「こうしょう」だけで30種類以上?──同音異義語と戦う日本語IMEの知能史
· Typing Safari
日本語をキーボードで打つとき、私たちは「タイピング(読みを打つ作業)」と「漢字変換(意味に合う字を選ぶ作業)」という2つのタスクを同時にこなしています。英語のタイピングでは打った文字がそのまま文章になりますが、日本語には常に同音異義語という壁が立ちはだかっています。
たとえば「こうしょう」。「交渉」「高尚」「考証」「公称」「口承」「鉱床」「校章」「工匠」「工廠」「公証」「哄笑」……と、同じ読みの熟語がいくつも思い浮かびます。Wikipediaの「同音異義語」の項目によると、「こうしょう」は日本語で最も同音異義語が多いとされる熟語で、『スーパー大辞林3.0』では48語、『広辞苑』第6版では50もの仮名見出しがあるとされます。「きかい(機械・機会・奇怪・棋界)」や「かてい(家庭・過程・仮定・課程)」も同じような例です。
手で区切る変換から「連文節変換」への進化
1978年に東芝が発表した最初の日本語ワードプロセッサ「JW-10」は、すでにかな漢字変換を備えていました。ただし、文節の区切りは利用者がキーで指定する方式で、機械が同音異義語を決めきれない箇所は点滅して、利用者が選ぶ仕組みでした。
その後に広まったのが、文節の区切りを機械が自動で判定する「連文節変換」です。「きしゃのきしゃがきしゃできしゃする(貴社の記者が汽車で帰社する)」は、同音異義語をつなげた文の例としてよく知られています。今のIMEは、文を形態素解析で文節に分け、辞書を引いて変換し、うまくいかなければ利用者が候補を選び直したり区切りを直したりできるようになっています。
統計・ディープラーニングによる変換と予測変換
2000年代になると、大量のテキストデータを生かした変換が登場します。2009年12月にベータ版が公開されたGoogle日本語入力は、変換辞書をインターネット上のデータから自動生成し、検索キーワードの大規模なデータを予測変換に活用しています。2016年12月には、ジャストシステムがATOK 2017で約10年ぶりに変換エンジンを刷新し、ディープラーニングを取り入れた「ATOKディープコアエンジン」でATOK 2016より誤変換を約30%減らしたと発表しました(同社発表の数字です)。
「橋を渡る」「箸を使う」「端を歩く」──どれも読みは「はし」ですが、前後の語のつながりを手がかりにすれば、どの「はし」かを絞り込めます。さらに、数文字打っただけで候補を示す「予測変換」は、まず携帯電話で発達し、のちにパソコンのIMEにも広がりました。
それでも消えない「誤変換」
IMEがどれほど賢くなっても、同音異義語がこれだけ多い以上、誤変換が完全になくなることはありません。また、学習機能は使い方を覚えてくれる反面、一度選んだ誤りまで覚えてしまうことがあります。日本語タイピングを速くするには、読みを迷わず打てるようにすることと、短い単位でテンポよく変換・確定して、誤変換にすぐ気づける習慣をつけることが役立ちます。
Typing Safariのレッスンでは、自分のキーボードで日本語のタッチタイピングを練習できます。アカウント不要の無料スピードテストで、今の速さも確かめてみてください。
よくある質問
漢字変換で目的の漢字がなかなか出てこないときはどうすればいいですか?
長い文をまとめて変換すると、文節の区切りを間違えたまま変換されることがあります。句読点や数文節ごとに区切って変換するか、変換中に文節の区切りを直してから選び直してみてください。1文字だけ出したいときは、その漢字を含む別の熟語や訓読みで変換してから不要な字を消す方法もあります。
変換の効率を上げる便利なショートカットキーはありますか?
Microsoft IMEや、同じキー設定にしたGoogle日本語入力では、変換中に Shift + ←/→ で文節の区切り(長さ)を調整できます。また、Microsoft IMEでは入力中の文字列を F6 でひらがな、F7 で全角カタカナ、F8 で半角カタカナ、F9 で全角英数字、F10 で半角英数字に一発で変換できます。
「誤変換」を減らすためにIMEに学習させることはできますか?
はい。多くのIMEには学習機能があり、確定した候補を次から優先して表示します(Microsoft IMEでは設定の「ラーニングと辞書」で切り替えられます)。専門用語や人名などよく使う語は、ユーザー辞書に単語登録しておくと一発で変換できるようになります。逆に誤った候補を覚えてしまった場合、IMEによっては候補を削除したり(Microsoft IMEの予測候補は Ctrl + Delete)、ATOKのように学習内容を編集したりできます。