網頁簡介

〈Comainu〉為一語言分析工具，其可自動組出中單位（適合音聲研究）以及長單位（適合語法構造及文意研究）的詞彙。於網頁的說明當中，多次提及「短單位」、「中單位」以及「長單位」3個詞彙，其皆為語言單位。其中「短單位」與「長單位」皆出自「形態論情報（Morphological information）」，並為國立國語研究所所建立之語料庫──「Balanced Corpus of Contemporary Written Japanese （BCCWJ）」所採用。以下將針對「短單位」及「長單位」之定義進行說明：

一、 短單位：現代語言當中具有字義的最小單位，又可稱其為「最小單位」。短單位具有語素、詞類、活用形等形態論資訊，如助詞的で、に或を；單字的大、中或小等。

二、 長單位：由複數短單位所構成，習慣上會將整個長單位作為一個複合詞來看，不會將其拆分成多個構成要素。如「固有名詞假名標記」為一長單位，雖其可拆分成「固有」、「名詞」、「假名」與「標記」4個短單位，但若將其認定為長單位時，僅視「固有名詞假名標記」為一單位。

〈Comainu〉的主要功能有3種，分別為：

一、 長單位分析

輸入明文（Clear Text）或短單位列後，即可一併顯示出文中的短單位列與長單位。

二、 中單位邊界（Boundary）分析

輸入明文、短單位列或帶有長單位資訊的短單位列，即可一併顯示出文中的短單位列與中‧長單位。

三、 語句結構（文節）邊界分析

輸入明文或短單位列後，即會顯示帶有語句結構邊界的短單位列。

〈Comainu〉的網頁中有一標籤為「TRY COMAINU」，於此標籤中可體驗其「長單位分析」之功能。點擊該標籤後，頁面即會出現一文字輸入方塊，使用者可於其中輸入欲進行長單位分析之文本，最多可輸入1000字。輸入完畢後，點擊右方的「執行（Execute）」按鍵即會出現分析結果；若要清除文字輸入方塊中的所有內容，可透過「清除（Clear）」按鍵刪除。分析結果以表格形式呈現，其表格中共有兩大欄位，分別為短單位及長單位，短單位的細分項目包含「辭書形（日語動詞之普通形）」、「發音」、「語素讀音」、「語素」、「詞類」及「活用形」；長單位的細分項目則為「詞類」、「活用形」、「語素讀音」、「語素」及「辭書形」。透過該表格，使用者可清楚得知輸入之文本的短單位及長單位分別為何，亦可了解其語彙資訊。

若要使用更完整的功能，可於〈Comainu〉的下載標籤中下載其軟體。

另，透過BCCWJ運用Core data所進行的實驗（以短單位帶有合適之情報為前提），可得知長單位分析的性能中，辨別長單位邊界的解析精確度（F-measure）為99.2%；長單位詞類的解析精確度則為98.8%。

而透過BCCWJ運用一部分Core data功能所進行的實驗，在帶有合適的長單位的前提之下，中單位解析的解析精確度達到99.2%。