活字資料のコーパス化における外字チェックと処理

情報処理学会

書誌事項

タイトル別名
  • Extracting and processing external characters upon constructing corpora of printed documents

抄録

歴史的作品の活字資料からコーパスを作るときの文字処理の方法を定めた．活字資料の電子化にあたっては，外字処理・字体包摂の２つが中心課題となるが，両者をまとめて処理できるツールを利用し，作業方式を確立することにより，もとになるテキストの特性によらず，統一的な処理を可能にした．本作業のために開発したツールと本稿で提案した一連の作業手順は，コーパス構築という作業のみならず，活字研究にも適用可能である．研究利用の例として，小学館新編日本古典文学全集 『日本霊異記』等の漢字活字を調査し，JIS X0213 や UniCode でどの程度再現できるかを明らかにした．

The paper proposes a new processing procedure of external characters included in printed historical texts, which is essential to constructing an electronic corpus of historical documents. Digitization of printed historical documents so far has two major problems to be dealt with: representation of external characters and establishment of unification standard. We present a solution to the problems, introducing a new software tool which handles the two problems altogether. By applying the tool, the characters can be processed uniformly, regardless of the document variation. Furthermore, the processing tool and a series of procedures or our proposal can also be applied to character research. In the paper, we present a small sample investigation on the external characters of SNKBZ, Shogakukan, revealing what percentage of the total printing types JIS X0213 and Unicode respectively can represent.

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1050855522055353600
  • NII論文ID
    170000088038
  • Web Site
    http://id.nii.ac.jp/1001/00107364/
  • 本文言語コード
    ja
  • 資料種別
    conference paper
  • データソース種別
    • IRDB
    • CiNii Articles

問題の指摘

ページトップへ