TEI：P5に基づく近世口語資料の構造化とその問題点

要旨

国立国語研究所では，「日本語歴史コーパス設計」プロジェクトの一環として古典資料の形態素解析を実施している．形態素解析を行うためには，基礎資料となる古典テキストの電子化が必須である．これまでに様々な時代のテキストコーパスを電子化し，公開している．しかし，これらのテキストコーパスは，国立国語研究所が独自に考案したタグセットに基づくXML を用いてマークアップが行われているため，各コーパスを規定する要素は，基本的に統一されていない．そのため，複数のコーパス間の構造比較や計量分析を機械的に実施することが現状では難しいという問題を抱えている．したがって，複数のコーパスの構造を高次の視点から統一的に記述することが求められている．本稿では，この問題を解決するために，洒落本の一冊『傾城買二筋道』の版本を事例に，TEI P5 準拠のXML 形式による文書構造化を検討する．