教師の獲得

京大コーパスの 1995年1月1日〜1995年1月9日（休刊日のため1995年1月2日を除く）から教師データを，1995年1月10日〜1995年1月17日のデータからテストデータを生成する． 1994年全日を利用するデータは，1994年のデータに形態素解析システムJUMAN[17],構文解析システムKNP[18]を利用し教師を獲得する． まず，対象の助詞が最低1つは出現する文を抽出する． 次に，対象の助詞を取り除く． 対象の助詞を取り除いた文に対して，取り除いた助詞の種類を分類先として与える． 文中に対象の助詞が複数存在する文の場合， 対象の助詞の出現数分の教師データを獲得する． 例えば，「今は鳥取が熱い」の文からは次のような教師データを獲得する．$X$は取り除いた「は・が」の位置を表す．

副助詞は

　今$X$鳥取が熱い

格助詞が

　今は鳥取$X$熱い

の2つの教師データを獲得する． 教師データの素性の情報は京大コーパスの形態素・構文情報から得た． 獲得した教師データ数を表3.1に示す．

データ数

表: データ数

助詞	教師データ数	テストデータ数
は	4323	5558
が	4653	6009
に	5529	7045
で	2238	3071
を	6432	8329
へ	85	85

「に・へ」に関しては「へ」の教師数が少ないため，1994年の毎日新聞の記事一年分の各分類ごとの教師データ数を揃えたデータ（に：3,339文，へ：3,339文）も教師として利用する．教師データ数を表3.2に示す．

教師バランスを調整した「に・へ」のデータ数

表: 教師バランスを調整した「に・へ」のデータ数

助詞	教師データ数
に	3,339
へ	3,339