整理技術研究グループ月例研究会報告

大規模韓国語オントロジ開発のためのシソーラス構築

崔錫斗氏（韓国・京畿大学）

日時：: 2005年7月16日（土） 14：30～17：00
会場：: 大阪市立浪速人権文化センター
発表者：: 崔錫斗氏（韓国・京畿大学文献情報学科教授）
テーマ：: 大規模韓国語オントロジ開発のためのシソーラス構築
共催：: 情報知識学会関西部会、横断的アーカイブズ論研究会（平成17～19年度文科省科研費補助金基盤研究(B)：番号17300081）
後援：: 情報科学技術協会
出席者：: 石田禎（ユニチカ）、大江和彦（東京大医学部附属病院）、小笠原和慶（静岡大大学院）、蔭山久子、川崎秀子（佛教大）、河手太士（大阪樟蔭女子大図書館）、久保恭子（神戸松蔭女子大）、倉橋英逸（関西大）、黒田明子（科学技術振興機構）、古賀崇（国立情報学研究所）、国分芳宏（言語工学研究所）、白井靖人（静岡大）、新谷祐香（千里文化財団）、瀬戸川教彦（日立システムアンドサービス）、田窪直規（近畿大）、田村俊明（大阪市立大学術情報総合センター）、土戸千晶（国立民族学博物館）、研谷紀夫（東京大大学院）、浜田行弘（関西学院大）、藤原譲（基礎情報学研究所）、堀池博巳（京都大情報環境部）、松井純子（大阪芸術大）、水嶋英治（常磐大大学院）、美代賢吾（東京大医学部附属病院）、牟田昌平（アジア歴史資料センター）、八重樫純樹（静岡大）、山崎直樹（大阪外国語大）、山崎誠（国立国語研究所）、山野美贊子（帝塚山学院大非常勤）、吉田暁史（帝塚山学院大）、吉野敬子（三菱ウエルファーマ）、渡邊隆弘（神戸大図書館）、崔　＜３３名＞

発表者の開発している50万語レベルの韓国語一般シソーラスについて発表された。同シソーラスは韓国のインターネット検索エンジンに組み込まれるなど、既に実用化されている。

１．シソーラス構築の基本構想

・一般用語（主題語）のほか人名・書名・地名等の固有名をも対象とし、用語に対応する各国語の表現や図書館分類・商品コードなどの各種語彙体系ともリンクされた「用語のプール」を基本構想としている。
・現在、主題語を中心に約47万語を擁しているが、基本用語数は100万語以上になると推定している。もっとも実際には索引及び検索の適合性を勘案して用語数・分析深度の調整が必要である。対象とする用語は、名詞類と形容詞である。
・汎用オントロジ（一般オントロジ）の開発が大きな目標である。セマンティックWebの枠組みでいうと、シソーラスは「RDFスキーマ層」「オントロジ層」に対応したところに位置づけられる。
・概念関係表現を行うための基本的枠組みとして「基本概念関係」「概念ファセット」「副次概念関係」を整理している。

２．シソーラスの適用可能性

・索引語の加重値付与、全文テキストの自動索引、動的主題ゲートのための分類体系の作成、同形異義語を区分した索引・検索、外国語参照及び交差言語検索、オントロジ構築などへの適用が考えられる。

３．基本概念関係

・基本概念関係とは、シソーラスに関するISO標準に準拠したものであり、BT/NT（階層関係）、USE/UF（等価関係）、RT（関連関係）が中心である。ただし、例えばBT（上位語）をBTG（属関係）・BTI（事例関係）・BTP（部分関係）に細分したり、PT/LT（以前・以後の用語）を設定するなどの精緻化をはかっている。
・その他、各種の分類コードや外国語コード、用語定義、用語水準（教科書での出現状況）等も設定する。また、人名と書名の間にあるTIT/AUT（著作/著者）等も基本概念関係である。

４．概念ファセット

・各用語の基本的性格を示すカテゴリとして、概念ファセット「空間」「方法」「状態・性質」「構造物」「機器・装置」「生物」「物質・材料」「非技術的行為」「現状・事件」「組織」「症状」「技術的行為」「コンテンツ・ドキュメント」を設定している。現時点では科学技術用語を対象としており、用語一般に拡張するにはさらに検討を要する。
・概念ファセットの用途として、自然言語処理への適用、名詞の語彙網作成の際の最上位カテゴリ、概念関係設定時のエラー検出基準、等が考えられる。

５．副次概念関係

・シソーラスのISO標準における関係表現は不十分である。一方オントロジでは概念関係の表現に制限がないが、全く単純化された形では情報追求活動に支障がある。結論として、基本概念関係の基礎の上に、それらをより精緻に細分する副次概念関係を定義する必要がある。
・副次概念関係の類型として、双方向に同じ関係が成り立つもの、向きを逆にすると対応して関係が変わる対称的性質をもつもの、一方通行のもの、がある。
・BT/NT（階層関係）に対して、現在65種の副次概念関係を定義している。これで全てではなく、100種内外になると推定している。「構造（部／課）」「分野（工学／ロボット工学）」「成分（化合物／シリコン水素化合物）」等の「包含関係」（20種）、「器機（基板／携帯基板）」「手段（決裁／電子決裁）」等の「限定関係」（19種）、「長さ（銃／長銃）」「色（光線／赤色光線）」等の「順序関係」（15種）、「距離（通信網／近距離通信網）」「地形（道路／海岸道路）」等の「処所関係」（11種）がある。ある語の各下位語に副次概念関係を設定することにより、区分原理による関係の整理ができる。
・USE/UF（等価関係）に対して、「一般名／学術名」「表記の相異」「旧用語／現代用語」「方言」等約100種の副次概念関係を設定している。最終的には200種内外と推定している。
・RT（関連関係）はISO標準における設定基準が曖昧である。現在は「業務と従事者」など約20カテゴリーにあたはまる関係にのみ設定を行っている。関連関係やその他の関係（固有名に関わるものなど）について副次概念関係の整理は十分ではないが、1,500種内外になるのではないかと推定している。

６．おわりに

・大規模シソーラスの開発は労働集約的で切りのない作業であり、本来は国家レベルでなされるべきである。また、概念及び副次概念関係の標準化が必要である。
・現在は基本的に手作業であるが、ある時点からは自動化していく必要がある。

（記録文責：渡邊隆弘）