日本語日常会話コーパスのUniversal Dependencies: UD_Japanese-CEJC

本研究では，日本語日常会話コーパス (CEJC) をUniversal Dependencies形式に変換した日本語話し言葉のツリーバンク UD Japanese-CEJCを開発・構築したので，そのデータについて報告する．日本語日常会話コーパスは，日本語の様々な日常会話を収録した大規模な音声言語コーパスであり，単語区切りや品詞のアノテーションが含まれている．我々は，UD Japanese-CEJCのために，CEJCの長単位形態論情報と文節係り受け情報を新たにアノテーションした．UD Japanese-CEJCは日本語形態論情報と文節 ベースの依存構造情報およびCEJCから手作業で整備された変換ルールに従って構築した．構築したUD Japanese-CEJCに対して，日本語書き言葉コーパスとの比較やUD依存構造解析精度の評価をおこない，CEJCにおけるUD構築に関する様々な問題点を検討した．