」「金の玉子を産む鶏」等、組み合わせによって20通り以上の異表記が生み出されるのです。これらの表記のゆれはウェブページで随所に見られ、情報検索に於てユーザが全ての異表記を発見することは不可能に近いと言えるでしょう。



CJKIの異表記データベース

日本語での情報検索、また情報技術分野一般に於て、優れた情報検索用ツールの重要性は益々高まっています。知的情報検索には高度な形態素解析ツールだけでなく、不規則な日本語の異表記を処理するために細かく設計された語彙データベースが必要です。 日中韓辭典研究所は、知的日中韓各語情報検索ツールの構築や、精度の高い分節処理技術を支える語彙資源の拡張に取り組んでいます。また、異表記グループのみならずグループ同士の関係を示す識別情報も備えた包括的な異表記データベースを、各種のソフトウェア及び情報検索システム開発者や研究機関に提供しています。下にデータの一部を紹介します。詳細な内容については、春遍雀來(ハルペン・ジャック)の論文「知的日本語検索の課題」を御参照下さい。
Table 0: 異表記タイプ
SymbolJapanese English URL
S文字種Cross-script variants full details
O送り仮名Okurigana variants full details
I異体字Kanji variants full details
P書き換え漢字Phonetic substitutes full details
K片仮名表記Katakana variants full details
J平仮名表記Hiragana variants full details
H同訓異字Kun homophones full details
N異表記に該当しないNot orthographic  


Table 1: アイビキ
ID_NumID_LetLexemeTypePOSReading
0071000a合いびきOSNCアイビキ
0071000b合い挽きOSNCアイビキ
0071000c合い挽OSNCアイビキ
0071000d合挽きOSNCアイビキ
0071000e合挽OSNCアイビキ
0071000f合びきOSNCアイビキ
      
0072000a合い引きOPVNアイビキ
0072000b合引きOPVNアイビキ
0072000c合引OPVNアイビキ
0072000d相引きOPVNアイビキ
0072000e相引OPVNアイビキ
      
0073000a逢い引きOPVNアイビキ
0073000b逢引きOPVNアイビキ
0073000c逢引OPVNアイビキ
0073000d媾曵きOIPVNアイビキ
0073000e媾曵OIPVNアイビキ
0073000f媾曳きOIPVNアイビキ
0073000g媾曳OIPVNアイビキ

Table 2: アキカン
ID_NumID_LetLexemeTypePOSReading
0091000aあき缶SINCアキカン
0091000bあき罐SINCアキカン
0091000cあきカンSNCアキカン
0091000d空きかんSNCアキカン
0091000e空き缶OSIPNCアキカン
0091000f空き罐OSIPNCアキカン
0091000g空き鑵OSPNCアキカン
0091000h空きカンSNCアキカン
0091000i空缶OSIPNCアキカン
0091000j空罐OSIPNCアキカン
0091000k空鑵OSPNCアキカン