力

原稿から使いすぎた語を探そうとして、検索窓に一字だけ打ち込んだことがあります。結果は数十件。能力、権力、体力、重力、魅力、力士、精力的、力量。探していた用例は、その山のどこかに埋もれている。全文検索が悪いわけではありません。文字列として一致するものを返す、という約束をきちんと守っているだけです。ずれているのは、こちらが「語を探す」つもりで文字列を打っていたことのほう。この一字は、単独で立つ名詞であると同時に、数えきれない複合語の部品でもある。部品としての出現数のほうが圧倒的に多い。

複合語のなかでは、意味も揃っていません。体力と重力はまだ地続きですが、魅力にあるのは物理量ではないし、力士は職業名です。上位語だから下位語を拾える、という関係でもない。にもかかわらず、機械にとっては全部が同じ二バイトの一致です。形態素解析を通せば語の単位で切れるはずですが、一字の漢字語は解析器がもっとも迷うところで、辞書と文脈次第で名詞として立つか、複合語の一部に吸収されるかが変わる。検索の精度を上げようとすると、こんどは解析器の癖を勘定に入れる必要が出てきます。

ここに、もう一段ややこしい話が乗ります。この漢字と、カタカナの「カ」は、字形が非常に近い。フォントによってはほとんど見分けがつきません。それでいて符号としては完全な別物で、Unicode ではそれぞれ別のコードポイントを持っています。だから「カ強い」と打ち間違えた原稿は、いくら漢字のほうで検索しても一件も出ない。目で読めば違和感がないのに、機械は最初から別の文字として扱っている。この事実に触れると、少し足元が揺れます。文字が同じかどうかを決めているのは、読む目ではなく符号のほうだった、という順序が見えるからです。

ただ、揺れっぱなしにするのも正確ではありません。機械の同一性は一つではないからです。Unicode 正規化をかければ、半角のカナは全角に畳まれて同じ文字になる。異体字や旧字体をどう扱うかは、検索システムごとの設計判断です。つまり「同じ文字か」の答えは目的によって変わる。人間の目にとっての同じさと、符号にとっての同じさと、検索にとっての同じさが、三つとも別の線を引いている。どれかが本物というわけではなく、揃わないことのほうが常態です。揃っていると思い込んだときにだけ、事故が起きる。

原稿の実務に落とすと、注意点は二つになります。一つは一括置換。この一字を別の語に置き換える操作は、能力も魅力も巻き添えにします。置換対象を語として指定できない環境では、前後一文字を含めた文字列で検索してから個別に直すほうが安全です。もう一つは、見た目で判断しないこと。誤入力した文字は、目で読み返しても気づけない代わりに、検索でゼロ件になることで露見します。ゼロ件という結果は、たいてい失敗の合図として受け取られますが、この場合だけは、原稿のどこかに別の文字が紛れているという確かな報告です。