おーぷん万叶プロジェクトの进捗と滨锄耻尘辞のその后
?
2 likes?3,540 views
おーぷん万葉プロジェクトの進捗とIzumoの進捗についてです。 2015/12/12 東海道らぐ＠横浜で発表したものです。
おーぷん万叶プロジェクトの进捗と滨锄耻尘辞のその后
- 2. 自己紹介 ● 東海道らぐ元名古屋案内人です – 現在は関東地方担当。 ● ちびぎーこ保護者会（別名：日本openSUSEユーザ会）の人 – 冬コミ原稿書きました！ （12/31 東「メ」36b） …ん？ またうち売り子やるの？？？ ● おーぷん万葉プロジェクトやってます！
- 3. おーぷん万葉とは（過去スライドの話） ● 目的「自由な日本語入力環境を手に入れよう！」 – 現在: かな漢字変換ソフト「Izumo」を開発中。 ● 現状の問題点： – ビックデータと叫ばれる時代に、開発がアクティブで 自由にコミットメントできる日本語入力システムがない？？？ – インプットメソッド（UI側）も残念な状況orz → そんな現状を打破したい！てのが目的です。 この辺りが過去（ぇ
- 4. 今年のおーぷん万葉の成果… ● 特になし（ぇ – 地道に実験ばかりに明け暮れた… – 一応OSCにはおーぷん万葉で出展 ● メンバーが１人→３人（？）になった – 意外にも方向性はほぼ一绪だった（…と思う(镑镑)
- 5. 来年は…①辞書構築に専念 ● 目的「自由な日本語入力環境を手に入れよう！」 → 「中立でオープンな日本語辞書を手に入れよう」 ● 来年のおーぷん万葉では… – どんなアプリでも利用できるオープンな辞書を開発する – mecab依存の辞書から脱却 ● おーぷん万葉の対象から外れる（or 優先度が落ちる）もの – 日本語入力のUI部 ←IBusとかあの辺り M氏からツッコまれそう…^^; てことで後継プロジェクト募集中！！！
- 6. 来年は…②Izumo開発停止！？ ● これまで ＝ かな漢字変換「Izumo」を開発 → 「Izumo」ではなく別の名前で開発します てか既にそれで動いてる… 理由： – Izumofsとか出てきてしまった！（ぎゃふん） – そもそも既にCannaのフォークを止めている ※ 但し、従来のCannaフォーク版はIzumoの名前を継続します 開発停止中だけどね? Izumoって名称は元々Cannaフォーク版だった頃の名残で 「Canna → 神無月 → Izumo」というものでした
- 7. 新しいかな漢字変換「Genji」 ● Izumo をやめて、 Genji を開発していきます パッケージ構成： – Genji： 大元のソフト（全体）。下記ライブラリを含む ● Murasaki： かな漢字変換＆形態素解析のライブラリ ● Fujitsubo： 辞書管理のライブラリ ● Aoi： 入出力部のライブラリ ←Glibを使用 Fujitsubo辺りは変動ありかも…
- 8. ここから先は Izumo→Genji の進捗 で、結局 Genji はどうなるの！？編
- 9. 従来のかな漢字変換の実装は？ ● 過去： N文節最長一致法 ← Canna 等 ● 現在： コスト最小法 ← mecab / Mozc 等 現在の主流は、ビタビアルゴリズム（コスト最小法） どの解説本にも載っているし、むしろそれしか載ってない
- 10. 解説① N文節最長一致法 ● 例文： 「きょうはあひるやきです」 今日 歯 あ 昼 焼きで 酢 今日は あ 昼 焼きです 今日は 家鴨 焼きです 今日は あひる焼きです ６文節 4文節 3文節 2文節 一番少ないのでこれを選択！ ポイント： 文節 = 自立語（名詞?動詞等） + 付属語（助詞等）
- 11. 解説② コスト最小法 文 頭 私 の 名前 は 中野 注：ちょっと（かなり？）端折って説明します^^; です 文 末ので す 中 綿 市 花 課 例： 「わたしのなまえはなかのです」を変換する場合 （コストの値はテキトーです^^;） 10 30 15 30 15 10 15 40 20 50 ● 単語生起コスト： 単語の出現優先度を表したコスト ● 連接コスト： 単語と単語の結びつきやすさを表したコスト → 全て足して、合計値が最も低いルートが 候補になります 15 30 40 45 20 20 20 20 50 20 25 30 40 45 20 20 出現頻度の高い単語は 単語生起コストが低い 「名前」と「花」という単語は結びつきにくいので 連接コストは高い
- 15. でもこれ、そもそものお話として… コスト最小法では変換できないのでは？ 庭 庭 鶏には が いる 庭 二 鶏には が いる羽 正解の変換のほうが単語数が多いため 単語生起コストがどうしても高くなる N文節最長一致法の場合は、恐らく実装による 「二羽」で１文節だが、そもそもそんな単語が辞書にあるか…