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。

1. おーぷん万葉プロジェクトの進捗
…と、Izumoのその後
2015/12/12 東海道らぐ＠横浜(in JSP)
はしもとまさ

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緒だった（…と思う(^^)

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

12. がしかし、コスト最小法って…
●
結局のところ、単語と単語のつながりしか
判定できてない
●
文脈解釈とか意義解釈とか全然やってないので
当たり前といえば当たり前かも
元々mecab（＝形態素解析器）で用いてた手法
→ それって本当にかな漢字変換には向いてるの？

13. というわけでこんな例文
手元に Mozc がある場合は
「にわにはにわにわとりがいる」
を変換してみよう！
（一発で変換できるか？）

14. …何度も話しているので^^;
Mozc だと
「庭には庭鶏がいる」
と変換されます
こけこっこ〜

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…

16. 仮説。
コスト最小法は形態素解析には向いていても
かな漢字変換には不向きである…？

17. というわけで「Genji」に課せられた課題
「にわにはにわにわとりがいる」を変換できること
対策案： （まだ実験中…）
– 係り受けを利用する
– 文節単位でコストを計算する
※ただし、なるべく計算に縛られたくない
コスト最小法に変わる新しい実装が必要…かも

18. ご清聴、ありがとうございましたm(_ _)m