日本語複合辞用例データベース第1版

registration: 2008/11/07 00:36:08, last modified: 2009/02/04 04:12:38
title
  • 日本語複合辞用例データベース第1版
title.abbreviation
title.alternative
  • 日本語複合辞用例データベースMUST1.0
  • 日本語複合辞用例データベースv1.0
  • MUST1
  • Nihongo Fukugoji Yorei Database v 1.0
creator
  • developer グループMUST
  • researcher 松吉俊 奈良先端科学技術大学院大学情報科学研究科(グループMUSTメンバー)
  • researcher 宇津呂武仁 筑波大学大学院システム情報工学研究科(グループMUSTメンバー)
  • researcher 佐藤理史 名古屋大学大学院工学研究科(グループMUSTメンバー)
  • researcher 土屋雅稔 豊橋技術科学大学情報メディア基盤センター(グループMUSTメンバー)
subject
  • 用例データベース
subject.linguisticField
  • computational_linguistics
  • lexicography
  • morphology
subject.monoMultilingual
  • monolingual
subject.resourceSubject
  • corpus
description
  • 複合辞の機械処理を研究するための基礎データを提供することを目的として設計・編纂した日本語の用例データベース。337の見出し語(国立国語研究所編『現代語複合辞用例集』に準拠した見出し語125語を細分化)と10,968件の用例(各見出しに最大50件の用例データを付与)を収録。尚、配布パッケージMUST1-distには毎日新聞95年度版の記事データは含まない。
description.price *This metadata is only as a guide
  • MUST1-core (新聞テキストを削除した形)：無料
  • 参考：毎日新聞CD-ROM版(本パッケージには含まれません。要別途購入)：126,000円
description.language
  • Japanese 日本語
description.inputDevice
description.inputEnvironment
description.speakingStyle
description.speechMode
description.samplingRate
description.additionalData
publisher
  • グループMUST
  • must@nlp.iit.tsukuba.ac.jp
contributor
  • developer 京都大学情報学研究科－NTTコミュニケーション科学基礎研究所共同研究ユニット「グローバルコミュニケーションを支える言語処理技術」
  • sponsor NTTコミュニケーション科学基礎研究所
contributor.attribute.author.motherTongue
  • native 毎日新聞社
  • native 国立国語研究所
contributor.attribute.author.dialect
  • standard_dialect 毎日新聞社
  • standard_dialect 国立国語研究所
contributor.attribute.author.level
  • professional 毎日新聞社
  • professional 国立国語研究所
contributor.attribute.author.age
  • adult 毎日新聞社
  • adult 国立国語研究所
contributor.attribute.author.gender
contributor.attribute.speaker.motherTongue
contributor.attribute.speaker.dialect
contributor.attribute.speaker.level
contributor.attribute.speaker.age
contributor.attribute.speaker.gender
contributor.attribute.speaker.number
date.created
date.issued
  • 2006-00-00
date.modified
  • 今後の予定：バージョン1.1(毎日新聞91–99年記事をテキストソースとし、複合辞の出現が偏っているものに限り最大100用例)
  • 今後の予定：バージョン1.2(毎日新聞91–99年記事をテキストソースとし、すべての複合辞について最大100用例)
  • 今後の予定：バージョン1.3(毎日新聞91–99記事をテキストソースとし、複合辞の出現が偏っているものに限り最大150用例)
  • http://nlp.iit.tsukuba.ac.jp/must/manual.pdf
type
  • Text
type.discourseType
  • report
type.linguisticType
  • primary_text
type.purpose
  • developing_technologies 日本語複合辞の機械処理研究用基礎データの提供
type.style
  • written 新聞記事
type.form
  • unfixed
type.sentence
  • short
  • long
type.annotation
  • annotated 見出し語出現頻度、用例データの用例ID、テキストID、ターゲット文の位置、判定ラベル等の属性付与(http://nlp.iit.tsukuba.ac.jp/must/manual.pdf)
type.annotationSample
  • [要素タグ(2)]
    <subentry></subentry> : 小項目要素
    <example></example> : 用例要素

    http://nlp.iit.tsukuba.ac.jp/must/manual.pdf
  • [小項目属性(4)]
    id="小項目ID" : 小項目ID
    name="表示|表示[読み]" : 小見出し語
    freq="出現頻度" : 出現頻度
    total="全出現頻度" : 全出現頻度

    The rest (details) is omitted.

    http://nlp.iit.tsukuba.ac.jp/must/manual.pdf
  • [用例属性(5)]
    id="用例ID" : 用例ID (Ann-nnnn-nnn またはBnn-nnnn-nnn)
    source="テキストID" : テキストID
    target="開始位置-終了位置" : ターゲットの位置
    label="判定ラベル" : 判定ラベル(ターゲット文字列のテキスト中における働き)
    note="備考" : 備考

    The rest (details) is omitted.

    http://nlp.iit.tsukuba.ac.jp/must/manual.pdf
type.sample
format.extent
  • 見出し語(小項目)数：337件
  • 総用例数：10,968件
  • MUST1-distファイルサイズ：380,329バイト
format.medium
format.encoding
  • EUC-JP
format.markup
  • XML
format.functionality
  • MUST1-CoreからMUST1を復元するプログラムが配布パッケージに含まれる。
  • MUST1からMUST1HTML版を生成するプログラムが配布パッケージに含まれる。
  • Perl 5.8.1以上：
    復元・HTML版作成に必要。
  • 形態素解析器MeCab：
    毎日新聞からの対象テキストの形態素解析に使用された。
    http://chasen.org/˜taku/software/mecab/
identifier
identifier.doi
identifier.islrn
source
  • C-001600,CD-Mainichi Shimbun '95 Data Collection
  • 国立国語研究所編現代語複合辞用例集
language
  • Japanese 日本語
language.area
  • Japan 日本
relation
relation.utilization *This metadata is automatically extracted
coverage.temporal
  • 1995
coverage.spacial
  • 日本
rights
  • 著作権者(MUST1-core)：グループMUST
  • 著作権者(国立国語研究所編『現代語複合辞用例集』)：国立国語研究所
  • 復元したMUST1の使用に際し、毎日新聞社との間で利用許諾契約を結ぶこと。