悲しみ

投稿の山を機械に仕分けさせる仕事があります。文章に感情のラベルを付け、集計して傾向を出す。このとき最初に決めるのはラベルの数です。基本感情を六つ前後に絞る枠組みが引かれることが多く、その一つとしてこの名詞が置かれる。箱を用意した時点で、寂しさも、口惜しさも、取り返しのつかなさも、同じラベルの下に集められます。分類器の精度をいくら上げても、この畳み込みで落ちたものは戻らない。語彙のほうが分類より細かいという当たり前の事実は、精度の数字には現れません。

検索の側でも似たことが起きます。この名詞で本文を探したいとき、「哀しみ」と書かれた箇所を同じものとして拾うかどうかは、機械が自力で決められることではない。表記ゆれの吸収は、たいてい人の作った対応表に頼っています。どの表記を同一視するかは辞書に書き込まれた判断であって、文字列そのものから導けるものではありません。しかも対応表は、それが書かれた時点の表記感覚で止まります。新しく現れた書き分けは、誰かが手で書き足すまで機械の側には存在しない。

解析の段階でも、この語は余分な手間を要求します。文を単語へ切る処理では、同じ文字列に複数の品詞が割り当てられうるとき、どれを採るかを決めなければならない。この三文字は、名詞としても、動詞の連用形としても成立します。深い悲しみ、と書かれていれば名詞。友の死を悲しみ、しばらく机に向かえなかった、と続けば動詞のほうです。判定の材料は前後の助詞と、その先に来る述語しかありません。同じ領域を担う「悲しさ」には、この曖昧さがそもそも生じない。対応する動詞が存在しないからです。隣り合う二語のうち、片方だけが品詞の分岐点になっている——語彙表の上では対等に並んでいるのに、処理の難しさが同じではないわけです。しかも誤った結果は品詞の欄にしか現れないので、集計だけを眺めている人の目には入りません。

近さの指標として、編集距離（レーベンシュタイン距離）という尺度があります。挿入・削除・置換の最小回数で二つの文字列の隔たりを測るもので、定義も実装も単純です。ところがこの語の周辺では、指標がうまく働かない。悲しみと悲しさは距離一、悲しみと哀しみも距離一。しかし前者は意味の型そのものが違い、後者はほぼ同義で表記だけが違う。同じ距離一の中に、意味の遠い組と近い組が同居している。表層の距離と意味の距離は独立している、と言ってよい。正規化が難しいのは、この独立性のためです。

表層で測れないなら文脈で測ればよい、という道もあります。似た文脈に現れる語は意味も近いという仮定を置き、語を数百次元の数値の並びへ写す方法が、いまは広く使われています。字面の似ていない語どうしを近くに置けるのが利点です。ところがこの語の周辺では、別の困りごとが起きる。表記だけが違う二つは文脈もほぼ同じですから、当然近くに並ぶ。接尾辞だけが違う二つも、共に現れる述語の重なりが大きいので、やはり近くへ並んでしまいます。距離の値は同じでも、近い理由が違う。数値の並びは、その理由のほうを保存しません。編集距離が表層しか見ないのと対称的に、この方法は表層をまったく見ない。表記の揺れと語形成の違いを区別する手掛かりは、結局どちらの側からも出てこないことになります。

型の言葉で整理すると見通しがよくなります。「さ」と「み」はどちらも形容詞から名詞を作る接尾辞ですが、広く言われる整理では、前者は程度を量る方向、後者は実質や状態そのものを指す方向を向いている。前者は形容詞を数量へ写す関数、後者は形容詞を対象へ写す関数、と考えると近い。生産性にも差があり、「さ」はほぼどの形容詞にもつきますが、「み」がつく語は限られます。高み、深み、痛みは成立しても、対義側の形容詞に同じ接尾をつけると据わりが悪くなる。定義域が全体に及ぶ関数と、定義域が虫食いになっている関数の違いです。

書く側にとっての含みは、この二系統が要求する述語の違いです。程度の名詞は測る動詞と結びつく。増す、和らぐ、といった語です。実質の名詞は場所や容器の比喩と結びつきやすい。抱える、沈む、底、といった語がそれにあたります。——一文の中でこの二系統を混ぜると、比喩の座標がずれて、読者は輪郭を結べない。深さを測っていたはずの文が、途中から容器の中身の話になる。ラベルの設計と同じで、単位をどこで切るかを先に決めておくほうが、あとの修正が少なくて済みます。