自由なデータ

Software Fredom Day 2012での発表資料
(mirror from: https://www.slideshare.net/takatsugunokubi/ss-14368089)

Transcript

1. 自由なデータ Software Freedom Day2012 野首貴嗣 knok@fsij.org
2. 「自由なデータ」の定義 • この発表の中での「自由なデータ」 • 自由ソフトウェアの定義を参考に – いかなる目的に対しても、プログラムを実行する権利 – プログラムがどのように動作しているか研究 し、必要 に応じて改造する自由 – 身近な人を助けられるよう、コピーを再配布する自由 – 改変した版を他に配布する自由
3. 定義してみる • 目的を問わず利用する自由 – 「利用」の定義が難しいのであまり考えない • 調査し、改変する自由 – 「ソースコード」にあたるものはデータによって さまざま • コピーの再配布の自由 • 改変物の再配布の自由
4. 自由なデータのライセンス例 • GPL – あまりデータには向かない • GFDL (GNU Free Document License) – invaliant sectionがある • Creative Commons – 複数のバリエーションがある • Open Database License – OpenStreetMapの新しいライセンス(2012/9/12より)
5. 日本語の処理と自由なデータ • 表示に必要なフォント – ビットマップ – アウトライン • 辞書 – 日本語入力 – 自然言語処理
6. ビットマップフォント • 昔のPCはROM内蔵 • ソフトウェアでフォントをレンダリング – a12k12 (public domain) • X-Window に同梱 – M+ font (ほぼpublic domain) • 見易さ、デザインにこだわったフォント
7. アウトラインフォント • PCの処理能力向上によって需要が拡大 – 東風フォント • ライセンス問題により配布停止 • さざなみフォントという代替フォントが開発された – M+ Outline font • 5つのウェイトを持つ日本語アウトラインフォント • 現在第1水準まで • 組み合わせた派生フォントが何種かある – VL-Gothic font (M+/さざなみ)
8. 日本語入力 • 辞書が必須 – SKKJISYO (GPL) • SKK用の辞書 – Pubdic+ (ほぼpublic domain) • Wnn/FreeWnnの辞書 – cannadic/改 (pubdic+由来の単語を含む） • Canna, Anthyの辞書 – ipadic (ICOTライセンス) • mozcの辞書
9. 自然言語処理 • ipadic – ChaSen – MeCab • juman dic (MIT style) – juman
10. 自由ソフトウェアの弱い領域 • スペル、文法チェッカー • 日本語入力 – 手書き入力 • Tomoe • 音声合成 – Open JTalk • OCR – tesseract – nhocr
11. 困難な要因 • データ量 • 専門性の高さ • 統一性 • データ形式の問題 • 法的な問題
12. プロプライエタリデータの問題 • データ形式が非公開 – 参考にすることも改造することも困難 – 特許になっているデータ形式もある • 言葉狩り – 「不適切」「差別的」とカテゴライズされる単語 • データ改変、追加が難しい – 適切な品詞で単語を追加できるか – 適切なスコア（頻度情報）を指定できるか
13. 自由なデータを増やすには • データ流通の拠点が必要 – Youtube – niconico – pixiv – instagram – flickr – Wikipedia • … などのようなサイト
14. 必要な機能 • 著作権者の明確化 • ライセンスの明確化 – flickrはCreativeCommonsが選択できる • 一次著作物と二次著作物の関係性の明記 – niconicoにはコンテンツツリーがある • コンテンツの評価機能 • 専門知識を持つ編集者的存在
15. 著名なプロジェクト • Project Gutenberg • 青空文庫 • Internet Archive • Wikipedia • OpenStreetMap