Zenn
🥀

法令略称辞書: e-GovデータからSudachi同義語辞書を作成する

2021/02/12に公開
#
自然言語処理
#
形態素解析
Sudachi
#
辞書
tech

e-Gov法令検索の「登録略称法令名一覧」情報から、Sudachiのための同義語辞書を作成する。

既存のSudachi同義語辞書

ワークス徳島NLPによるSudachi同義語辞書には、既にいくつかの法令名が含まれています（数十件程度？）。

例:

001351,1,0,1,0,0,0,(法律),私的独占の禁止及び公正取引の確保に関する法律,,
001351,1,0,1,0,2,0,(法律),独占禁止法,,
001351,1,0,1,0,2,0,(法律),独禁法,,
001352,1,0,1,0,0,0,(法律),競争法,,
001352,1,1,2,0,0,0,(法律),独占禁止法,,
001385,1,0,1,0,0,0,(法律),知的財産権,,
001385,1,0,1,0,2,0,(法律),知財権,,
001385,1,0,2,0,0,0,(法律),知的所有権,,
001388,1,0,1,0,0,0,(法律),破壊活動防止法,,
001388,1,0,1,0,2,0,(法律),破防法,,
001489,1,0,1,0,0,0,(法律),道路交通法,,
001489,1,0,1,0,2,0,(法律),道交法,,
001502,1,0,1,0,0,0,(法律),金融商品取引法,,
001502,1,0,1,0,2,0,(法律),金商法,,

Sudachi同義語辞書の形式

Sudachi同義語辞書では、単に同義語を列挙するだけでなく、展開抑制フラグなどの詳細情報を付与しています。

(高岡+ 2020) "詳細化した同義関係をもつ同義語辞書の作成" （ポスター画像出典）

カラム情報:

0 : グループ番号
1 : 体言/用言フラグ (省略可)
2 : 展開制御フラグ (省略可)
3 : グループ内の語彙番号 (省略可)
4 : 同一語彙素内での語形種別 (省略可)
5 : 同じ語形の語の中での略語情報 (省略可)
6 : 同じ語形の語の中での表記ゆれ情報 (省略可)
7 : 分野情報 (省略可)
8 : 見出し
9 : 予約
10 : 予約

形式の詳細は次のページを確認のこと; SudachiDict/synonyms.md at develop · WorksApplications/SudachiDict

データ作成

  1. HTMLテーブルから情報を取得
  2. Sudachi同義語辞書形式で出力

コード: https://gist.github.com/sorami/801466d6e95d0dabb00b1a8bb87235b0

あとは、Sudachi同義語辞書をElasticsearchで使う（暫定方法）により文書検索に活用したり、といったことができます。

出力例:

900383,1,0,1,0,0,0,(法律),酒に酔つて公衆に迷惑をかける行為の防止等に関する法律,,
900383,1,0,1,0,2,0,(法律),トラ退治法,,
900383,1,0,1,0,2,0,(法律),酔っぱらい防止法,,

ちなみに同システムに掲載されている略称法令名一覧には、「トラ退治法」という略称が載っています。一見すると、某プロ野球球団に勝利する方法を規定した法律のように見えますが、「酒に酔つて公衆に迷惑をかける行為の防止等に関する法律」（昭和36年法律第103号）というのが正式な題名です。酔っぱらいを俗にトラということから付けられたようで、なかなかユニークな略称です。
法令の題名、件名及び略称 - 法律の［窓］- 参議院法制局

なので、「虎が出て困っているから退治したい」という一休さん的状況のときには、同義語展開されると困るかもしれません。

Enjoy Synonym Expansion!

Discussion