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。
形態素解析の意味と見分け方
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」に出てくる用語です。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。
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
「大項目6 ディープラーニングの応用例」の問題で、取り違えやすい組み合わせです。
- 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
日本語の自然言語処理で、文を意味を持つ最小の単位に分割し、品詞などを判定する基礎的な処理を何というか。
正解は「形態素解析」である。形態素解析は、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、それぞれの品詞などを判定する処理で、日本語の自然言語処理の基礎となる。エッジ検出は画像処理、正規化は尺度をそろえる前処理、プーリングはCNNの処理であり、いずれも文を単語に分割する処理ではない。 入力媒体と成果物を見る。エッジ検出とプーリングは画像の輪郭抽出・特徴要約、正規化は尺度調整である。文を語の最小単位へ区切り、品詞や原形などを付与する自然言語処理は形態素解析である。
大項目6 ディープラーニングの応用例 / 自然言語処理
単語を意味の近さが反映されるベクトルとして表す代表的な手法で、「王様 - 男性 + 女性 ≒ 女王」のような例で説明されることが多いものはどれか。
正解は「word2vec」である。word2vecは単語を分散表現のベクトルとして扱う代表的な手法で、意味的な近さや関係がベクトル空間に表れやすい。形態素解析は文を単語などに分ける処理、FCNは画像のセグメンテーション、メル周波数ケプストラム係数は音声特徴量である。 成果物を比較する。形態素解析は文の分割と品詞付与、FCNは画像の画素分類、MFCCは音声特徴量である。語の共起から意味の近さや関係をベクトルへ反映し、ベクトル演算の例で説明されるのはword2vecである。
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。
同じ章で確認したい用語
他資格でも出題される用語
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: AI資格ドリル編集部（運営者情報を見る）