『日本語話し言葉コーパス』第１刷に関する問題点
『日本語話し言葉コーパス』第１刷に関して判明した問題点を報告しています。第２刷ではこれらの問題点は全て修正されています。
（公開:2004.06.01: 最終修正2008.05.02)
１．DVD-ROMの枚数
『日本語話し言葉コーパス』Volume1の /DOC ディレクトリに格納されている「『日本語話し言葉コーパス』の概観」 （overview.pdf）マニュアルでは、『日本語話し言葉コーパス』はDVD17枚組としていますが(p. 18)、実際には18枚組です。
Volume1からVolume17までの内容は上記マニュアルに記載されているとおりですが、上記マニュアルの執筆後に情報通信研究機構（旧通信総合研究所）で作成された「節単位XML文書」および「文編集データ」と専用ビューワーをVolume 18として公開対象に加えました。Volume18の内容については、同ディスクの /DOC ディレクトリに格納されている解説文書（cuxml.pdf等）をご参照ください。(2004.06.01)
２．節単位情報の不具合
「『日本語話し言葉コーパス』の概観」マニュアルには、すべての講演(3302ファイル)に対して「節単位情報」を付与している旨の記述がなされていますが(p.10)、今回お送りした『日本語話し言葉コーパス』では、XML文書生成時の手違いによって、情報が付与されているのは、コアおよびテストセットに含まれるモノローグ講演（合計199ファイル）に対してだけとなっております（コアのうち対話と再朗読には付与されていません）。深くお詫び申しあげます。
＊現在修正データを作成中です。追って差し替えデータを公開いたします。(2004.06.01)
⇒ 2005年4月以降は上記のバグを修正したXMLデータを格納したDVD１枚を添えて出荷しています。
３．節単位情報の不具合によるマニュアルの読み替え(1)
上記２の結果、Volume1の/DATAディレクトリに格納されているtalk_data.datの内容にも修正が必要となりました。現在、同ファイルの第66フィールドには、節単位データの種別を表す情報として、「自動」ないし「手動」という値が記入されています。この値が「手動」となっているファイルにだけ節単位情報が付与されていますので、差し替えデータ公開までの間は、「自動」を「節単位情報なし」、「手動」を「節単位情報あり」と読み替えていただきますよう、お願いいたします。(2004.06.01)
⇒ 2005年4月以降は上記のバグを修正したXML文書を格納したDVD１枚を添えて出荷しています。 修正XML文書を利用していただければ上記の読み替えは必要なくなります。
４．節単位情報の不具合よるマニュアルの読み替え(2)
上記２の結果、Volume1の/DOCディレクトリ中の「記録票データ・対話記録票データ・講演者属性データ・対話参加講演者の講演一覧の解説」（data_attribute.pdf）マニュアルの節単位情報に関する記述内容(p. 6)にも上記３と同様の読み替えをお願いいたします。(2004.06.01)
⇒ 2005年4月以降は上記のバグを修正したXML文書を格納したDVD１枚を添えて出荷しています。修正XML文書を利用していただければ上記の読み替えは必要なくなります。
５．節単位情報マニュアルの誤植
Volume1の/DOCディレクトリ中の「『日本語話し言葉コーパス』における節単位認定」マニュアル（clause.pdf）p. 6の「主題の共有+」の最初の例文に以下の誤植があります。(2004.06.01)
（誤）： 私は旅行が大好きで/並列節デ/ + 今までもあちこち行きましたけれども<P>/並列節ケレドモ/;主題の共有
（正）： 私は旅行が大好きで<並列節デ>今までもあちこち行きましたけれども<P>/並列節ケレドモ/+その中で一番楽しかった旅行をこれからお話しいたします<P>[文末];主題の共有
６．XML文書におけるエクステンダー記号
X-JToBIで用いられているエクステンダー記号">;"は、XML文書中では記号"]"によって置換されています。その旨の説明がマニュアルに抜けておりました。なお、この措置はXML文書中では">;"がタグ付のために利用されることによるものです。(2004.06.01)
＊エクステンダーについてはVolume1/DOCの「『日本語話し言葉コーパス』のイントネーションラベリング」intonation.pdfに説明があります。
７．印象評定データに関する誤植
Volume1の/DOCディレクトリに格納されている「印象評定データの概要」マニュアル（impression.pdf）に誤植がありました。p. 7冒頭の「3.4データファイル」中のデータファイル名が誤っていました。(2004.07.13)
（誤）： rating.csv
（正）： impression.csv
以下も印象評定データに関する誤植です
impression.pdf, p. 2の「2.2.3 段階評定式印象評定項目」の「講演の自発性」に関する記述で「ただし、記録票Ver.1.0のものでは」のすぐ下の表が誤っています。data_attribute.pdfのp. 4の「2.6.1 講演の自発性」にも同じ誤りがあります。(2004.08.12)
（誤）
1 ほぼすべて自発的
2 多くの部分自発的
4 多くの部分朗読
5 ほぼすべて朗読
1 ほぼすべて朗読
2 多くの部分朗読
4 多くの部分自発的
5 ほぼすべて自発的
８．XML関連スクリプト（XSL）のバグ
Voumue1の/TOOL/XSLディレクトリに格納されている三つのXML関連スクリプト（XSL）に不具合がありました。それぞれの修正方法〔（誤）→（正）〕と不具合の内容を以下に記します。(2004.08.16)
(1) xml2seg.xsl (23行目)
修正：<xsl:if test="@Channel='L:'"> → <xsl:if test="@Channel='L'">
不具合：チャンネル識別子のコロンが不要。
(2) xml2trn.xsl (1行目）
修正：<;?xml version="1.0" encoding="UTF-8"?> → <?xml version="1.0" encoding="EUC-JP"?>
不具合：スクリプト内部で利用されている漢字コードとXML宣言の不一致。
(3) iputrn2xsl.xsl (1行目)
修正：<?xml version="1.0" ?> → <?xml version="1.0" encoding="Shift_JIS"?>
不具合：スクリプト内部で利用されている漢字コードとXML宣言の不一致。