行間グロス

言語学と教育学において、行間注釈とは、原文の行と他の言語への翻訳との間など、行と行の間に挟まれる注釈（定義や発音などの一連の短い説明）のことです。注釈が付けられると、原文の各行に、行間テキストまたは行間注釈テキスト（IGT）と呼ばれる 1 行以上の対応する転写行が追加されます。略して行間注釈と呼ばれます。このような注釈は、読者が原文とその翻訳との関係、および原言語の構造を理解するのに役立ちます。最も単純な形式では、行間注釈は原文の逐語的な翻訳です。

行間注釈は、長い間、さまざまな目的で使用されてきました。一般的な使用法の 1 つは、言語教育用のバイリンガル教科書に注釈を付けることです。この種の行間注釈は、ソース言語の構造的特徴を正式にモデル化しようとせずに、ソース テキストの意味を明確にするのに役立ちます。

このような注釈は、行間レイアウトではなく、オブジェクト言語とメタ言語の単語の列挙によって表現されることが時々あります。その一例は、ヴィルヘルム・フォン・フンボルトによる古典ナワトル語の注釈です。^[1]

この「インライン」スタイルにより、例をテキストの流れの中に組み込むことができ、ターゲット言語の語順をターゲット言語の構文に近い順序で記述することができます。(ここでの注釈では、mache es は対応するソースの順序から並べ替えられ、ドイツ語の構文をより自然に近づけています。) それでも、このアプローチでは、読者はソース形式とターゲット形式の対応を「再調整」する必要があります。

19 世紀と 20 世紀のより現代的なアプローチでは、縦方向に注釈を付け、メタ言語の用語がソース言語の用語の下に縦に配置されるという方法で、同じ種類の単語ごとのコンテンツを揃えました。このスタイルでは、与えられた例は次のように表現される可能性があります (ここでは英語の注釈)。

ここで、単語の順序は対象言語の構文によって決まります。

最後に、現代の言語学者は、省略された文法カテゴリラベルを使用する慣行を採用しています。この例を繰り返した2008年の出版物では、次のようにラベル付けされています。^[2]

このアプローチは密度が高く、読むのにも労力が必要ですが、ターゲット形式の意味を表現するためにメタ言語の文法構造にあまり依存しません。

コンピューティングでは、行間注釈の開始と終了を示すために、 Specials Unicode ブロックに特別なテキスト マーカーが提供されます。

IGT形式には正式な仕様はないが、ライプツィヒ・グロッシング・ルール^[3]は、形式を可能な限り標準化することを目的とした一連のガイドラインである。

言語学の行間テキストは、通常、上から下の順に、次の一部またはすべてで構成されます。

• 元の綴り（通常は斜体または太字斜体）
• ラテンアルファベットへの慣例的な翻字、
• 音声転写、
• 形態音韻的翻字、
• 単語ごとまたは形態素ごとの注釈。単語内の形態素はハイフンやその他の句読点で区切られます。

そして最後に

• 自由翻訳。言語の構造が異なりすぎてテキストを一行ずつ追うことが難しい場合は、別の段落または向かいのページに配置できます。

例として、次の台湾の閩南語節が 5 行のテキストで転記されています。

1. 標準的なpe̍h-ōe-jī の音訳、

2.表面の色調を表す色調番号を使用した光沢、

3. 引用形式で基礎音調を示す注釈（音調連音を行う前）、

4.英語の形態素ごとの解説、および

5. 英語訳: ^[4]

単語ごとの配置。ライプツィヒの注釈規則によれば、対象言語の単語をメタ言語の対応する単語と左揃えにするのが標準であり、この配置は行 (1-3) と行 (4) の間に見られます。

形態素ごとの対応。サブワードレベルでは、分節可能な形態素は、例と注釈の両方でハイフンで区切られています。次の例に示すように、例と注釈のハイフンの数は同じである必要があります。

文法範疇ラベル。amuqʼ -da-čでは、語幹 ( amuq ) は対応する英語の語彙素 ( stay ) に翻訳され、屈折接辞 ( da ) と ( č ) は未来時制と否定を表す屈折接辞である。これらの屈折接辞はFUTとNEGとして注釈が付けられる。言語学で広く使用されている文法範疇の標準的な略語のリストは、ライプツィヒ注釈規則に記載されている。

一対多の対応。一つのオブジェクト言語要素が複数のメタ言語要素に対応する場合、それらはピリオドで区切られる。^[3]例：

非明示的要素。形態素ごとの注釈（中央の行）に、例の明示的要素に対応しない要素が含まれている場合、標準的な戦略は、オブジェクト言語テキストに明示的な「ø」を含めることです。^[3]明示的要素の場合、次のようにハイフンで区切られます。

重複は接辞と同様に扱われますが、コピーされた要素を語幹に接続するチルダ（標準のハイフンの代わりに）が使用されます。^[3]

行間の形態論的注釈では、さまざまな句読法で注釈を区切っています。通常、単語は注釈と一列に並べられます。単語内では、本文と注釈の両方に境界が示される場合はハイフンが使用され、境界がどちらか一方にのみ現れる場合はピリオドが使用されます。つまり、本文と注釈でスペースで区切られた単語の数は同じで、単語と注釈内のハイフンでつながれた形態素の数も同じである必要があります。これが基本的なシステムであり、普遍的に適用できます。例:

go_out- PFVのように、ソース言語の単語 1 つが注釈言語のフレーズに対応する場合、ピリオドの代わりにアンダースコアが使用されることがあります。ただし、ギリシャ語のoikíais house. FEM.PL.DAT 'to the houses' のように、他の状況ではピリオドが使用されます。

ただし、より細かい区別がされる場合もあります。たとえば、接語はハイフンではなく二重ハイフン (または、入力しやすいように等号) で区切られることがあります。フランス語の例:

不連続性を引き起こす接辞（接中辞、接尾辞、接尾辞など）は、山括弧で区切られ、重複はハイフンではなくチルダで表されます。

(他の例については、接尾辞を参照してください。)

ウムラウトのように簡単に分離できない形態素は、ピリオドではなくバックスラッシュでマークすることができます。

時々見られる他のいくつかの慣習は、ライプツィヒの注釈規則に示されています。^[3]

世界中の何百もの言語のIGTをデジタル化する取り組みが行われてきました。^[5]

ODIN（オンライン逐語訳テキストデータベース）は、学術的な言語研究から抽出された1,500以上の言語の20万件以上の逐語訳のデータベースです。^[6]このデータベースは、自動構築とそれに続く手動修正の2段階で構築されました。自動構築段階自体は、3つのステップで完了しました。

1. まず、検索エンジン (Google、Bing など) にクエリを実行して、行間注釈が含まれている可能性のある学術文書を検索しました。クエリには、文法形態素 (「NOM」(主格の略)、「3SG」(三人称単数形の略) など、言語研究に関連する用語が含まれていました。
2. 次に、抽出された文書内の各行は、機械学習のシーケンスラベル付け方法を使用して、行間注釈に属する行であるかどうかがタグ付けされました。
3. 第三に、各インターライン注釈インスタンスに言語名（例：タガログ語）と ISO 693-3 言語 ID が割り当てられました。言語名と ID は、自然言語処理の共参照解決モデルを使用してインターライン注釈に自動的に割り当てられ、インターライン注釈インスタンスには、インターライン注釈インスタンスが抽出された学術文書に現れる言語名（および ID）がタグ付けされました。^[6]

手動修正フェーズでは、データベース作成者が、自動構築フェーズのステップ 2 でシーケンス ラベル付け方法によって検出された行間グロス インスタンスの境界を手動で修正しました。次に、作成者は、データの 2 回目と 3 回目のパスで、それぞれ言語名と言語コードを検証しました。

インターラインテキストオンラインデータベースなどのインターライン注釈リソースを活用した自然言語処理モデルが開発されている。^{[7] [8]}

例えば、自然言語処理システムは、自動的に行間注釈を生成するように開発されている。^[7]

形態素分割行（上記1行目）と自由翻訳行（上記3行目）が与えられた場合、語幹翻訳（例：mi : you）と接辞に対応する文法カテゴリラベル（例：a : ERG.1.PL）を含む中間の注釈行を生成することが課題となる。この課題を実行するために、自然言語処理のシーケンス予測モデルが使用されている。^[7]この課題の難しさには2つの要因が寄与している。

1. 翻訳は、必ずしも形態素分割行と一致しているわけではありません (例: camel は翻訳では最後の単語ですが、形態素分割行では 2 番目の単語です)。
2. 形態素分割行内の一部の単語は、注釈において複数の対応関係を持ちます（例：anu : be.NEG）。

IthkuilやLojbanなどの人工言語には、これらの言語の規則性と論理性により、（理論上は）常に正確な注釈を生成できる自動化ツールがあります。以下は、 IthkuilとLojbanの注釈の例です。

研究者は、対象言語（つまり注釈の対象となる言語）の形態論的パラダイムを得るために、インターライン注釈を使用してきました。インターライン注釈から形態論的パラダイムを自動的に作成するために、研究者は注釈内の各語幹のテーブルと、注釈内の各文法カテゴリ（ERGなど）の（おそらく空の）スロットを作成しました。たとえば、以下の注釈文を考えてみましょう。^[7]

PFV.PST.SG.FEMとPFV.PST.SG.MASCのスロットを持つstem pobejaのパラダイムが存在します。

PFV.PST.SG.FEMのスロットは埋められる（行間注釈データで観測されたため）が、PFV.PST.SG.MASCのスロットは空になる（PFV.PST.SG.MASC文法カテゴリのpobeja の語形変化を含む他の行間注釈インスタンスがないと仮定）。欠落しているエントリを埋めるために、形態素語形変化の統計的機械学習モデルを使用することができる。^{[8] [9] [10] [11] [12]}

• 漢文– 中国の古典文献を注釈する日本の伝統
• ルビテキスト- 中国語や日本語の発音を示すために使われる注釈。
• 品詞タグ付け。タグ付けされた単語の下に行間注釈として表示されることが多く、行間逐語訳と同時に表示されることもあります。
• Treebanks は、多くの場合、元のテキストの注釈または注釈として表示されます。
• ジェームズ・ハミルトン、19世紀の作曲家であり、言語学習のための逐語テキストの推進者
• メタフレーズ

• ライプツィヒ注釈規則: 行間形態素ごとの注釈の慣例
• インターライングロステキスト標準 (E-MELD)
• インターライングロステキストレベル (E-MELD)
• インターラインテキストの一般モデルに向けて (E-MELD)
• 行間形態素注釈
• 古代言語とテキストの注釈。古代の写本に記録されている古代言語の線形形態素注釈に関する推奨事項を議論するフォーラム。
• 聖書ギリシャ語聖書（新約聖書）のオンライン逐語訳テキスト
• ODIN - インターラインテキストのオンラインデータベース
• ラティナム逐語訳法のページ ラテン語または古代ギリシャ語から英語に翻訳された古い逐語訳および解釈テキストの一覧
• アーネスト・ブラム、「言語を学ぶ新しい古い方法」、アメリカン・スカラー、2008 年秋。