概要

言語の意味理解の一つとして，言語表現から書き手や登場人物の情緒を推 定する技術に期待が寄せられている． 情緒推定の手法は，パターン辞書を用いる手法や機械学習を用いる手法がある． これらの手法は，テキストに例えば「嬉しい」など直接的に情緒が表現されなく ても， 情緒生起原因を根拠として，情緒推定を行う． 情緒推定技術を高める上で，情緒生起原因を表す言語表現の収集は基礎的で重要 な課題である．そこで本研究では，Webコーパスから，2種類の方式，すなわち因 果表現に基づく収集方式，および，共起頻度に基づく収集方式で情緒生起原因 を収集することを試みる．

一つ目の方式は，第一に，次の条件で文を収集する． 接続表現「ので」となる因果表現文であること，主節が情緒の直接表現であるこ と，文の末尾が動詞，補助動詞，もしくは助動詞が終助詞であること，述語のモ ダリティが順接的であるもの(例えば否定文)，かつ，句点で終了することとする． 第二に，従属節から， 「格要素の名詞」と「述語の動詞」，および，「それらの2つ組」をそれぞれ抽 出する．最後に，主節の評価極性との共起に注目しながら「名詞」，「動詞」， および「2つ組」に対して，頻度を求める． 二つ目の方式は，第一に，次の条件で文を収集する． Webコーパスから「良い」（Positiveの明確な形容詞），および「悪い」 （Negativeの明確な形容詞）が出現する文数をそれぞれ求める．第二に，因果表現文で収集した2 つ組を含む文を収集する．その中で，「良い」と共起する文数，および「悪い」と共 起する文数を求める．最後に，以上の文数を用いて評価極性値$SO$-$Score$を算出する．

本研究で収集する情緒生起原因は，名詞と動詞の「2つ組」に着目し，Kawaharaらの$5$億文Webコーパスから収集を 試みる． 因果表現に基づく収集では，獲得の手がかりとなる感情表現に小林らの直接表 現辞書から人手で抽出した$374$語の感情表現を使用する．テキストと感情表現 を照合して抽出し，従属節を形態素解析と係り受け解析によって「名詞」，「動詞」，お よびそれらの「2つ組」を抽出して，頻度を求める．共起頻度に基づく収集では，$5$億文のテキストと 「良い」，および「悪い」を照合して，照合した文数を求める．さらに，$5$億文 のテキス トと「2つ組」(Positive傾向である名詞「写真」， 「店」 およ び，Negative 傾向である名詞「家」，「車」についての「動詞」を組み合わせた2つ組)を照合する．再び抽出文と「良い」，および「悪い」を照合して， 照合した文数を求める．求めた文数を式変形した$SO$-$Score$の式に代入して算 出する．

収集した結果，因果表現文は$12,060$文収集し，$10,333$の「2つ組」を得た． また，共起頻度に基づいた文は$284,720$文収集し，その中から$205$の「2つ組」 を得た．これらを評価したところ， 因果表現文からの収集は，日本語語彙大系の日本語表現パターン 数に比べて数が不足している． また共起頻度に基づく収集は，網羅性が高いが，Negitive傾向の名詞に対する評価極性の 信頼性確保が課題として残った．これには多くの2つ組の収集を行いながら対策 を考える必要がある．

2つの方式で情緒生起原因を収集することができたが，情緒推定技術の重要な資 源確保，および，言語の意味理解に関する知見獲得のために，今後も収集と考察 を続ける必要があると考えている．