機能表現とは
日本語の文を構成する要素には、主に内容的な意味を表す要素（内容語）以外に、助詞や助動詞といった、主に文の構成に関わる要素があります。ここでは、後者を総称して、「機能語」と呼びます。
文の構成要素のなかには、複数の語から構成されているにもかかわらず、全体として一つのまとまった意味を表すものもありますから、それらも含めて整理すると、下のような表を作ることができます。
| １語 | 複数の語から構成 | |
| 内容的な意味を表す | 内容語（名詞、動詞、形容詞、副詞など） | 複合名詞、複合動詞、慣用句など |
| 機能的に働く | 機能語（助詞、助動詞、接続詞、形式名詞） | 複合辞 |
ここで、「複合辞」とは、「に対して」や「なければならない」のように、複数の語から構成され、かつ、全体として機能語のように働く表現のことです。
我々は、機能語と複合辞を総称して、「機能表現」と呼ぶことにします。
機能表現の数
日本語には、いったいどれくらいの機能表現があるのでしょうか？
実は、これに答を与えるためには、「何を同一とみなすか」ということを厳密に定義する必要があります。
たとえば、「に関する」と「にかんする」は同一表現でしょうか？
これは、単に漢字表記とかな表記の違いですから、同一表現と考えるのが自然のように思えます。
では、「に関する」と「に関して」は同一表現でしょうか？
「Ａに関する調査」と「Ａに関して調査した」は、意味的に対応しますから、同一表現と考えたくなります。しかし一方で、前者は連体助詞相当（「Ａの調査」）であるのに対し、後者は格助詞相当（「Ａを調査した」）ですから、文法的機能はかなり異なります。
当然のことながら、「何を同一とみなすか」が変われば、数は変わってきますから、これらのことに判断を下さない限り、数を数えることはできません。
見出しの階層化
上記の問題を解決するために（というよりは、保留とするために）、我々は見出しを階層化することにしました。つまり、ある階層レベルでは、「に関する」と「に関して」は同一とみなすが、より下位のレベルでは、これらを別のものとみなすことにするわけです。
我々の辞書は、次の表に示すような９レベルの階層を持ちます。
レベル 区分の観点 数 IDの記号 IDの桁数 L1 最上位区分 341 数字 3 L2 意味 435 数字 1 L3 文法的機能 555 英字(8種類) 1 L4 機能語の交替 774 数字 1 L5 音韻的変化 1,187 英字(38種類) 1 L6 とりたて詞の挿入 1,810 英字(18種類) 1 L7 活用 6,870 数字 2 L8 「です／ます」の有無 9,722 英字(2種類) 1 L9 表記の異なり 16,801 数字 2
レベル９(L9)は、機能表現の「表層形」に対応します。つまり、表記のレベルでは、辞書の見出し数は16,801件となります。
一方、それ以外のレベルは、（なんらかの意味において）抽象化された機能表現を表します。
さて、すべてのレベルのノードには、つつじIDと呼ばれる、注意深く設計されたIDが付与されています。 たとえば、「に関する」と「に関して」の表層形(L9)のIDは、次のようになっています。
| に関する | 0101D.2xx.46n02 |
| に関して | 0101P.1xx.01n02 |
この２つのIDを比較することにより、それらは、L2までは同じだが、L3でD(連体助詞型)とP(格助詞型)に分かれるということがわかります。つまり、２つの表層形の関係がIDの比較によりわかるようになっているのです。
また、別の見方をするならば、0101というL2のIDは、「に関する」と「に関して」を包括する抽象的な（総称的な）機能表現に対応することになります。
日本語機能表現辞書「つつじ」
我々は、2004年頃からこの辞書の編纂を開始し、2007年初頭にいちおうの完成を見ました。その後、意味分類を拡張し、2007年末には、ほぼ現在の形に落ち着きました。
公開にあたって、辞書の名称を「つつじ」と決めました。
辞書に関するより詳しい議論は、次の論文をご参照下さい。
- 松吉俊, 佐藤理史, 宇津呂武仁 (2007).
日本語機能表現辞書の編纂.
自然言語処理, Vol.14, No.5, pp123-146. - 松吉俊, 佐藤理史 (2008).
文体と難易度を制御可能な日本語機能表現の言い換え.
自然言語処理, Vol.15, Nol.2, pp.75-99.
ライセンス
「つつじ」は、以下のライセンスで公開します。(2010.11.1に Creative Commons 3.0, Attribution-NonCommercial-ShareAlikeから 以下のライセンスに変更しました。)Creative Commons 3.0, Attribution-ShareAlike.