【vortaro.jpが辞書を再発明するはなし】

これは「語学・言語学・言語創作 Advent Calendar 2023」の 19 日目の記事です。

はじめに

Kajero（https://vortaro.jp/）とは、主にエスペラント語、日本語、イド語、英語、中国語に対応した多言語辞書です。インターネット上にすでに公開されているデータソースを主に利用し、訳語およそ20万対のデータから語彙間の関連を推定。多言語辞書引きを実現します。使い方、出典はこちらをご覧ください。

Kajeroは、データとして直接には保持していない訳語も導出できます。今回はその原理についてお話しします。

Kajero訳語導出原理

1. 辞書形式とその提示

Kajeroの辞書データは次のような形式をしています。

t(['forkomerci',eo],['売り払う',ja],[pejv],'').
t(['forkomerci',eo],['売りとばす',ja],[pejv],'').
t(['forkomerci',eo],['forvendi',eo],[pejv],'').
t(['forkomerci',eo],['to buy',en],['ESPDIC'],'').
t(['forkomerci',eo],['purchase',en],['ESPDIC'],'').
t(['forkomerci',eo],['take over',en],['ESPDIC'],'').

t( ). で囲われた部分はエントリを示し、
['forkomerci', eo], ['売り払う', ja] が訳語の対になっています。ひとつのエントリには訳語を1対ずつ配置します。
続く [pejv], が出典を示し、
最後の '' は、補足の自由記述欄です。

この形式のエントリが連なって辞書データをなします。内蔵データは約20万行です。

Kajeroは、まずこの辞書データのとおりに訳語を出力します。実際の画面で確かめてみてください。

2. 関連語彙推定

しかしこのページには、

(en) to sell off (aŭtomata sugesto)
(en) liquidate (aŭtomata sugesto)

という、元のデータでは関連付けられていない訳語が提示されています。これらは、forkomerci の同義語としてデータに掲載されている forvendi の訳語としてデータが存在しており、ここから採用されたものです。

t(['forvendi',eo],['売り払う',ja],[pejv],'').
t(['forvendi',eo],['売りとばす',ja],[pejv],'').
t(['forvendi',eo],['to sell off',en],['ESPDIC'],'').
t(['forvendi',eo],['liquidate',en],['ESPDIC'],'').

Universala Vortaro

ザメンホフのあまり表立って評価されない成果のひとつに、Universala Vortaro があります。Universala Vortaro とは、見出しにエスペラントの単語を、内容に他の言語の単語を並べた辞書で、複数の言語が一度に引けるようになっている多言語辞書です。

実際にこれを作ってみるとわかりますが、見出し語はエスペラントでないとうまくいきません。中心語義がはっきりした単語でないと、見出しとして役立たず、徐々にずれた意味へと迷い込んでいく辞書ができあがるからです。この点、エスペラントは（接辞や語尾は多分に多義的である一方）一般の語彙の多義語はきわめて少なく抑制されており、この用途に適します。

Kajero はもちろんこの原理を応用しています。プログラムコードは Prolog で書かれたスクリプトで、核心コードはわずか15kBほどとなっています。

エスペラントが Ponta Lingvo として作動する Kajero は、言語をつなぐ機械のエスペランティストです。どうぞ自由に遊んでみてください。

2023年12月19日夜

2025年2月11日改訂