本タスクを実施するにあたって，有用なリソースやツールについてリストアップしています．

言語解析を行うためのツールについて，現在配布されているものについてリストアップしています．これらのうち，一部の解析結果については配布していますので，ツールのインストールが難しい方でも最新の解析結果を利用することができます．

形態素解析から構文解析までは，推奨される組み合わせがあり，以下の通りです．これら以外の組み合わせも可能ですが，フォーマットの変換などが必要になります．

1. MeCab → CaboCha → SynCha
2. Juman → KNP
3. KyTea → EDA

含意関係認識器を構築するにあたり，機械学習による分類器やデータベースなど，あると便利なツールを紹介します．導入難易度の目安は，A：解凍するだけで動くくらい簡単，B：configure + makeの操作は必要，C：Linuxに少し慣れていないと難しい，です．これらを駆使して，独自性と分類性能の両方を高めていきましょう．

含意関係認識では，表層の異なる類似単語を認識することが重要です．また，矛盾関係を認識するためには，述語の反義関係や，評価極性の違いを認識することが重要です．それらを実現するために，人手や自動的に整備された言語リソースが公開されています．

JA: Japanese, CS: Simplified Chinese, CT: Traditional Chinese

Other resources to be added to the table soon: OpenMWE for Japanese, IPAL dictionary, 動詞項構造シソーラス, 基本語データベース：語義別単語親密度, つつじ：日本語機能表現辞書, and some Chinese data listed in CNLP Platform

100万語の名詞に対して，約1億ページのWeb文書上での文脈が類似している名詞を類似度とともに最大500個列挙されたデータベース．人手で整備されていないため，誤りも多く含みますが，多様な単語がカバーされているのが強みです．単語間の関係は付与されておらず，文脈が類似した矛盾の関係にある単語も含まれているのに注意です．

配布元： ALAGIN， 資源の詳細

含意関係が成立している動詞のペア（正例52,689ペア，負例68,819ペア）が列挙されたデータベース．自動的に獲得した動詞ペアに対して，人手で修正されています．形態素単位で区切られていないので，事前に解析すると良いでしょう．

含意関係にある動詞ペアの内訳は以下の通りです．なお，実際のデータ中には#で始まるコメント行もあり，以下の数字はそれを取り除いた数です．

本データベースには，負例と呼ばれる，含意関係にない動詞ペアも含まれています．含意関係にある動詞ペアを正例，こちらを負例として機械学習させることで，2つの動詞が含意関係にあるかを分類する学習器を構築することも可能です．

配布元: ALAGIN， 資源の詳細

災害や病、障壁や規制など、人間の活動に負荷を与えたり、マイナス効果をもたらしたりする事物に関する表現(約2万)が収集されたものです． 評価極性のネガティブとは働きが異なる部分がありますが，2単語間の意味的関係を同定するのに役立ちます．

配布元: ALAGIN， 資源の詳細

Wikipediaからの上位下位関係抽出ツールによって得られた上位語，約69,000名詞句を階層化して，その指示対象が十分に特定されるかどうかがタグ付けされたものです．不適切な上位語が取り除かれており，大変有用なリソースです．

<type=G>トンネル</>, <type=G>道路トンネル</>, <type=G>水底道路トンネル</>
<type=D>台</>, <type=G>天文台</>, <type=G>公開天文台</>
<type=D>ボール</>, <type=G>バレーボール</>, <type=G>イタリアのバレーボール</>

右の単語ほど上位の単語です．type=G,L,Dが，上位語としての適切さを表しています．

配布元: ALAGIN， 資源の詳細

約1億のウェブページについて，2つの単語が共起する回数を計算，各単語について3種類の共起スコア（共起頻度，Dice計数，ディスクカウンティング相互情報量）の高い順に最大100単語列挙されたものです．

配布元: ALAGIN， 資源の詳細

「AがBの原因となる」のように，文内で任意の名詞AとBを結ぶ表現パターンの言い換えデータベースです．パターンの検索・類似度計算スクリプトも 提供されています．

単語単位ではない言い換え表現として，有用な資源です．検索ツールにAとBを含むパターンを入力することで，以下のように類似パターンを高速に検索することができます．2列目の数字は類似度を表しています．

配布元： ALAGIN， 資源の詳細

日本語の語句レベルで編集距離が近い異表記対（表記揺れの対）の正例と負例が集められたものです． 編集距離が1のものとして，正例が48,067事例，負例が2,758事例，判断の難しい事例（準異表記対）が10,730事例含まれています．Version1.1では，自動獲得された100万事例が含まれています．

いずれのサブタスクにおいても，表記揺れは含まれていますので，本データを使ったり，同様の手法を用いることで揺れを吸収することが有効と考えられます．

• 第 < 一 | １ > 週目 → 第一週目 - 第１週目
• Ｆｌａｓｈ　 < Ｐ | ｐ > ｌａｙｅｒ → ＦｌａｓｈＰｌａｙｅｒ - Ｆｌａｓｈｐｌａｙｅｒ
• ゴミ置 < き > 場 → ゴミ置場 - ゴミ置き場
• ギタープレ < ー | イ > → ギタープレイ - ギタープレー

配布元： ALAGIN， 資源の詳細

約2700文対に対して，4値の推論判定（

評価データは約2700文対からなり、包含、語彙（体言）、語彙（用言）、構文、推論の5つのカテゴリに分類され，さらに下位カテゴリに分類されています．

含意関係の学習データとして使えるほか，言語現象の分析にも有用であると考えられます．

15 語彙(体言):下位→上位 ◎ あの人は呼吸器専門医だ。 あの人は医者だ。

• 配布元: 京都大学

Princeton WordNet 3.0を日本語に翻訳したデータベース．バージョン1.0には，56,741概念(synsets)と92.241単語が含まれています． 検索サイトとAPIも公開されています．

• 配布元: 日本語WordNet

ウェブテキストから自動的に構築した格フレーム辞書です． 検索ツール

• 配布元: 京都大学格フレーム

-1から+1までで評価極性が重み付けされた単語リストです．

• 配布元: 単語感情極性対応表

コンピュータによる先進的な言語処理のために開発され、単語辞書などのいくつかの大規模な個別辞書から構成されます。

• 配布元: EDR電子化辞書

• Wikipedia

Wikipediaから90%以上の精度で抽出された600万ペアの上位下位概念を抽出します．

• 配布元: Wikipediaから上位下位概念を抽出するツール

日本語語彙大系

語を意味によって分類・整理したシソーラス（類義語集）．レコード総数は101,070件．

国立国語研究所

OpenMWE for Japanese