日本語ウェブ・オントロジーの試み

日本語メタデータとオントロジー

セマンティック・ウェブで誰もがメタデータを提供できるようにするには、一般的な語彙を定義したウェブのオントロジー（あるいはシソーラス）が自由に利用できることが重要です。自分のメタデータにいちいち定義を与えるのは大変ですし、たとえそういった定義をつくっても、みんながばらばらに定義をしていてはなかなか相互運用性が確保されないからです。

英語圏では[WordNet]の語彙体系をRDFのメタデータとして取り出せるサービスが試みられています[WORDNET-RDF], [BRICKLEY1999]。WordNetでは単語をクラスの階層構造として定義しているため、メタデータをこの語彙によって記述すれば、エージェントはその階層を辿って意味を把握することができます。

日本語の場合、オンラインのシソーラスが公開されたりはしていますが[GENGOKK]、RDFの形でウェブ・オントロジーとして利用できるものは（今のところ）ありません。そこで、辞書ファイルそのものが公開されている和英辞書を使って、日本語の単語をWordNetにマップし、（間接的に）エージェントに理解可能な語彙の提供を試みてみます。

和英辞書EDICTからWordNetへ

Monash大学のJim Breen教授から、同氏のプロジェクトによって公開されている優れた和英辞書[EDICT]（約10万語収録）を利用する許諾を頂きましたので、ここではその訳語を利用して日本語とWordNetを結びつけることにします。

簡単なケースをまず考えましょう。EDICTで「指揮者」の訳語を見ると、「conductor」となっています。WordNetのRDF版では「Conductor」クラスが定義されているので、「指揮者」と「Conductor」は同等だと考えられます。OWL[OWLREF]を使って、これは次のように表現できるでしょう（異なる言語の単語は厳密には1対1に対応しないので、equivalentClassよりsubClassOfのほうが適切かも知れません）。

<owl:Class rdf:ID="指揮者">
 <owl:equivalentClass rdf:resource="http://xmlns.com/wordnet/1.6/Conductor"/>
</owl:Class>

WORDNET-RDFではConductorクラスは次のような階層構造で表されており、「指揮者」という日本語が「Musician」「Artist」...「Person」といった性質を継承しているクラスであることが理解できるようになります。

なお、WORDNET-RDFは、名詞のクラス定義を行うために1文字目を大文字とし、「悪天候」に対する「bad weather」のような複数の単語からなる訳語の場合は、（名前文字にスペースは使えないので）「Bad_weather」とアンダースコアで置き換えられています。この試作版日本語ウェブ・オントロジーでも、EDICTの訳語に同様の変換を施してWordNetに対応づけます。

（※owl:, rdfs:, rdf:はそれぞれOWL, RDF Schema, RDF Model & Syntaxの名前空間に結びつけられているものとします。以下の例でも同様です）

<owl:Class rdf:ID="著者">
 <rdfs:subClassOf>
  <owl:Class>
   <owl:unionOf rdf:parseType="Collection">
    <owl:Class rdf:about="http://xmlns.com/wordnet/1.6/Author"/>
    <owl:Class rdf:about="http://xmlns.com/wordnet/1.6/Writer"/>
   </owl:unionOf>
  </owl:Class>
 </rdfs:subClassOf>
</owl:Class>

<owl:Class rdf:ID="小売価格">
 <rdfs:subClassOf>
  <owl:Class>
   <owl:intersectionOf rdf:parseType="Collection">
    <owl:Class rdf:about="#小売"/>
    <owl:Class rdf:about="#価格"/>
   </owl:intersectionOf>
  </owl:Class>
 </rdfs:subClassOf>
</owl:Class>

<owl:Class rdf:ID="非可逆圧縮">
 <owl:complementOf>
  <owl:Class>
   <owl:intersectionOf rdf:parseType="Collection">
    <owl:Class rdf:about="#可逆"/>
    <owl:Class rdf:about="#圧縮"/>
   </owl:intersectionOf>
  </owl:Class>
 </owl:complementOf>
</owl:Class>

<owl:Class rdf:ID="ワイン">
 <owl:equivalentClass rdf:resource="http://xmlns.com/wordnet/1.6/Wine"/>
 <rdfs:seeAlso rdf:resource="#ぶどう酒"/>
 <rdfs:seeAlso rdf:resource="#葡萄酒"/>
</owl:Class>

<owl:Class rdf:ID="火山弾">
 <wn:translation xml:lang="en">volcanic projectiles</wn:translation>
</owl:Class>

WordNet対応日本語ウェブ・オントロジーの試験

ここまで述べてきた方針に基づき、日本語の語彙をWordNetにマップするウェブ・オントロジーを試験的に作成してみます。ベースとなるのは2002-09-25現在のEDICTおよびWordNet 1.6です。このウェブ・オントロジーのXML名前空間URIは次のようにします。

http://purl.org/net/ns/jword/

この名前空間を例えばjw:という接頭辞にマップし、

<jw:指揮者>
 <foaf:name>ロジャー・ノリントン</foaf:name>
 <foaf:homepage rdf:resource="http://www.kanzaki.com/norrington/"/>
</jw:指揮者>

という具合に、日本語の語彙を利用できます。エージェントなどは、名前空間URIに単語を接続したURI「http://purl.org/net/ns/jword/指揮者」を用いて、クラス定義のRDFを取得することが可能です（ここでURIに日本語を使うことについては、次節を参照してください）。

※以前は[DAML+OIL]に従った記述で実装していましたが、2003-02-07にW3CのRDF ValidatorがOWLに対応したので、それに合わせてOWL準拠としました。

※次のセクションでは日本語によるプロパティもWordNetに結びつけることを検討していましたが、無理が多く、メリットもあまり無いので取り下げます。

<rdf:Property rdf:ID="名前">
 <dc:relation rdf:resource="http://xmlns.com/wordnet/1.6/Name"/>
</rdf:Property>

日本語とURI/IRI

（少々ややこしい話なので、日本語からWordNetへのマップが理解できれば十分な方は、この節は無視しても構いません）

RDFでは「語彙をユニバーサルに理解可能なものとするためにURIによって示す」として、リソースは名前空間URIとローカル名を直接連結したURIで表現します。従って、dc:creatorは次のようになります。

[例9] http://purl.org/dc/elements/1.1/creator

これは一見、何の問題もないように見えますが、前節で示した日本語ウェブ・オントロジーの「jw:指揮者」を次のように展開する場合、話は単純ではありません。

[例10] http://purl.org/net/ns/jword/指揮者

現在のURIの仕様では、ASCII以外の文字を使うことは認められませんから、「指揮者」という文字を含むURIは不正になってしまうのです[RFC2396]。かといって、「指揮者」をURLエンコードして

[例11] http://purl.org/net/ns/jword/%8Ew%8A%F6%8E%D2

などとするのは、日本語ウェブ・オントロジーの識別子としては到底受け入れられません（ただし、RDFの場合は、次に述べるように日本語も使用可能）。

参照文献

[WordNet]

George A. Miller, et al., WordNet - a lexical database for the English language, 2000-08-13, Cognitive Science Laboratory at Princeton University

<http://www.cogsci.princeton.edu/~wn/>

[WORDNET-RDF]

Dan Brickley, Wordnet for the Web , 2001-08

<http://xmlns.com/2001/08/wordnet/>

[BRICKLEY1999]

Dan Brickley, WordNet in RDF/XML: 50,000+ RDF class vocabulary..., 1999-12-02, W3C www-rdf-interest mailing list

<http://lists.w3.org/Archives/Public/www-rdf-interest/1999Dec/0002.html>

[GENGOKK]

シソーラス（類語）検索サイト, 言語工学研究所

<http://www.gengokk.co.jp/thesaurus/>

[EDICT]

Jim Breen, et al., The EDICT Project, 2002-09, School of Computer Science & Software Engineering at Monash University

<http://www.csse.monash.edu.au/~jwb/edict.html>

[OWLREF]

Mike Dean, Dan Connolly, et al., OWL Web Ontology Language 1.0 Reference, 2002-11-12, W3C Working Draft

<http://www.w3.org/TR/owl-ref/>

[DAML+OIL]

Dan Connolly, et al., DAML+OIL (March 2001) Reference Description, 2001-12-18, W3C Note

<http://www.w3.org/TR/daml+oil-reference>

[XMLNS]

Tim Bray, et al., Namespaces in XML, 1999, W3C Recommendation

<http://www.w3.org/TR/REC-xml-names>

[RFC2396]

T. Berners-Lee, et al., Uniform Resource Identifiers (URI): Generic Syntax, 1998-08, Internet standards track

<http://www.ietf.org/rfc/rfc2396.txt>

[RFC3987]

M. Duerst and M. Suignard, Internationalized Resource Identifiers (IRIs), 2005-01, Internet Standards Track

<http://www.ietf.org/rfc/rfc3987.txt>

[W3C-IRI]

Martin Dürst, Internationalized Resource Identifiers (IRIs), 2002-09-20, W3C Internationalization Activity

<http://www.w3.org/International/O-URL-and-ident.html>

謝辞

この日本語ウェブ・オントロジーの試作版を公開するにあたっては、Monash大学Jim Breen教授のご厚意により和英辞書EDICTを利用させて頂きました。快く利用を許諾してくださったことに感謝いたします。