構文・照応・評価情報つきブログコーパスの構築

要旨

近年，ブログを対象とした情報アクセス・情報分析技術が盛んに研究されている．我々は，この種の研究の基礎データの提供を目的とし，249 記事，4,186 文からなる，解析済みブログコーパスを構築した．主な特長は次の 4 点である．i) 文境界のアノテーション．ii) 京大コーパス互換の，形態素，係り受け，格・省略・照応，固有表現のアノテーション．iii) 評価表現のアノテーション．iv) アノテーションを可視化した HTML ファイルの提供．記事は，大学生 81 名に「京都観光」「携帯電話」「スポーツ」「グルメ」のいずれかのテーマで執筆してもらうことで収集した．解析済みブログコーパスを構築する際，不明瞭な文境界，括弧表現，誤字，方言，顔文字等，多様な形態素への対応が課題になる．本稿では，本コーパスの全容とともに，いかに上記の課題に対応しつつコーパスを構築したかについて述べる．

主題