国立国語院は9月30日、「みんなのコーパス」ウェブサイトで、韓国語・外国語の並列コーパスや韓国手話コーパスなど、新規コーパス16種を公開した。これにより、国立国語院が配布した韓国語コーパスは計174種となった。

国立国語院は、韓国語に特化した人工知能（AI）の開発と研究に必要な高品質な言語資源を構築し、産業界や学界に公開してきた。今回のコーパスは、AIの韓国語・文化能力を高め、韓国語を媒介としたコミュニケーションの拡大や国民の国語能力向上に活用できるよう構成されている。

最も大きな割合を占めるのは、韓国語・外国語の並列コーパス8種である。新聞記事のような韓国語の文語資料と、国立国語院の「日常会話コーパス2024」の口語資料を、ベトナム語、インドネシア語、タイ語、 ヒンディー語、カンボジアのクメール語、フィリピンのタガログ語、ロシア語、ウズベク語など8つの言語に翻訳して組み合わせた。AIベースの外国語通訳・翻訳モデルの品質を高めるために不可欠な資料であり、言語ごとに1種類ずつ公開された。

韓国手話のコーパスは3種類である。聴覚障害者2名が手話で会話した映像で構成された生データコーパス、この映像を韓国語に翻訳し、手話の単語を分節して注釈を付けた注釈付きコーパス、会話映像を韓国語に書き起こした韓国手話・韓国語並列コーパスである。 手話利用者のコミュニケーションの利便性を高める手話通訳技術の開発に活用できる。

人の母語能力を評価するAI学習用資料も公開された。 全国9つの圏域の国公立大学の学生と一般成人が書いた1,000字前後の論証型文章を集めた「作文生データコーパス」と、同じ文章を採点専門家2名が採点した結果を収録した「作文採点データコーパス」である。

このほか、国語生活相談の事例をもとに利用者の質問タイプを872種類に細分化し、タイプ別の質問・回答資料を作成した後、言語モデルがこれを基に質疑応答を生成した「指示文に基づく作文添削支援コーパス」、 新小説や『帝国新聞』、学術誌『ハングル』など20世紀初頭の文献を収録した「国語歴史資料コーパス」、外来語表記法や標準発音法、ローマ字表記法の用例を共通の形式で整理した「国語知識基礎資料」が公開された。

コーパスは、国語研究や言語情報処理分野の研究・技術開発に活用しようとする研究者、開発者、事業者なら誰でも利用できる。 「みんなのコーパス」のウェブサイトでオンライン利用規約に同意し、承認を受ければダウンロードできる。ただし、承認された目的以外には使用できず、第三者に譲渡または貸与することはできず、資料を活用した成果物を外部に公開する際は事前の承認を受けなければならない。

国立国語院の関係者は、「韓国語に精通し、韓国文化をよく理解する自律型人工知能の開発を支援できるよう、2030年までに韓国語・韓国言語文化のコーパスを累計340種とすることを目標に、継続的に構築・公開していく計画だ」と述べた。

[ai_process]