頬を染める

日本語の全文検索を実装するとき、慣用句は最初の難所になります。文章を形態素解析器に通すと、返ってくるのは単語の列です。頬／を／染める。三つの単位に割れたその瞬間、この表現は索引の上から消えます。転置索引が保持しているのは「頬」がどの文書に出るか、「染める」がどの文書に出るか、その二つだけで、二語が隣り合って一つの意味をなしていたという事実は、どこにも記録されません。そこで実装者は、連続する二語や三語をまとめて索引に入れる方法を採ります。単位を語から語の並びへ引き上げる——この妥協は、慣用句が語彙の一種であることを、機械の側から追認したものだと言えます。

意味の近さを測る段になると、事情はさらにねじれます。文字列の近さを測る古典的な尺度に編集距離があります。片方の文字列をもう片方に変えるのに、挿入・削除・置換が何回必要かを数える方法です。この尺度では、「頬を染める」と「頬に朱が差す」はほとんど共有する文字を持たず、遠い場所に置かれます。一方で「頬を撫でる」とは二字違いで、ごく近い。綴りの距離と意味の距離は、独立に動く。近年よく使われる分散表現がこの乖離をいくらか埋められるのは、文字ではなく文脈を座標に使うからです。赤面を表す言い回しが空間上で集まるのは、それらが「思わず」「うつむいて」「見られて」といった同じ近傍語を共有しているためで、字面が似ているからではありません。

色の側から眺めると、また別の事情が見えます。画面上の赤は普通、三本の八ビット値で表されます。血流が増えたときに肌の色が動く幅は、この座標系の中ではごく小さい。隣り合う色番号の数個ぶんに収まることも珍しくありません。それでも人の目はその差をよく拾います。表記のうえで「染める」という動詞が引き受けているのは、この微細で連続的な過程を、始まりも終わりも決めずに丸ごと指し示す仕事です。離散的な符号へ写すたびに取りこぼされるのは、まさにこの、いつ始まっていつ終わったのか誰にも言えない種類の変化でしょう。

機械の側がもうひとつ苦手にするものがあります。否定と時制です。転置索引は語の有無しか持たないので、頬を染めた文と、頬を染めなかった文と、これから染めるだろうと述べている文が、同じ一件として返ってくる。書き手が自分の原稿を検索してこの表現の使用を数えようとすると、三つが混ざったまま件数になります。数えられるのは表現が現れたことであって、その表現がその一行で何をしていたかではない。知りたいのはたいてい後者のほうで、そこだけは今も自分で読んで分けるしかありません。

選択の問題は、この言い回しを使うか避けるかではなく、その場面で読者に何を新しく渡す必要があるか、に置き換えられます。物語の中心にある一度きりの動揺なら、既製の言い回しでは足りない。脇役が軽く照れるたびに新しい比喩を作れば、文章のほうが先に疲れます。索引に載りにくい単位であり、意味の隣人が字面の隣人と一致せず、数えても否定と時制が落ちる。機械の側から測って出てきたこの三つは、そのまま、どこで使いどこで使わないかの見取り図として読めます。