ロンゴロンゴのtranscriptについて

コーパスは以下から収集

• http://kohaumotu.org/rongorongo_org/corpus/1.html

ロンゴロンゴ文字自体は牛耕式で書かれているが、逆方向で描かれる際は上下も反転するので、 Transliteration Systemに落としているこのコーパスではそのことは考えなくて良い。

絵文字の詳細 †

絵文字(表意文字？)のようなもので記載されている。それぞれ、Thomas Barthel's Transliteration System
においては、絵文字を下記URLのようにそれぞれ数値と一対一対応している。

• http://kohaumotu.org/rongorongo_org/corpus/codes.html

絵文字の装飾について †

ロンゴロンゴ文字は、絵文字で記述されているが、単純に絵文字が並んでいるだけではなく、
絵文字に細かな装飾がついたり、複数の絵文字が結合して一文字となっている物が存在する。

装飾(suffix) †

• http://kohaumotu.org/rongorongo_org/corpus/affixes.html

文字につく細かな装飾についての記述。助詞的なもの？
Transliteration Systemでは、数値のsuffixとしてアルファベット文字が複数個付与されて表現される。

prefixを付与して表現する装飾も存在すると書かれているが、今回のコーパスでは見つけられなかった。

結合(複数の絵文字の結合) †

http://kohaumotu.org/rongorongo_org/corpus/combine.html

横結合(Linking) †

絵文字が横並びに並んでそれぞれがくっついているもの。
Transliteration Systemでは、それぞれ数値+suffixを一文字として、それを'.ピリオド'で結合して表現されている。

縦結合(Stacking) †

絵文字が縦並びにくっついているもの。これは２つの文字が縦に並んだものしか存在していない。
縦並びにくっついた文字が、他の文字と横並びに結合するものもある。
Transliteration Systemでは、それぞれ数値+suffixを一文字として、それを':コロン'で結合して表現されている。

部分結合(Merging) †

２つの文字を横結合するにあたって、その間に小さな文字を介してつながっているもの。
基本的には左の文字に';セミコロン'を介して小さな文字の数字表現が結合されている。

データの作成 †

この４つの装飾のパターンを以下に扱うかで複数のパターンで文字分割を行う。

1. suffixを除去するかどうか
2. Mergingを削除するかどうか
3. Linkingを分けるか否か
4. Linkingを分けた上で、Stackingもわけるか否か
5. Linkingを分けた上で、Mergingもわけるか否か

• 分割スクリプト
  • https://gist.github.com/shunsukeaihara/6448394

詳細 †

rongorongo_word

装飾や結合をそのまま一文字として扱う

rongorongo_word_split

SuffixをそのままにLink, Stacking, Mergingを分解して別々の文字とする

rongorongo_word_rsuffix

Suffixを取り除くが、結合はそのままにして一文字とする

rongorongo_word_rmerge

SuffixをそのままにMergingの小さな文字を取り除く。結合はそのまま一文字に

rongorongo_word_split_rsuffix

文字結合を分けるがその際にSuffixを取り除く

rongorongo_word_split_rmerge

文字結合を分けるがその際にMergingの小さな文字を取り除く

rongorongo_word_split_rsuffix_rmerge

文字結合を分けるがSuffixとMargingの小さな文字両方を取り除く

rongorongo_word_split_fjstack

文字結合を分けるが縦結合はそのまま一文字として扱う

rongorongo_word_split_fjmerge

文字結合を分けるがMergingの小さな文字は結合したまま一文字として扱う

rongorongo_word_split_fjstack_fjmerge

文字結合を分けるが、縦結合とMergingの小さな文字は結合したまま一文字として扱う

rongorongo_word_split_rmerge_fjstack

文字列結合を分けるが、Mergingの小さな文字は削除し、縦結合は結合したまま一文字として扱う

rongorongo_word_split_rsuffix_fjstack

文字列結合を分けるが、Suffixは削除し、縦結合は結合したまま一文字として扱う

rongorongo_word_split_rsuffix_fjmerge

文字列結合を分けるが、Suffixは削除し、Mergingは結合したまま一文字として扱う

rongorongo_word_split_rsuffix_fjstack_fjmerge

文字列結合を分けるが、Suffixは削除し、Mergingと縦結合は結合したまま一文字として扱う