サクサク読めて、アプリ限定の機能も多数!
トップへ戻る
Pixel 9
srad.jp/~yasuoka
法務省は、戸籍に使われている文字を全て戸籍統一文字に追加すると同時に、ISO/IEC 10646 (UCS)への追加提案をもおこなうことを決めた。UCSへの追加提案をおこなう漢字は、戸籍統一文字555650・558160・559970や登記統一文字01020750・01048110など。なお、世界最先端IT国家創造宣言において
1月26日の日記で引用した『ウアイヌコㇿ コタン アカㇻ』の挨拶文を、esuparの助けを借りつつ、手作業でUniversal Depedencies化してみた。 # text = イランカラㇷ゚テ。 1 イランカラㇷ゚テ irankarapte INTJ 間投詞 _ 0 root _ SpaceAfter=No 2 。 . PUNCT 記号 _ 1 punct _ _ # text = ウアイヌコㇿ コタン オルン シネウパ ウタㇻ、 エチコプンテㇰ ナ。 1 ウアイヌコㇿ uwaynukor VERB 他動詞 _ 2 amod _ _ 2 コタン kotan NOUN 名詞 _ 3 n
国立アイヌ民族博物館第3回テーマ展示『ウアイヌコㇿ コタン アカㇻ』を見に来た。最初の挨拶文が非常に印象的だったので、ここに引用しておくことにする。 イランカラㇷ゚テ。 ウアイヌコㇿ コタン オルン シネウパ ウタㇻ、 エチコプンテㇰ ナ。 アヌココㇿ アイヌ イコロマケンル 第3回テーマ展示 『ウアイヌコㇿ コタン アカㇻ ―民族共生象徴空間(ウポポイ)のことばと歴史―』 セコㇿ チレコ ワ オロ タ エチエカノㇰ。 2020パ 7チュㇷ゚ 12ト ワノ アイヌ プリ カンナ アシトゥリレ クニネ ウアイヌコㇿ コタン アン。 タン コタン オルン アイヌ ウタㇻ カ シサㇺ ウタㇻ カ レプンクㇽ ウタㇻ カ シネウパ。 アイヌ プリ エヤイパカㇱヌ。 “ウポポイ” アナㇰネ ウアイヌコㇿ コタン ポンレ ネ。 タン トゥンプ オッタ “ウアイヌコㇿ コタン ヘマンタ クス アカㇻ ル
思うところあって、国語研長単位係り受け解析モデルroberta-base-japanese-aozora-ud-goeswithを作ってみた。Google Colaboratoryで動かしてみよう。 !pip install transformers ufal.chu_liu_edmonds deplacy class UDgoeswith(object): def __init__(self,bert): from transformers import AutoTokenizer,AutoModelForTokenClassification self.tokenizer=AutoTokenizer.from_pretrained(bert) self.model=AutoModelForTokenClassification.from_pretrained(bert) def __c
昨日および2017年12月26日の日記の読者から、戸籍統一文字559970「⿺辶鳥」はUCSに追加されるのか、という趣旨の質問をいただいた。私(安岡孝一)の知る限り、デジタル庁からも法務省からも、そういう話は出ていない。デジタル庁が考える文字情報基盤の「整備」にも書いたが、もう一度、地方公共団体情報システムデータ要件・連携要件標準仕様書【第1.0版】を見てみよう。 (2) 文字符号化方式 各標準準拠システムの間の連携のための符号化方式については、UTF-8とする。 なお、標準準拠システム内の符号化方式はUTF-8またはUTF-16とする。 (3) 外字の取扱い 標準準拠システムを導入する前に地方公共団体がそれぞれ独自に作成した文字、いわゆる「外字」については、戸籍システムにおいて当該「外字」を文字情報基盤として整備された文字と同定した文字を利用することにより、他の標準準拠システムは、当該「
私(安岡孝一)が昨日の日記に書いた「JIS X 0213に縮退するなんて無理です」に対し、現実の社会では既に縮退がおこなわれているのだから大丈夫なのではないか、という趣旨の御意見をいただいた。地方公共団体情報システムデータ要件・連携要件標準仕様書【第1.0版】の 氏名等について、文字情報基盤として整備された文字からJIS X 0213:2012の文字への縮退は、デジタル庁がMJ縮退マップを改良して作成した自治体用縮退マップを用いて行う。ただし、縮退した文字について、本人が希望する場合には、自治体用縮退マップにより縮退した文字とは異なるJIS X 0213:2012の文字とすることができる。 を横目に、登記統一文字01009670を含む神社(金「⿱刀比」羅神社)について、少し見てみよう。私の見る限り、これらの神社では「金刀比羅神社」への縮退や「こんぴら神社」への縮退が、現実におこわれている。
昨日の日記に対して、デジタル庁は文字情報基盤を拡張する心算なのではないか、との御指摘をいただいた。地方公共団体情報システムデータ要件・連携要件標準仕様書【第1.0版】を、もう少し読んでみよう。 標準準拠システムを導入する前に地方公共団体がそれぞれ独自に作成した文字、いわゆる「外字」については、戸籍システムにおいて当該「外字」を文字情報基盤として整備された文字と同定した文字を利用することにより、他の標準準拠システムは、当該「外字」を利用しない。仮に、「外字」を文字情報基盤の文字と同定する取組みを行った上でも、なお「外字」を利用せざるを得ない場合においては、戸籍システムにおいて文字情報基盤の文字とは別の文字コード(デジタル庁が指定したものに限る。以下同じ)に対応させたものを利用することにより、他の標準準拠システムは、当該「外字」を利用しない*。 文字情報基盤の文字セット及び文字情報基盤の文字と
戸籍・住記等システム間において氏名等を情報連携する場合には、文字情報基盤として整備された文字とする。 住民記録システムと戸籍・住記等システム以外の標準準拠システムとの間において氏名等を情報連携する場合や、戸籍・住記等システム以外の標準準拠システム間において氏名等を情報連携する場合は、JIS X 0213:2012の文字とする。 いや、それはマズイ。いくらなんでもJIS X 0213:2012や文字情報基盤では、個人の氏名のみならず法人名が書ききれない。JIS X 0213は、そもそも法人名を対象としていなかったし、文字情報基盤も登記ガラミの文字を対象としていないのは、以前、私(安岡孝一)の日記にも書いたとおりだ。これ、法人住民税とか固定資産税のシステムだと、どう考えても無理なんだけど、と思いつつ、前後を読んでみると、さらに恐ろしいことが書いてあった。 戸籍・住記等システム(戸籍システム、戸
昨日の日記の読者から、「私は腹が立つた」は「象は鼻が長い」と同じ構造なのか、という趣旨の質問をもらった。昨日と同様に、nsubj:outerで書いてみよう。 象 NOUN ═╗<══╗ nsubj:outer(主語[外側]) は ADP <╝ ║ case(格表示) 鼻 NOUN ═╗<╗ ║ nsubj(主語) が ADP <╝ ║ ║ case(格表示) 長い ADJ ═══╝═╝ root(親) 確かに、「象は鼻が長い」なら「鼻が長い」をPredicate Clauseとみなすのも、アリだと思う。ただ、もし本当にPredicate Cluaseであるならば、Universal Dependenciesの新しいルールによって倒置文「鼻が象は長い」は、以下のように表すことになる。
『新しい常用漢字と人名用漢字』(三省堂、2011年3月)の読者から、本日付けのasagei MUSE『【ちむどんどん】記事への投書にも誤りが!新聞社が舞台とは思えない時代考証ミスとは?』を読んでみてほしい、との御連絡をいただいた。 「愛が目にした3通目の投書には『鎌田侑由子』という差出人の名前が書き添えてありました。他の投書にも名前の書かれているものが多く、制作側は多くの仮名を考えたのでしょう。しかしここに問題があったのです。というのも侑由子の『侑』は、1981年10月1日から人名用漢字として使えるようになった漢字。しかし物語は1978年(昭和53年)なのですから、侑由子さんから投書が来ることは有り得ないのです」 えっと、私(安岡孝一)自身は、昨日の『ちむどんどん』第67話を見ていないので、迂闊なことは書けないのだが、1978年のタイミングだと沖縄出身の人だったりしないのだろうか。あるいは
「戸籍法等の改正に関する中間試案」に関する意見募集が始まったので、ざっと資料を見直していたのだが、小書きのカナをどうするのかについては、やはり議論が煮詰まっておらず、どうも困った感じである。戸籍法等の改正に関する中間試案の補足説明の「【乙案】氏名を片仮名で表記したもの」に関する部分を見てみよう。 【乙案】は、戸籍の記載事項としての表記を片仮名と定めるものである。部会では、片仮名表記は、平仮名表記と比較して表音が容易であり、外来語の表記に違和感を覚えにくいという特徴があるとの指摘や、金融機関においては、データ通信量等の観点から、半角カナが用いられているとの指摘があった。 金融機関において使われているのは、いわゆる「半角カナ」(JIS X 0201のカタカナ)ではなく、旧JIS C 0803(1987年にJIS X 6001へ規格番号変更後1994年に廃止)のカタカナだったりする。そのため、小
gojiteji/byt5-small-ain-jpn-mtという言語モデルがリリースされているのを見つけた。名前からすると、ByT5によるアイヌ語→日本語自動翻訳モデルのようだ。試しに使ってみよう。 $ pip3 install -U transformers --user $ python3 >>> from transformers import AutoTokenizer,AutoModelForSeq2SeqLM,TranslationPipeline >>> tkz=AutoTokenizer.from_pretrained("gojiteji/byt5-small-ain-jpn-mt") >>> mdl=AutoModelForSeq2SeqLM.from_pretrained("gojiteji/byt5-small-ain-jpn-mt") >>> pipeline=T
自然言語処理Advent Calendar 2021を見に行ってみたところ、今年は閑古鳥が鳴いている。もはや、自然言語処理ブームが過ぎ去った、ということなのかもしれないが、それでも、今年発表された日本語係り受け解析器のうち、私(安岡孝一)の目に止まったものを「総ざらえ」してみよう。 ja-ginza-electra transformers-ud-japanese-electra-base-ginzaをベースにした日本語係り受け解析器で、GiNZAの最新モデルである。単語間係り受けのみならず、文節間係り受けもサポートしており、日本語係り受け解析器としてはダントツの性能(私見)。 SuPar-UniDic 形態素解析部に10種類のUniDicを、係り受け解析部に21種類のBERTモデルを、つなぎ換えて楽しむ日本語係り受け解析器。どれをどう繋げば性能が出るのかわかりにくいが、使い方は3月12日
東京地方検察庁検事の考える「尤度比」の読者から、横浜地方検察庁検事正の北村篤が書いた『DNA鑑定の確率計算』(島大法學、第64巻、第1・2合併号(2021年3月)、pp.33-71)という論文を教えてもらった。確率計算をおこなう論文のはずなのに、統計学的な考え方が見事に欠落しており、読んでいて痛々しかった。 アレルの有無の情報だけに基づく確率計算の考え方は,例えば『DNA鑑定とタイピング』( J.M.Butler著,福島弘文ほか監訳,「Butler」と略記する。)などで紹介されているが,具体的な計算方法(計算式)は十分には説明されていない。
昨日、UD_Japanese-GSDLUWが仮リリースされた、との連絡をいただいたので、一晩かけて、日本語「長単位」解析モジュールbert-base-japanese-luw-upos・bert-large-japanese-luw-uposを作成した。esuparへの組み込みもうまくいったので、Google Colaboratoryで動かしてみよう。 !pip install esupar import esupar nlp=esupar.load("ja_luw") doc=nlp("全学年にわたって小学校の国語の教科書に大量の挿し絵が用いられている") import deplacy deplacy.render(doc,Japanese=True) deplacy.serve(doc,port=None) 全学年 NOUN ═╗<══════╗ obl(斜格補語) にわたっ
「氏名の読み仮名の法制化に関する研究会」が昨日付けで取りまとめを公開した、との御連絡をいただいた。ざっと読んだ限り、【甲案】【乙案】両論併記になっているものが多い。ただ、小書きのカナについては両論併記にすらなっておらず、議論がまだ煮詰まっていないように、私(安岡孝一)には見える。 「現代仮名遣い」等は,平仮名による表記の規律を定めたものであることから,氏名の読み仮名として戸籍に記載することができる片仮名の範囲については,これらに基づき,現代仮名遣い本文第1の直音(「あ」など),拗音(「きゃ」など),撥音(「ん」)及び促音(「っ」)を片仮名に変換したものとすることが考えられる。また,現代仮名遣いに含まれていないが,先例上,子の名として戸籍に記載することができるとされている小書き(「ぁ」・「ァ」など)及び片仮名についての長音(ー)も,範囲に含めることが考えられる 戸籍統一文字には、小書きのカナ
ネットサーフィンしていたところ、日本規格協会のサイトで「入門:標準化とビジネス」という標準化教育教材に出くわした。22ページにQWERTY配列が紹介されている。 我々が使っているキーボードのアルファベッド配列は、QWERTY配列と呼ばれる標準である。わが国だけでなく、欧米各国や、中国、アラビア語圏の国でも、QWERTY配列のキーボードが使われている。 世界的に使われている配列であるが、米国や英国の国家標準でもないし、国際標準化機関で取り決められた標準でもない。1882年、米国企業であるレミントンランド(Remington Rand)が発売したタイプライターにQWERTY配列は搭載された。その後、他の企業が造るタイプライターにもQWERTY配列が採用され、いつの間にか標準となったのである。 さて、どこから突っ込んだらいいのやら。とりあえず、Remington Rand社の設立は1927年なの
思うところあって、兵庫県の仁頃バス停から居組港バス停まで、路線バスで移動することを考えてみた。鉄道や高速バスは使わない、という条件だ。この日記の読者の中に、そういう情報が役立つ人がいるとは思えないのだが、とりあえず公表することにする。 仁頃08:57→09:34神代 [らん・らんバス] 神代09:59→10:49洲本バスセンター [淡路交通バス] 洲本バスセンター11:10→11:33しづかホール前 [淡路交通バス] しづかホール前11:39→12:50岩屋ポートターミナル [あわ神あわ姫バス] 岩屋港13:00→13:13明石港 [淡路ジェノバライン] ・明石駅付近で遅昼 明石駅14:35→15:58社(車庫前) [神姫バス] 社(車庫前)16:50→17:17アスティアかさい [神姫バス] アスティアかさい17:53→18:04西大貫 [神姫バス] ・福崎保健所周辺で一泊 保喜07:5
『戸籍』第992号(令和3年1月臨時増刊号)がやっと手元に届いたので、土手敏行「戸籍行政をめぐる現下の諸問題」(pp.5-54)を読んでみた。令和2年10月27日に開催予定だった第73回全国連合戸籍住民基本台帳事務協議会総会が、書面開催という事態になってしまったため、この講演も「誌上講演」という不思議な形で掲載されている。私(安岡孝一)の一番の興味は、戸籍における読み仮名の法制化だ。 次に【資料6】を御覧ください。これは,令和2年12月25日に閣議決定されたデジタル・ガバメント実行計画です。34頁の「5.4読み仮名の法制化の検討」を御覧ください。 「【現状】 システムにおける氏名の取扱いに当たり,漢字では処理が難しいため,読み仮名(カナ氏名)があることが望まれる。もっとも,現在読み仮名(カナ氏名)を公証する公簿は存在しない。 【取組方針】 2024年(令和6年)からのマイナンバーカードの海
ネットサーフィンしていたところ、Acrovisionの「自然言語処理とは?自然言語処理が行われる主な流れ6つ活用事例4つを紹介」(2021年3月4日)という記事に、以下のようなワケの分からない文面を見つけた。 図書館などで書籍検索システムに使われる「機械可読目録」は、自然言語処理の前段階として辞書的な役割を果たします。文字を認識する目のように読み取り、変換します。 私(安岡孝一)の知る限り、MARC (MAchine Readable Catalog, ISO 2709:2008)を自然言語処理の前段階に使ったりはしないのだけど。これ、どこかに元ネタがあるんじゃないかと思って、もうちょっとネットサーフィンしてみたところ、TRYETINGの「自然言語処理とは?仕組みや活用事例もあわせて解説」(2021年2月28日)というコラムに、以下のようなワケの分からない文面を見つけた。 機械可読目録はM
昨年12月26日の日記で紹介したSuParを、UniDic2UDに繋いで、SuPar-UniDicという日本語係り受け解析ツールを試作してみた。現時点では、10種類のUniDic(unidic-liteを含む)を、7種類のBERTモデルと繋げられるので、合計70種類の組み合わせが楽しめる。しかも、解析結果はspaCy準拠だ。とりあえず、インストール。 $ pip3 install git+https://github.com/yzhangcs/parser --user $ pip3 install suparunidic --user
ネットサーフィンしていたところ、DiaParserという係り受け解析ツールを見つけた。Transformers上で、22の言語の係り受け解析をおこなえるらしいが、品詞付与をおこなわずに、元の文に対してダイレクトに係り受け解析をおこなうようだ。とりあえず、DiaParserの日本語モデルを、Google Colaboratory上でdeplacyに繋いでみよう。 !pip install deplacy diaparser fugashi unidic-lite ipadic from transformers.tokenization_bert_japanese import MecabTokenizer tokenizer=MecabTokenizer(mecab_dic="unidic_lite") from diaparser.parsers import Parser parser
昨日(6月8日)付で、『特定給付金等の迅速かつ確実な給付のための給付名簿等の作成等に関する法律案』が衆議院に提出された。私(安岡孝一)なりにざっと読んでみたのだが、やる気の無さがアチコチに見える。たとえば、法律案の第六条第四項。 次の各号に掲げる者は、当該各号に定める手続が行われる際に当該手続を行う者から次条各号に掲げる事項に係る情報を取得するときは、当該手続を行う者の同意を得て、当該情報を内閣総理大臣に提供することができる。この場合において、当該同意をした者は、第一項の申出をしたものとみなす。 4月23日の日記にも書いたが、そもそも個人番号利用事務(マイナンバー事務)に本人同意が不要というのは、制度設計当初からの方針だし、現在も変わらず堅持されている。にもかかわらず、この法律案では、特定個人情報(個人番号を含む情報)の取得に「当該手続を行う者の同意を得て」と書かれており、成立させる気が無
3月10日付けで新しいUnicode 13.0がリリースされた、との連絡をいただいていたのだが、私(安岡孝一)自身がちょっとバタバタしていて、日記に書くのを忘れていた。今回、とうとう漢字がU+30000~U+3134Aにハミ出してしまったのが、かなり大変だったりする。また、広東語・客家向けの注音字母(Bopomofo)がU+31BB~U+31BFに追加されたのだが、どういう漢字音を表しているのか、私個人にはイマイチ聞き分けられないのがツライ。 なお、JIS X 0221の改正もまもなくおこなわれる予定だが、こちらはISO/IEC 10646:2017相当なので、当然Unicode 13.0には追いついていない。ただし、JIS X 0221の附属書JAは、今回の改正で「文字情報基盤」が追加されるので、関係各位は注意されたい。
『キーボード配列QWERTYの謎』の読者から、松尾公也の『HHKBのControlキーはなぜAの左なんだぜ』(ITmedia NEWS、2019年12月10日)という記事を読んでみてほしい、との連絡をいただいた。 この頃使われていたSun type3キーボードの配列を参考に、HHKBは作られた。だからControlキーがAの横にある。だが、それによってどんなメリットがあるのかという疑問が残る。それは「UNIXハッカーのため、プログラマーのため」だ。 プログラマーはUNIXのコマンドラインインタフェースを多用する。vi、Emacs、シェル。いずれもControlキーが多用される。それは、これらが開発された頃にはControlキーがアクセスしやすい位置にあったからだというのだ。確かに、現在のようにControlキーがはるか左下の遠い位置にあったら頻繁に使うキーコンビネーションは考えにくかったろ
私(安岡孝一)の10月14日の日記の読者から、吉野次郎・山田宏逸・定方美緒・津久井悠太の「日本人の3分の1は日本語が読めない!?」(日経ビジネス、2019年10月28日号、pp.38-45)という記事を読んでみてほしい、との御連絡をいただいた。ざっと読んでみたのだが、以下の部分が非常に気になった。 係り受けとは、どれが主語でどれが述語なのか、どれが修飾語でどの言葉を修飾しているか、その関係を指す。同書によると、こうした「係り受け」の問題で、AI(新井氏が開発している人工知能「東ロボくん」)の正答率は8割だった。 「ロボットは東大に入れるか」(東京大学出版会、2018年9月)を読み直してみたのだが、東ロボの『国語』ソルバーは、いわゆる係り受け解析をおこなっていない。節境界法、オーバーラップ・ランキング、二段階選抜法、といった、非常にユニークな手法によって『国語』の現代文にチャレンジしており、
_をつけた言葉がくわしく説明している部分を、あとのアからエまでの中から一つ選び、記号で答えましょう。 毎日、友だちといっしょに校庭を走る。  ̄ ̄ ̄ ア 友だちと イ いっしょに ウ 校庭を エ 走る という問題を、『国語の「係り受け」で正答率4割 都独自の学力調査結果』(教育新聞、2019年10月24日)という記事の中で見つけた。ヒドイ問題だ。だって、「毎日、」と読点まで含めて下線が引かれている以上、この部分が係っているのは「友だちといっしょに校庭を走る」全体であって、どこかの部分に係っているわけではない。しかも、この文そのものが「友だちと毎日いっしょに、校庭を走る」なのか「友だちといっしょに校庭を、毎日走る」なのか、そもそも曖昧なので、やはり「友だちといっしょに校庭を走る」全体に係っているとすべきだろう。その上で、たとえばМельчук流の依存文法(Dependency Gramm
ネットサーフィンしていたところ、東洋経済のサイトで「リーディングスキルテスト(RST)の問題を解いてみよう」(2019年10月12日号、pp.44-53)という記事に出くわした。係り受け解析のネタになるかな、と思って、順に問題を見ていったが、Q.2がいきなり以下の内容で、さすがに頭が痛くなった。 Q.2 以下の文を読みなさい。 真核細胞の呼吸の材料となる有機物は主にグルコースで、細胞に取り込まれると、ミトコンドリアの酵素などによって分解反応が進み、無機物に分解される。 この文脈において、以下の文中の空欄に当てはまる最も適当なものを選択肢のうちから1つ選びなさい。 ・( )は細胞内で分解される。 ① ミトコンドリア ② グルコース ③ 真核細胞 ④ 無機物 いや、それ「この文脈において」とか言われても、「解糖系がミトコンドリアの外膜の外でおこなわれる」っていう高校の生物で習う内容に反
私(安岡孝一)の6月22日の日記の読者から、「うなぎを浜松に食べに行く」は係り受け解析できるのか、という質問をいただいた。Catena Inseparability付きのUniversal Dependenciesで示すと、以下の通り。 # text = うなぎを浜松に食べに行く # catena_inseparability = 7<5<1<3<6<2<4 1 うなぎ うなぎ NOUN 名詞-普通名詞-一般 _ 5 obj _ SpaceAfter=No 2 を を ADP 助詞-格助詞 _ 1 case _ SpaceAfter=No 3 浜松 浜松 PROPN 名詞-固有名詞-地名-一般 _ 7 obl _ SpaceAft
次のページ
このページを最初にブックマークしてみませんか?
『yasuokaのページ | スラド』の新着エントリーを見る
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く