# 関西弁アクセント辞書 (Kansai Dialect Accent Dictionary)

日本語の京阪式アクセント(大阪・京都方言)を収録した辞書データです。音声合成、言語学研究、方言学習などに活用できます。

## 📊 収録データ

- **収録語数**: 4,551語(うち要確認36語は `data/needs_review.csv` に分離)
- **アクセント体系**: 京阪式(Keihan-type)
- **形式**: CSV、MeCabユーザー辞書(IPA辞書系)

## 🎯 アクセント記法

本辞書は **拍ごとの高低をH/Lの列で表す方式** を採用しています。

```
形式: 拍ごとに H(高) または L(低) を並べた文字列
```

| 記法 | 意味 | 例 |
|------|------|-----|
| `HH` | 高起式・平板 | あめ「飴」= HH |
| `LLHL` | 低起式・3拍目に核 | おおきに = LLHL |
| `HHHH` | 高起式・平板(4拍) | たこやき = HHHH |
| `LH↘` | 低起式・語末下降 | 二拍名詞第三類など |
| `LH・LLH` | 複数語形(「・」区切り見出しに対応) | あう・あわん = LH・LLH |
| `HLLL LL` | 複合語(空白区切り) | あいさつする = HLLL LL |

### 京阪式アクセントの特徴

- **起式の区別**: 第1拍がHなら高起式、Lなら低起式。東京式にはないこの区別が京阪式の最大の特徴であり、本辞書ではH/L列の先頭文字がそのまま起式を表す
- **アクセント核**: H列の中でLに下がる直前の拍が核(例: `HHLL` は2拍目に核)
- **語末下降**: 一部の語は語末で下降する(`↘` で表記)

## 📁 ファイル構成

```
kansai-accent-dictionary/
├── README.md
├── LICENSE
├── data/
│   ├── kansai_accent_dict.csv  # メイン辞書(4,551語・検証済み)
│   └── needs_review.csv        # 出典との照合が必要な行(36語)
├── mecab/
│   ├── kansai_accent.csv       # MeCabユーザー辞書CSV(4,460語)
│   └── README.md               # コンパイル方法・使用例
├── docs/
│   └── data_sources.md         # データソースの詳細
└── tools/
    ├── clean_dictionary.py     # 元データのクリーニング
    ├── convert_to_mecab.py     # MeCab形式への変換
    └── validate.py             # データ検証(CI用)
```

## 📊 データ形式(data/kansai_accent_dict.csv)

| 列名 | 説明 | 例 |
|------|------|-----|
| word | 単語(かな) | おおきに |
| original | 元表記(漢字等) | 大きに |
| pos | 品詞 | 副 |
| accent | 京阪式アクセント(主形) | LLHL |
| accent_variants | 異形(「/」区切り) | HHH |
| note | 備考 | 異形は近世近畿・紀州龍神・阿波・土佐 |
| source | 出典 | 近畿日本語アクセント辞典 |

### 統計

- 起式: 高起式 3,105語 / 低起式 1,446語
- 異形(複数アクセント)あり: 180語
- 主な品詞: 名詞 2,475 / 五段動詞 431 / サ変名詞 300 / 地名 135 / 一段動詞 131 / 形容詞 118 ほか

## 🚀 使用方法

### CSV辞書

```python
import csv

with open('data/kansai_accent_dict.csv', encoding='utf-8') as f:
    for row in csv.DictReader(f):
        print(f"{row['word']}: {row['accent']} ({row['pos']})")
```

### MeCabユーザー辞書

コンパイルして使うと、形態素解析の出力素性の末尾に京阪式アクセントが付与されます。

```
$ echo "ほんまにおおきに" | mecab -u kansai.dic
ほんま  名詞,一般,*,*,*,*,本真,ホンマ,ホンマ,LLH(HHH)
に      助詞,格助詞,一般,*,*,*,に,ニ,ニ
おおきに 副詞,一般,*,*,*,*,大きに,オオキニ,オオキニ,LLHL
```

詳細は [mecab/README.md](mecab/README.md) を参照してください。

### データの検証

```
python3 tools/validate.py data/kansai_accent_dict.csv
```

拍数とアクセント列長の整合性・重複・形式エラーを検査します(CIでも実行)。

## 📖 データソース

本辞書は以下のオープンデータを統合して作成されました。

1. **近畿日本語アクセント辞典**(尾水坂本氏)- 3,873語
2. **Wikibooks 京阪式アクセント(基礎)**(CC BY-SA 3.0)- 511語
3. **甲種日本語アクセント辞典**(せきゆう氏、OCR取得分を含む)- 167語

詳細は `docs/data_sources.md` を参照してください。OCR由来のデータは誤読の可能性があるため、機械検証で問題が見つかった行は `data/needs_review.csv` に分離しています。

## ⚠️ 既知の制限

- **動詞・形容詞は終止形(基本形)のみ**: 活用形ごとのアクセント変化は未収録です。MeCab辞書でも基本形での出現にのみマッチします
- **付属語はMeCab辞書に含まれない**: 助詞・助動詞・接辞(67語)は連接情報がないため、CSV辞書(`data/`)にのみ収録しています
- **同音異義語の網羅は不完全**: 例えば「はし」は「端」のみで「橋」「箸」は未収録です。京阪式の最小対(雨LH↘/飴HH など)の拡充は今後の課題です
- **OCR由来データの精度**: 地域注記の地名などにOCR誤読が含まれていた形跡があり、機械的に正規化しましたが、原典との照合が完了していません

## 📈 今後の展開

- [ ] `needs_review.csv` の36語を原典と照合して復帰
- [ ] 動詞・形容詞の活用形アクセントの追加
- [ ] 京阪式の最小対(橋/箸/端、雨/飴 など)の網羅
- [ ] 地域差への対応(京都・大阪・神戸)
- [ ] 10,000語まで拡充

## 🤝 貢献

1. **データの追加・修正**: Pull Requestをお送りください(`tools/validate.py` が通ることを確認してください)
2. **バグ報告・提案**: Issueを作成してください

## 📜 ライセンス

本プロジェクトは **BSD 3-Clause License** の下で公開されています。データソースの各ライセンスについては `docs/data_sources.md` を参照してください。

## 🙏 謝辞

- 尾水坂本氏(近畿日本語アクセント辞典)
- Wikibooks コミュニティ
- せきゆう氏(甲種日本語アクセント辞典)

## 🔗 関連リソース

- [東京方言アクセント辞書(tdmelodic)](https://github.com/PKSHATechnology-Research/tdmelodic)
- [OJAD(オンライン日本語アクセント辞書)](https://www.gavo.t.u-tokyo.ac.jp/ojad/)
- [京阪式アクセント(Wikipedia)](https://ja.wikipedia.org/wiki/京阪式アクセント)

---

**注意**: 本辞書は研究・学習目的で作成されたものです。商用利用の際は、各データソースのライセンスを確認してください。