G検定 用語解説
形態素解析とは
文を意味を持つ最小の単位（形態素、おおむね単語に相当）に分割し、品詞などを判定する処理。日本語の自然言語処理の基礎となる。
まず押さえる結論
形態素解析は、G検定の「大項目6 ディープラーニングの応用例」で確認しておきたい用語です。定義だけでなく、どの場面で使う言葉か、何と混同しやすいか、問題文のどの表現で判断するかまで確認します。
情報源と編集区分
公式範囲を確認し、具体例・誤答例・判断手順は当サイトが編集。 一次情報確認日: 2026-07-03。
試験概要（公式）試験での問われ方
定義の言い換え
用語そのものではなく、説明文の一部を言い換えて出されることがあります。
似た概念との比較
同じ章の用語と入れ替えた選択肢に注意します。対象、目的、使う場面を分けます。
具体例からの判断
問題文の事例が、定義のどの部分に対応しているかを先に確認します。
誤答しやすいポイント
×物体検出（R-CNN系/YOLO/SSD）とセグメンテーション（セマンティック＝画素単位の塗り分け、インスタンス＝個体ごとに区別）の混同。
×word2vec・BERT・GPTの違い（BERT＝前後両方向、GPT＝一方向・自己回帰）。
×強化学習の応用（DQN、AlphaGo）と画像/言語タスクの取り違え。
関連する確認問題
大項目6 ディープラーニングの応用例 / 自然言語処理
単語を固定長の実数ベクトルに変換し、ベクトルの加減算によって単語間の意味的な関係を表せるようにした代表的な手法はどれか。
正解は「word2vec」である。単語を固定長の実数ベクトル（分散表現）に変換し、ベクトルの演算で意味的な関係を表せるようにした代表的手法はword2vec。形態素解析は文を単語に分割する処理、seq2seqは系列変換のモデル、機械翻訳はタスク名であり、いずれも単語ベクトルそのものを学習する手法ではない。4つの選択肢は「単語のベクトル化」「文を単語に分割する処理」「系列を別の系列に変換するモデル」「言語間変換というタスク名」という異なる役割に分かれる。
大項目6 ディープラーニングの応用例 / 自然言語処理
入力した系列をいったん固定長のベクトルに符号化し、それを復号して別の系列を生成するEncoder-Decoder型のモデルで、機械翻訳などに用いられるものはどれか。
正解は「seq2seq」である。入力系列を固定長ベクトルに符号化し、それを復号して別の系列を生成するEncoder-Decoder型のモデルがseq2seqで、機械翻訳などに用いられる。形態素解析は分かち書き処理、word2vecは単語ベクトルの獲得、BERTは双方向の事前学習モデルであり、生成的な系列変換を主目的とはしない。4つの選択肢は「単語ベクトルの獲得」「文の分割」「双方向の事前学習」「系列から系列への生成」という異なる目的に分かれる。
大項目6 ディープラーニングの応用例 / 自然言語処理
単語を1種類の固定したベクトルで表すのではなく、同じ単語であっても文中の前後の文脈に応じて異なるベクトル表現が得られるようにした、文脈を考慮した分散表現の手法はどれか。
正解はELMo。同じ単語でも文中の前後の文脈に応じて異なるベクトル表現が得られる、文脈を考慮した分散表現を与える手法である。word2vecは1つの単語につねに同じ固定のベクトルを割り当てる静的な手法で文脈を反映しない。形態素解析は文を単語に分割する処理、Transformerは自己注意を用いるネットワーク構造そのものであり、いずれも文脈に応じて変化する単語の分散表現を与える手法を指すものではない。 単語表現が固定か文脈依存かを見る。word2vecは語ごとに一つの静的ベクトル、形態素解析は文の分割、Transformerは汎用ネットワーク構造である。前後方向の言語モデルから文脈依存表現を作る手法名はELMoである。
同じ章で確認したい用語
到達チェック
- 形態素解析を一文で説明できる
- 同じ章の似た用語と違いを説明できる
- 問題文の具体例から、形態素解析に関係する論点を拾える
- 関連問題を解き、誤答した選択肢の理由を確認できる
執筆: ミナト編集部（運営者情報を見る）