JP7396485B2 - 語彙数推定装置、語彙数推定方法、およびプログラム - Google Patents

Description

特許法第３０条第２項適用 ウェブサイトの掲載日 ２０２０年３月９日 ウェブサイトのアドレス ｈｔｔｐｓ：／／ｗｗｗ．ａｎｌｐ．ｊｐ／ｐｒｏｃｅｅｄｉｎｇｓ／ａｎｎｕａｌ＿ｍｅｅｔｉｎｇ／２０２０／ｐｄｆ＿ｄｉｒ／Ｅ１－３．ｐｄｆ

特許法第３０条第２項適用 ウェブサイトの掲載日 ２０２０年５月２２日 ウェブサイトのアドレス ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ／ｊｓａｉ２０２０／ｓｕｂｊｅｃｔ／２Ｃ１－ＧＳ－１２－０２／ａｄｖａｎｃｅｄ ｈｔｔｐｓ：／／ｃｏｎｆｉｔ．ａｔｌａｓ．ｊｐ／ｇｕｉｄｅ／ｅｖｅｎｔ－ｉｍｇ／ｊｓａｉ２０２０／２Ｃ１－ＧＳ－１２－０２／ｐｕｂｌｉｃ／ｐｄｆ？ｔｙｐｅ＝ｉｎ

特許法第３０条第２項適用 ウェブサイトの掲載日 ２０２０年６月４日 ウェブサイトのアドレス ｈｔｔｐｓ：／／ｗｗｗ．ｋｅｃｌ．ｎｔｔ．ｃｏ．ｊｐ／ｏｐｅｎｈｏｕｓｅ／２０２０／ｒｅｓｅａｒｃｈ３／ｉｎｄｅｘ．ｈｔｍｌ ｈｔｔｐｓ：／／ｗｗｗ．ｋｅｃｌ．ｎｔｔ．ｃｏ．ｊｐ／ｏｐｅｎｈｏｕｓｅ／２０２０／ｄｏｗｎｌｏａｄ／２０２０＿ｂｏｏｋｌｅｔ．ｐｄｆ

特許法第３０条第２項適用 ウェブサイトの掲載日 ２０２０年６月３日 ウェブサイトのアドレス ｈｔｔｐｓ：／／ｗｗｗ．ｙｏｕｔｕｂｅ．ｃｏｍ／ｗａｔｃｈ？ｖ＝ＹｚＢＬ８９ｋ３－ｒ４ ｈｔｔｐｓ：／／ｗｗｗ．ｙｏｕｔｕｂｅ．ｃｏｍ／ｗａｔｃｈ？ｖ＝８Ｎ２ＥＣＳｗｆＥｃｋ ｈｔｔｐｓ：／／ｗｗｗ．ｙｏｕｔｕｂｅ．ｃｏｍ／ｗａｔｃｈ？ｖ＝ｐＣｂｌｆ０ｂｓＱＡＩ

本発明は、語彙数を推定する技術に関する。

ある人が知っている単語の総数をその人の語彙数という。語彙数推定テストは、その語彙数を短時間に精度よく推定するテストである（例えば、非特許文献１等参照）。以下にその推定手順の概要を示す。
(1)単語親密度ＤＢ（データベース）の単語リストからテスト単語を親密度順にほぼ一定間隔で選択する。テスト単語の親密度は、必ずしも一定間隔である必要はなく、ほぼ一定間隔であればよい。すなわち、テスト単語の親密度の数値に粗密があってもよい。なお親密度（単語親密度）とは単語のなじみ深さを数値化したものである。親密度が高い単語ほどなじみのある語であることを示す。
(2)テスト単語を利用者に提示し、その単語を知っているか否かを回答させる。
(3)このようなテスト単語に対する回答に当てはまるロジスティック曲線を生成する。ただし、このロジスティック曲線は、単語親密度ＤＢ中において各テスト単語よりも親密度が高い単語の総数を独立変数ｘとし、利用者が各単語を知っていると回答する確率を従属変数ｙとするものである。
(4)そのロジスティック曲線において、ｙ＝０．５に対応するｘの値を求め、推定語彙数とする。なお、推定語彙数とは、利用者の語彙数と推定される値を意味する。

この方法では、単語親密度ＤＢを用いることで、選択されたテスト単語を知っているか否かをテストするだけで、利用者の語彙数を精度よく推定できる。

小林哲生，天野成昭，正高信男，"モバイル社会の現状と行方"，２００７，ＮＴＴ出版，ｐ１２７－１２８．

従来法では、単語の親密度が既知であることを前提とし、ある親密度の単語を知っている者は、それより親密度の高い単語をすべて知っていると仮定して語彙数を推定している。

しかしながら、非母国語を対象とした単語の親密度の大規模データは存在しない。例えば、利用者が日本人の場合、日本語以外の英語などの言語は非母国語である。日本人を対象とした数万～数十万語の日本語の単語の親密度データは存在するが、日本人を対象とした英語の単語の親密度の大規模データは存在しない。英語を母国語とする者を対象として調査された英語の親密度のデータは存在する。しかし、英語を母国語とする者と英語を非母国語とする日本人とでは、英語の単語の親密度は必ずしも一致しないだろう。

このように、単語親密度の大規模データが存在しない場合や、存在しても利用できない場合など、コーパス中での単語の出現頻度を用いて単語の親密度を推定することが考えられる。このように単語を出現頻度順に順位付けて語彙数推定を行う場合、単語の出現頻度の順序と単語のなじみ深さの順序とができるだけ一致することが望ましい。しかしながら、名詞のように活用しない語がある一方、動詞のように活用する語もある。活用する語では、活用で変化した語を同じ語としてとらえるか、異なる語としてとらえるかによって、出現頻度の数え方が自明ではない場合がある。また、動詞より名詞の方が語の異なり数が多く、相対的な頻度が低くなるなど、品詞によってコーパス中の出現傾向に差がある場合もある。そのため、単語を出現頻度順に順位付けて語彙数推定を行う場合、すべての品詞の単語を同一の基準で扱うことは難しい。

そのため従来法では、利用者の非母国語の語彙数を高精度に推定することができなかった。本発明はこのような点に鑑みてなされたものであり、出現頻度に基づく語彙数精度を高精度に行うことを目的とする。

本発明の装置は、複数の単語から複数のテスト単語を選択する問題生成部と、前記テスト単語を利用者に提示する提示部と、前記利用者の前記テスト単語の知識に関する回答を受け付ける回答受付部と、前記テスト単語と、前記テスト単語を知っている者の推定語彙数と、前記テスト単語の知識に関する回答とを用い、前記利用者が前記単語を知っていると回答する確率に基づく値と、前記利用者が前記単語を知っていると回答したときの前記利用者の語彙数に基づく値と、の関係を表すモデルを得る語彙数推定部と、を有する。ただし、前記推定語彙数は、コーパス中の前記単語の出現頻度および前記単語の品詞に基づいて得られたものである。

本発明では、出現頻度に基づく語彙数推定を高精度に行うことができる。

図１は実施形態の語彙数推定装置の機能構成を例示したブロック図である。 図２Ａは各単語の親密度とその親密度の単語数との関係を例示したヒストグラムである。図２Ｂは各単語の親密度とその単語を知っている者の推定語彙数との関係を例示したヒストグラムである。 図３Ａは利用者が単語を知っていると回答する確率と従来法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。図３Ｂは利用者が単語を知っていると回答する確率と実施形態の方法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。 図４Ａは利用者が単語を知っていると回答する確率と従来法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。図４Ｂは利用者が単語を知っていると回答する確率と実施形態の方法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。 図５は提示部から提示される画面を例示した図である。 図６は提示部から提示される画面を例示した図である。 図７は提示部から提示される画面を例示した図である。 図８は提示部から提示される画面を例示した図である。 図９Ａは単語を品詞ごとに分けることなくテストを行った場合における、利用者が単語を知っていると回答する確率と従来法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。図９Ｂは品詞ごとテストを行った場合における、利用者が単語を知っていると回答する確率と従来法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。 図１０Ａおよび図１０Ｂは品詞ごとテストを行った場合における、利用者が単語を知っていると回答する確率と従来法で推定した語彙数との関係を表すロジスティック回帰のモデルを例示したグラフである。 図１１Ａおよび図１１Ｂは、各学年での語彙の獲得割合を推定する語彙獲得曲線を例示した図である。 図１２Ａおよび図１２Ｂは、各学年での語彙の獲得割合を推定する語彙獲得曲線を例示した図である。 図１３は、実施形態の語彙数推定装置のハードウェア構成を例示したブロック図である。

以下、図面を参照して本発明の実施形態を説明する。
［第１実施形態］
まず、本発明の第１実施形態を説明する。
図１に例示するように、本実施形態の語彙数推定装置１は、記憶部１１、問題生成部１２、提示部１３、回答受付部１４、および語彙数推定部１５を有する。

＜記憶部１１＞
記憶部１１には予め親密度データベース（ＤＢ）が格納されている。単語親密度ＤＢは、Ｍ個の単語（複数の単語）と当該単語それぞれに対して予め定められた親密度（単語親密度）との組を格納したデータベースである。これにより、単語親密度ＤＢのＭ個の単語は親密度に基づく順序（例えば、親密度順）で順位付けされている。Ｍは単語親密度ＤＢに含まれる単語数を表す２以上の整数である。Ｍの値に限定はないが、例えば、Ｍは７００００以上が望ましい。日本人の成人の語彙数が約４万から５万程度と言われているため、７万語程度あれば個人差を含めてほとんどの人の語彙をカバーできるからである。ただし、推定される語彙数は、基準となる単語親密度ＤＢに含まれる語数が上限となる。そのため、外れ値となるような語彙数の多い人の語彙推定も行う場合には、Ｍの値をより大きくすることが望ましい。また、親密度（単語親密度）とは、単語のなじみ深さを数値化したものである（例えば、非特許文献１等参照）。親密度が高い単語ほどなじみのある語である。本実施形態では、親密度を表す数値が大きいほど親密度が高いことを表す。しかしこれは本発明を限定するものではない。記憶部１１は、問題生成部１２および語彙数推定部１５からの読み出し要請を入力として、当該要請に応じた単語と、その単語の親密度を出力する。

＜問題生成部１２＞
入力：利用者またはシステムからの問題生成要請
出力：語彙数推定テストに使用するＮ個のテスト単語
問題生成部１２は、利用者またはシステムからの問題生成要請を受け付けると、記憶部１１の単語親密度ＤＢに含まれる順序付けされた複数の単語から語彙数推定テストに使用する複数のテスト単語ｗ（１），…，ｗ（Ｎ）を選択して出力する。ただし、例えば、問題生成部１２は、記憶部１１の単語親密度ＤＢに含まれる全単語を対象として、親密度順にほぼ一定間隔で単語をＮ個選択し、選択したＮ個の単語をテスト単語ｗ（１），…，ｗ（Ｎ）として出力する。テスト単語ｗ（１），…，ｗ（Ｎ）の親密度は、必ずしも一定間隔である必要はなく、ほぼ一定間隔であればよい。すなわち、一連のテスト単語ｗ（１），…，ｗ（Ｎ）の親密度の数値に粗密があってもよい。問題生成部１２から出力されるテスト単語ｗ（１），…，ｗ（Ｎ）の順序に限定はないが、問題生成部１２は、例えば親密度の高い順にテスト単語ｗ（１），…，ｗ（Ｎ）を出力する。テスト単語の数Ｎは、問題生成要請によって指定されてもよいし、予め定められていてもよい。Ｎの値に限定はないが、例えば５０≦Ｎ≦１００程度が望ましい。十分な推定を行うためにはＮ≧２５であることが望ましい。Ｎが大きい方が精度の高い推定が可能であるが、利用者（被験者）の負荷が高くなる（ステップＳ１２）。利用者の負荷を減らし、精度を高くするために、例えば５０語ずつのテストを複数回（例えば、３回）実施し、それぞれのテストごとに語彙数を推定したり、複数回分の回答をまとめて推定しなおしてもよい。この場合、１度のテスト単語を少なくできるため、利用者の負担が少なく、それぞれのテストごとに結果が見られようにすれば利用者の回答モチベーション維持につながる。また、複数回分の語を合わせて最終的な語彙数推定を実施すれば、推定精度を向上できる。

＜提示部１３＞
入力：Ｎ個のテスト単語
出力：指示文およびＮ個のテスト単語
提示部１３には、問題生成部１２から出力されたＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）が入力される。提示部１３は、事前に設定された表示形式に従い、テスト単語ｗ（１），…，ｗ（Ｎ）を利用者１００（被験者）に提示する。例えば、提示部１３は、事前に設定された表示形式に従い、利用者１００のテスト単語の知識に関する回答の入力を促す予め定められた指示文、およびＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）を、語彙数推定テスト用のフォーマットで利用者１００に提示する。この提示形式に限定はなく、これらの情報がテキストや画像などの視覚情報として提示されてもよいし、音声などの聴覚情報として提示されてもよいし、点字などの触覚情報として提示されてもよい。例えば、提示部１３がＰＣ（personal computer）、タブレット、スマートフォンなどの端末装置の表示画面であり、指示文およびテスト単語を電子的に表示してもよい。または、提示部１３が印刷装置であり、指示文およびテスト単語を紙などに印刷して出力してもよい。あるいは提示部１３が端末装置のスピーカーであり、指示文およびテスト単語を音声出力してもよい。または、提示部１３が点字ディスプレイであり、指示文およびテスト単語の点字を提示してもよい。利用者１００のテスト単語の知識に関する回答は、テスト単語を「知っている」または「知らない」の何れかを表すもの（各順位のテスト単語を知っている、または、知らないとの回答）であってもよいし、「知っている」および「知らない」を含む３以上の選択肢の何れかを表すものであってもよい。「知っている」および「知らない」以外の選択肢の例は「（知っているかどうか）自信がない」「単語としては知っているが、意味は知らない」などである。ただし、利用者１００に「知っている」および「知らない」を含む３以上の選択肢から回答させても、「知っている」または「知らない」の何れかを回答させる場合に比べて語彙数推定精度が向上しない場合もある。例えば、利用者１００に「知っている」「知らない」「自信がない」の３個の選択肢から回答を選ばせた場合、「自信がない」が選択されるか否かは利用者１００の性格に依存する。このような場合には、選択肢を増やしても語彙数推定精度は向上しない。したがって、通常、利用者１００にテスト単語を「知っている」または「知らない」の何れかから回答させる方が好ましい。以下では、利用者１００にテスト単語を「知っている」または「知らない」の何れかから回答させる例を説明する。また、例えば、テスト単語は親密度が高い順に提示されるが、提示順はこれに限るものではなく、ランダムな順序でテスト単語が提示されてもよい（ステップＳ１３）。なお、語彙数推定装置１の利用者１００の集合を被験者集合と呼ぶことにする。被験者集合は、特定の属性（例えば、世代、性別、職業など）の利用者１００の集合であってもよいし、任意の属性の利用者１００の集合（構成メンバーの属性を制約しない集合）であってもよい。

＜回答受付部１４＞
入力：利用者のテスト単語の知識に関する回答
出力：利用者のテスト単語の知識に関する回答
指示文およびテスト単語が提示された利用者１００は、利用者１００のテスト単語の知識に関する回答を回答受付部１４に入力する。例えば、回答受付部１４は、ＰＣ、タブレット、スマートフォンなどの端末装置のタッチパネルであり、利用者１００は当該タッチパネルに回答を入力する。回答受付部１４が端末装置のマイクロホンであってもよく、この場合、利用者１００は当該マイクロホンに回答を音声入力する。回答受付部１４は、入力されたテスト単語の知識に関する回答（例えば、テスト単語を知っているとの回答、またはテスト単語を知らないとの回答）を受け付け、電子的なデータとして当該回答を出力する。回答受付部１４は、テスト単語ごとに回答を出力してもよいし、１テスト分の回答をまとめて出力してもよいし、複数テスト分の回答をまとめて出力してもよい（ステップＳ１４）。

＜語彙数推定部１５＞
入力：利用者のテスト単語の知識に関する回答
出力：利用者の推定語彙数
回答受付部１４から出力された利用者１００のテスト単語の知識に関する回答は、語彙数推定部１５に入力される。語彙数推定部１５は、各テスト単語ｗ（ｎ）（ただしｎ＝１，…，Ｎである）について利用者１００が「知っている」と回答した場合に、当該テスト単語ｗ（ｎ）を知っている人数をカウントアップする。語彙数推定部１５は、当該テスト単語ｗ（ｎ）を知っている人数を記憶部１１の単語親密度ＤＢの当該テスト単語に対応付けて格納する。同様な処理を被験者集合に属する複数人の利用者１００（被験者）の回答について行っていく。これにより、単語親密度ＤＢの各テスト単語には、当該テスト単語ｗ（ｎ）を知っている人数が対応付けられていく。ここで、各テスト単語ｗ（ｎ）を知っていると回答した人数または割合に基づく、被験者集合に属する被験者の当該テスト単語ｗ（ｎ）に対する「なじみ深さ」を表す数値を被験者内親密度ａ（ｎ）と呼ぶことにする。テスト単語ｗ（ｎ）の被験者内親密度ａ（ｎ）は、当該テスト単語ｗ（ｎ）を知っていると回答した人数または割合に基づく値（例えば、関数値）である。例えば、テスト単語ｗ（ｎ）の被験者内親密度ａ（ｎ）は、当該テスト単語ｗ（ｎ）を知っていると回答した人数そのものであってもよいし、当該テスト単語ｗ（ｎ）を知っていると回答した人数の非単調減少関数値（例えば、単調増加関数値）であってもよいし、回答を行った利用者１００の総数に対する当該テスト単語ｗ（ｎ）を知っていると回答した人数の割合であってもよいし、被験者集合の全メンバーに対する当該テスト単語を知っていると回答した人数の割合であってもよいし、これら何れかの割合の非単調減少関数値（例えば、単調増加関数値）であってもよい。なお、各被験者内親密度ａ（ｎ）の初期値は、例えば、テスト単語ｗ（ｎ）の親密度そのものであってもよいし、その他の固定値であってもよい（ステップＳ１５１）。

語彙数推定部１５には、さらに問題生成部１２から出力されたテスト単語ｗ（１），…，ｗ（Ｎ）が入力される。語彙数推定部１５は、記憶部１１に格納された単語親密度ＤＢを用い、各テスト単語ｗ（ｎ）の潜在語彙数ｘ（ｎ）を得る。前述のように、単語親密度ＤＢには各単語の親密度が格納されている。語彙数推定部１５は、この単語親密度ＤＢの単語に対して予め定められた親密度に基づいて、各テスト単語ｗ（ｎ）に対応する潜在語彙数ｘ（ｎ）を得る。なお、テスト単語に対応する「潜在語彙数」は、被験者が当該テスト単語を知っている場合に当該被験者が知っているだろうと仮定できるすべての単語（当該テスト単語以外の単語を含む）の数（語彙数）である。例えば語彙数推定部１５は、単語親密度ＤＢ中において各テスト単語ｗ（ｎ）よりも親密度が高い単語の総数を、各当該テスト単語を知っている者の潜在語彙数ｘ（ｎ）として得る。これは或るテスト単語を知っている者はそのテスト単語よりも親密度が高い単語を全て知っているとの仮定に基づく。すなわち、単語親密度ＤＢにおける各親密度の単語の数をカウントすると、図２Ａに例示するような、単語親密度ＤＢの各単語の親密度とその親密度の単語数との関係を表すヒストグラムが得られる。図２Ａの例では、親密度が１から７までの数値で表され、数値が大きいほど親密度が高いことを表す。このヒストグラムの単語数を親密度が高い順に累積加算していくと、図２Ｂに例示するような、単語の親密度とその単語を知っている者の推定語彙数との関係を例示したヒストグラムが得られる。或るテスト単語を知っている者はそのテスト単語よりも親密度が高い単語を全て知っていると仮定しているため、親密度が高い順に単語数を累積加算した値が各親密度の単語を知っている者の推定語彙数となる。以上のように語彙数推定部１５は、単語親密度ＤＢ中の各テスト単語ｗ（ｎ）と各当該テスト単語ｗ（ｎ）の潜在語彙数ｘ（ｎ）との組を得、これによって複数のテスト単語ｗ（１），…，ｗ（Ｎ）が順位付け（順序付け）された親密度順単語列Ｗと、複数の潜在語彙数ｘ（１），…，ｘ（Ｎ）が順位付けされた潜在語彙数列Ｘとが対応付けられたテーブル［Ｗ，Ｘ］を得る。親密度順単語列Ｗは、複数のテスト単語ｗ（１），…，ｗ（Ｎ）を要素とする列であり、潜在語彙数列Ｘは、複数の潜在語彙数ｘ（１），…，ｘ（Ｎ）を要素とする列である。テーブル［Ｗ，Ｘ］では、すべてのｎ＝１，…，Ｎについて、テスト単語ｗ（ｎ）が潜在語彙数ｘ（ｎ）にそれぞれ対応する。親密度順単語列では、複数のテスト単語ｗ（１），…，ｗ（Ｎ）が当該テスト単語ｗ（１），…，ｗ（Ｎ）の親密度に基づく順序（テスト単語の親密度の高さに基づく順序）で順位付けされている。潜在語彙数列では、複数の潜在語彙数ｘ（１），…，ｘ（Ｎ）がこれらに対応する複数のテスト単語ｗ（１），…，ｗ（Ｎ）の親密度に基づく順序で順位付けされている。親密度に基づく順序は、親密度の昇順であってもよいし、親密度の降順であってもよい。親密度に基づく順序が昇順であり、ｎ_１，ｎ_２∈｛１，…，Ｎ｝かつｎ_１＜ｎ_２であるならば、テスト単語ｗ（ｎ_２）の親密度はテスト単語ｗ（ｎ_１）の親密度以上である。一方、親密度に基づく順序が降順であり、ｎ_１，ｎ_２∈｛１，…，Ｎ｝かつｎ_１＜ｎ_２であるならば、テスト単語ｗ（ｎ_１）の親密度はテスト単語ｗ（ｎ_２）の親密度以上である。以下に、親密度の降順に配列されたテスト単語ｗ（１），…，ｗ（Ｎ）を要素とする親密度順単語列Ｗと、潜在語彙数ｘ（１），…，ｘ（Ｎ）を要素とする潜在語彙数列Ｘとが対応付けられたテーブル［Ｗ，Ｘ］を例示する（ステップＳ１５２）。
ｗ（ｎ） ｘ（ｎ）
銀行 722
経済 1564
大部分 2353
渋滞 2669
担当 2968
交通機関 3700
豊富 4507
遺伝子 4950
構成 5405
大衆 6401
愛称 6947
通過 8061
及ぶ 8695
配当 9326
領域 9982
着手 10640
率いる 11295
調節 11927
食い違う 12670
妨げる 13364
焼却 14120
遠征 14811
境界 15621
噴出 16387
取り込む 17127
総称 17888
和らげる 18604
拠点 19264
目分量 20008
成就 20764
こぞって 21532
境目 22232
他方 22930
権限 23587
制定 24286
無益 25028
比喩 25716
唐突 26339
撤廃 27597
弦 28882
入り交じる 29512
首長 30158
石庭 33144
介在 37357
始祖 46942
蜂起 53594
策定 55901
奏功 58358
親疎 69475
改鋳 71224

次に語彙数推定部１５は、記憶部１１の単語親密度ＤＢに格納された各テスト単語ｗ（ｎ）（ただし、ｎ＝１，…，Ｎ）を知っている人数を参照し、被験者内親密度ａ（１），…，ａ（Ｎ）に基づく順序（被験者内親密度の高さに基づく順序）でテスト単語ｗ（１），…，ｗ（Ｎ）を並べ替えたものを、テスト単語ｗ’（１），…，ｗ’（Ｎ）とする。すなわち、テスト単語ｗ’（１），…，ｗ’（Ｎ）は、被験者集合に属する被験者のテスト単語ｗ’（１），…，ｗ’（Ｎ）に対応する被験者内親密度ａ’（１），…，ａ’（Ｎ）に基づく順序で順位付けされている。ただし、ａ’（ｎ）はテスト単語ｗ’（ｎ）の被験者内親密度である。なお、前述した親密度に基づく順序が親密度の昇順である場合、被験者内親密度に基づく順序も被験者内親密度の昇順である。親密度に基づく順序が親密度の降順である場合、被験者内親密度に基づく順序も被験者内親密度の降順である。すなわち、ｗ’（１），…，ｗ’（Ｎ）はｗ（１），…，ｗ（Ｎ）の順序を並べ替えたものであり、｛ｗ’（１），…，ｗ’（Ｎ）｝＝｛ｗ（１），…，ｗ（Ｎ）｝である。被験者内親密度に基づく順序が昇順であり、ｎ_１，ｎ_２∈｛１，…，Ｎ｝かつｎ_１＜ｎ_２であるならば、テスト単語ｗ’（ｎ_２）の被験者内親密度ａ（ｎ_２）は、テスト単語ｗ’（ｎ_１）の被験者内親密度ａ（ｎ_１）以上である。例えば、Ｎ＝５であり、被験者内親密度に基づく順序が昇順であり、ａ（２）＜ａ（１）＜ａ（３）＜ａ（５）＜ａ（４）の場合、語彙数推定部１５は、ｗ（１），ｗ（２），ｗ（３），ｗ（４），ｗ（５）をｗ’（１）＝ｗ（２），ｗ’（２）＝ｗ（１），ｗ’（３）＝ｗ（３），ｗ’（４）＝ｗ（５），ｗ’（５）＝ｗ（４）に並べ替える。一方、被験者内親密度に基づく順序が降順であり、ｎ_１，ｎ_２∈｛１，…，Ｎ｝かつｎ_１＜ｎ_２であるならば、テスト単語ｗ’（ｎ_１）の被験者内親密度ａ（ｎ_１）は、テスト単語ｗ’（ｎ_２）の被験者内親密度ａ（ｎ_２）以上である。例えば、Ｎ＝５であり、被験者内親密度に基づく順序が降順であり、ａ（２）＞ａ（１）＞ａ（３）＞ａ（５）＞ａ（４）の場合、語彙数推定部１５は、ｗ（１），ｗ（２），ｗ（３），ｗ（４），ｗ（５）をｗ’（１）＝ｗ（２），ｗ’（２）＝ｗ（１），ｗ’（３）＝ｗ（３），ｗ’（４）＝ｗ（５），ｗ’（５）＝ｗ（４）に並べ替える。なお、いずれの場合も、潜在語彙数ｘ（１），…，ｘ（Ｎ）の並べ替えは行わない。これにより、語彙数推定部１５は、テスト単語ｗ’（１），…，ｗ’（Ｎ）を要素とする列であるテスト単語列Ｗ’と、潜在語彙数ｘ（１），…，ｘ（Ｎ）を要素とする列である潜在語彙数列Ｘと、が対応付けられたテーブル［Ｗ’，Ｘ］を得る。以下に、ステップＳ１５２で例示したテーブル［Ｗ，Ｘ］の親密度順単語列Ｗを、被験者内親密度ａ（１），…，ａ（Ｎ）の降順に並べ替えて得られるテーブル［Ｗ’，Ｘ］を例示する（ステップＳ１５３）。
ｗ’（ｎ） ｘ（ｎ）
銀行 722
担当 1564
調節 2353
通過 2669
取り込む 2968
構成 3700
遺伝子 4507
交通機関 4950
率いる 5405
食い違う 6401
経済 6947
渋滞 8061
入り交じる 8695
境界 9326
豊富 9982
境目 10640
目分量 11295
権限 11927
噴出 12670
制定 13364
領域 14120
愛称 14811
拠点 15621
石庭 16387
和らげる 17127
他方 17888
首長 18604
配当 19264
無益 20008
及ぶ 20764
大部分 21532
焼却 22232
唐突 22930
着手 23587
妨げる 24286
遠征 25028
弦 25716
大衆 26339
撤廃 27597
総称 28882
成就 29512
こぞって 30158
始祖 33144
策定 37357
比喩 46942
奏功 53594
介在 55901
親疎 58358
蜂起 69475
改鋳 71224

語彙数推定部１５は、テスト単語列Ｗ’のテスト単語ｗ’（１），…，ｗ’（Ｎ）と潜在語彙数列Ｘの潜在語彙数ｘ（１），…，ｘ（Ｎ）とから抽出した各順位（同順位、各列同一の順位）ｎ＝１，…，Ｎのテスト単語ｗ’（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ’（ｎ），ｘ（ｎ））と、利用者１００のテスト単語の知識に関する回答とを用い、利用者１００が単語を知っていると回答する確率に基づく値（例えば、関数値）と、利用者１００が当該単語を知っていると回答したときの利用者１００の語彙数に基づく値（例えば、関数値）と、の関係を表すモデルφを得る。利用者１００が単語を知っていると回答する確率に基づく値は、当該確率そのものであってもよいし、当該確率の補正値であってもよいし、当該確率の単調非減少関数値であってもよいし、当該確率のその他の関数値であってもよい。利用者１００が前記単語を知っていると回答したときの利用者１００の語彙数に基づく値は、当該語彙数そのものであってもよいし、当該語彙数の補正値であってもよいし、当該語彙数のその他の関数値であってもよい。モデルφが、さらに利用者１００が単語を知っていると回答する確率に基づく値と、利用者１００が当該単語を知らないと回答したとき（または、知っていると回答しなかったとき）の利用者１００の語彙数に基づく値と、の関係を表してもよい。モデルφに限定はないが、モデルφの一例はロジスティック回帰のモデルである。説明の簡略化のため、以下では、利用者１００が単語を知っていると回答する確率に基づく値が当該確率そのものであり、利用者１００が前記単語を知っていると回答したときの利用者１００の語彙数に基づく値が当該語彙数そのものであり、語彙数を独立変数ｘとし、利用者１００が各単語を知っていると回答する確率を従属変数ｙとしたロジスティック曲線ｙ＝ｆ（ｘ，Ψ）がモデルφである場合を例示する。ただし、Ψはモデルパラメータである。この例の場合、語彙数推定部１５は、利用者１００が知っていると回答したテスト単語ｗ’（ｎ）について、利用者１００が当該テスト単語ｗ’（ｎ）を知っていると回答する確率ｙが１（すなわち１００％）であり、当該テスト単語ｗ’（ｎ）に対応する潜在語彙数ｘがｘ（ｎ）である点（ｘ，ｙ）＝（ｘ（ｎ），１）を設定する。また語彙数推定部１５は、利用者１００が知らないと回答した（または、知っていると回答しない）テスト単語ｗ’（ｎ）について、利用者１００が当該テスト単語ｗ’（ｎ）を知っていると回答する確率ｙが０（すなわち０％）であり、そのときの当該テスト単語ｗ’（ｎ）に対応する潜在語彙数ｘがｘ（ｎ）である点（ｘ，ｙ）＝（ｘ（ｎ），０）を設定する。語彙数推定部１５は、ｎ＝１，…，Ｎの各点（ｘ，ｙ）＝（ｘ（ｎ），１）または（ｘ（ｎ），０）に対してロジスティック曲線への当てはめを行い、誤差を最小化するロジスティック曲線ｙ＝ｆ（ｘ，Ψ）をモデルφとして得る。すなわち、語彙数推定部１５は、ｎ＝１，…，Ｎの各点（ｘ，ｙ）＝（ｘ（ｎ），１）または（ｘ（ｎ），０）に対して誤差を最小化するロジスティック曲線ｙ＝ｆ（ｘ，Ψ）をモデルφとして得る。図３Ｂおよび図４Ｂにロジスティック曲線ｙ＝ｆ（ｘ，Ψ）のモデルφを例示する。図３Ｂおよび図４Ｂでは、横軸が潜在語彙数（ｘ）を表し、縦軸が単語を知っていると回答する確率（ｙ）を表す。丸印は利用者１００が知っていると回答したテスト単語ｗ’（ｎ）に対する点（ｘ，ｙ）＝（ｘ（ｎ），１）、および利用者１００が知らないと回答した（または、知っていると回答しない）テスト単語ｗ’（ｎ）に対する点（ｘ，ｙ）＝（ｘ（ｎ），０）を表す。図３Ｂおよび図４Ｂでは、複数の利用者１００の複数のモデルφを点線のロジスティック曲線で表している（ステップＳ１５４）。

語彙数推定部１５は、モデルφにおいて、利用者１００が単語を知っていると回答する確率に基づく値が所定値または所定値の近傍のときの潜在語彙数に基づく値を、利用者１００の推定語彙数として出力する。例えば、語彙数推定部１５は、モデルφにおいて、利用者１００が単語を知っていると回答する確率が所定値または所定値の近傍（例えば、０．５または０．８等の所定値やその近傍）の潜在語彙数を、利用者１００の推定語彙数として出力する。例えば、図３Ｂおよび図４Ｂの例では、或るモデルφについて、利用者１００が単語を知っていると回答する確率ｙが０．５となる潜在語彙数を推定語彙数とする。具体的には、図３Ｂではｘ＝１２３７６、図４Ｂではｘ＝１１７０３をそれぞれ推定語彙数とする（ステップＳ１５５）。

＜本実施形態の特徴＞
本実施形態では、語彙数推定部１５が、親密度に基づく順序で順位付けされた複数のテスト単語ｗ（１），…，ｗ（Ｎ）を、被験者内親密度ａ（１），…，ａ（Ｎ）に基づく順序で並べ替えてテスト単語列ｗ’（１），…，ｗ’（Ｎ）を要素とするテスト単語列Ｗ’を得、単語に対して予め定められた親密度に基づいて推定され、親密度に基づく順序で順位付けされている潜在語彙数ｘ（１），…，ｘ（Ｎ）を要素とする潜在語彙数列Ｘを得、これらを対応付けたテーブル［Ｗ’，Ｘ］から抽出した各順位ｎ＝１，…，Ｎのテスト単語ｗ’（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ’（ｎ），ｘ（ｎ））と、利用者のテスト単語の知識に関する回答とを用い、利用者が単語を知っている確率に基づく値と利用者の語彙数に基づく値との関係を表すモデルφを得る。ここで、被験者内親密度ａ（１），…，ａ（Ｎ）に基づく順序でテスト単語ｗ（１），…，ｗ（Ｎ）を並べ替え、被験者内親密度ａ’（１），…，ａ’（Ｎ）に基づく順序で順位付けされたテスト単語列ｗ’（１），…，ｗ’（Ｎ）に潜在語彙数ｘ（１），…，ｘ（Ｎ）のそれぞれを対応付けることで、モデルφの精度が向上する。これによって語彙数の推定精度が向上する。

すなわち従来法のように、単語に対して予め定められた親密度に基づいて、利用者１００が各単語を知っていると回答したときの語彙数を推定する場合、予め定められた親密度が利用者１００の属する被験者集合に不適切な場合がある。このような場合には、利用者１００の語彙力を精度良く推定することはできない。例えば、大人であればほぼ誰でも知っていると考えられるような親密度の高い単語（例えば、親密度６以上の単語）「銀行」「経済」「大部分」でも、小学６年生を対象とした調査では、対象語を「知っている」と回答した子どもの割合は、「銀行」で９９．３％，「経済」で７３．８％，「大部分」で４８．６％と大きく差がある。つまり、従来法では、近い親密度の単語でもどの単語をテスト単語として利用するかによって推定結果に大きな差がでる。

また、単語の親密度はその調査時期によって異なるため、従来法では、親密度の調査時期から語彙数推定時期までの期間が長いほど、語彙数推定の精度が低下すると予想される。例えば、アナフィラキシーやレギンス，マニフェストといった語は親密度が２０年前に比べて大きく上がったが、プリンスメロンや生テープ，ミリバールなどの語は親密度が大きく下がっている（例えば、参考文献１等参照）。そのため、こうした単語をテスト単語として従来法で語彙数を推定すると、推定誤差が大きくなると思われる。
参考文献１：藤田早苗，小林哲生，“単語親密度の再調査と過去のデータとの比較”，言語処理学会 第２６回年次大会 発表論文集，２０２０年３月．

これに対して、本実施形態では、被験者集合に属する被験者のテスト単語に対する被験者内親密度に基づいて各テスト単語に推定語彙数を対応付けるため、利用者のテスト単語の知識に関する回答から推定語彙数を精度良く求めることができる。

図３および図４に従来法と本実施形態の方法で得られたモデルの比較を例示する。図３Ａおよび図４Ａは従来法によって求めたモデルを例示したものであり、図３Ｂおよび図４Ｂは、それぞれ図３Ａおよび図４Ａと同じ単語親密度ＤＢおよび回答を用い、本実施形態で求めたモデルを例示する。図３Ａおよび図４Ａでも、横軸が潜在語彙数（ｘ）を表し、縦軸が単語を知っていると回答する確率（ｙ）を表す。図３Ａおよび図４Ａの丸印は利用者が知っていると回答したテスト単語ｗ（ｎ）に対する点（ｘ，ｙ）＝（ｘ（ｎ），１）、および利用者が知らないと回答したテスト単語ｗ（ｎ）に対する点（ｘ，ｙ）＝（ｘ（ｎ），０）を表す。図中のＡＩＣは赤池情報量規準を表し、値が小さいほどモデルの当てはまりがよいことを示す。図３ＡではＡＩＣ＝５５．３であるのに対し、図３ＢではＡＩＣ＝１６．４となっており、図４ＡではＡＩＣ＝５８．９であるのに対し、図４ＢではＡＩＣ＝３１．２となっている。何れの場合も本実施形態の方が従来法よりもＡＩＣが小さく、よりモデルの当てはまりがよいことが分かる。その他、小学６年生４１３人を対象とした調査でも、３５２人（８５．２％）で本実施形態の方が従来法よりもＡＩＣが小さくなった。このように、本実施形態では利用者の語彙数を当てはまりの良いモデルで推定できる。

＜第１実施形態の変形例＞
第１実施形態で例示したように、提示部１３でＮ個のテスト単語すべてを提示し、Ｎ個のテスト単語すべてについて、回答受付部１４で利用者のテスト単語の知識に関する回答を受け付けるのが実装上容易である。しかし、提示部１３でテスト単語を順番に提示し、テスト単語が提示されるたびに回答受付部１４で利用者のテスト単語の知識に関する回答を受け付けてもよい。この際、利用者が提示されたテスト単語を知らないとＰ回（Ｐは１以上の整数であり、好ましくは２以上の整数である。Ｐは事前に設定される）回答した時点で問題の提示を停止してもよい。この場合、利用者が回答を行っていないテスト単語については、当該利用者がそのテスト単語を知らないと回答したものとみなして各処理が実行される。あるいは、利用者が提示されたテスト単語を知らないと回答した場合、当該テスト単語と同程度の親密度の（あるいは、少し親密度の高い）別のテスト単語を提示し、回答受付部１４で利用者のテスト単語の知識に関する回答を受け付けてもよい。知らないと回答したテスト単語の親密度近辺で詳細にテストすることで、利用者の語彙数推定精度を高めることができる。

第１実施形態では、単語親密度ＤＢ中において各テスト単語ｗ（ｎ）よりも親密度が高い単語の総数を、各当該テスト単語を知っている場合の潜在語彙数ｘ（ｎ）とする例を示したが、これは本発明を限定するものではない。例えば、単語親密度ＤＢ中において各テスト単語ｗ（ｎ）よりも親密度が高い単語の総数に基づく値（例えば、非単調非減少関数値などの関数値）を、各当該テスト単語を知っている場合の潜在語彙数ｘ（ｎ）としてもよい。

各利用者１００についてステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１，Ｓ１５２，Ｓ１５３，Ｓ１５４，Ｓ１５５の処理を実行するのではなく、所定の人数の利用者１００（被験者）についてステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１の処理が実行されるまで、ステップＳ１５２，Ｓ１５３，Ｓ１５４，Ｓ１５５の処理が実行されなくてもよい。また、所定の人数の利用者１００（被験者）についてステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１の処理が実行された後、ステップＳ１５１でのテスト単語ｗ（ｎ）を知っている人数のカウントアップを停止してもよい。

同じテスト単語ｗ（１），…，ｗ（Ｎ）に対し、所定の人数の利用者１００についてステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１が実行され、さらにステップＳ１５２，Ｓ１５３でテーブル［Ｗ’，Ｘ］が得られた後、テーブル［Ｗ’，Ｘ］を記憶部１１に格納しておいてもよい。これにより、同じテスト単語ｗ（１），…，ｗ（Ｎ）が用いられるのであれば、語彙数推定部１５は、それ以降の語彙数推定においてテーブル［Ｗ’，Ｘ］を毎回計算する必要はない。この場合、語彙数推定部１５は、記憶部１１に格納されたテーブル［Ｗ’，Ｘ］から各順位ｎ＝１，…，Ｎのテスト単語ｗ’（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ’（ｎ），ｘ（ｎ））を抽出し、これらと回答受付部１４で受け付けた利用者１００のテスト単語の知識に関する回答とを用い、前述のモデルφを得ればよい。

［第２実施形態］
次に本発明の第２実施形態を説明する。第２実施形態は第１実施形態および第１実施形態の変形例に対する変形例であり、特定分野の文章に特徴的な単語以外からテスト単語を選択する点でこれらと相違する。以下では第１実施形態および第１実施形態の変形例との相違点を中心に説明し、既に説明した事項については同じ参照番号を流用して説明を簡略化する。

教育課程にいる子供の場合、教科書で出てきたり、重要項目として習ったりする単語に対する親密度は、大人の当該単語に対する親密度よりもむしろ高くなる場合も予想される。そのため、例えば教科書で出てくる単語や習いたての単語をテスト単語とし、教育課程にいる子供を対象として語彙数推定を行った場合、推定語彙数が大きくなり過ぎてしまう可能性がある。例えば、「比喩」という単語は、中学１年生で学習する。そのため、同程度の親密度の他の語に比べ、知っている人の割合が中学１年生で急激に跳ね上がる。こうした単語をテスト単語として中学１年生の利用者１００の語彙数推定で利用すると、その推定語彙数が大きくなり過ぎてしまう可能性がある。横波、荘園、有機物など理科や社会などのある単元で重要語として出てくる単語も同様である。

そのため、教育課程にいる子供の利用者１００の語彙数推定を行う場合、教科書の文章（教科書分野の文章）の単語をテスト単語として利用しないことが望ましい。ただし、教科書の文章に含まれるすべての単語をテスト単語として利用しないことにしてしまうと、教科書の文章に含まれる一般的な単語もテスト単語として利用できなくなってしまう。そのため、教科書の文章に特徴的な単語のみをテスト単語として利用しないことが望ましい。教科書の文章に特徴的な単語とは、例えば、ある単元で繰り返し出てくる単語、重要単語として出てくる単語、ある教科でのみ出てくる単語などである。こうした教科書で特徴的に出てくる語かどうかの判断は、例えば、公知の教科書コーパス語彙表で教科書に特徴的な単語（例えば、特徴度が有意に高い単語）かどうかで判断できる。
教科書コーパス語彙表：
https://pj.ninjal.ac.jp/corpus_center/bccwj/freq-list.html
例えば、「弦」は教科書コーパス語彙表で、特徴度_小中高_全教科390.83, 特徴度_小_全教科11.28のようになっており、「弦」は教科書で特徴的に出てくる単語である。一方、「取り込む」は、特徴度_小_全教科0.01と、ほぼ特徴度が０に近く、教科書と一般文書における使用にほぼ差がない。そのため、例えば、教科書コーパス語彙表で特徴度の絶対値が閾値以下の単語をテスト単語とすることが望ましい。より好ましくは、教科書コーパス語彙表で特徴度が０に近い単語をテスト単語とすることが望ましい。利用者１００の属性に応じ、テスト単語の候補から除外するか否かの判断に、小学校教科書の特徴度を用いてもよいし、特定の教科の教科書の特徴度を用いてもよいし、特定の学年の教科書の特徴度を用いてもよい。また、例えば小学生の利用者１００の語彙数を推定する場合、小学校で習わない漢字を含む単語をテスト単語の候補から除外してもよい。同様に、大人の利用者１００の語彙数推定を行う場合、ある専門分野の文章に特徴的な単語をテスト単語の候補から除外してもよい。このように、本実施形態では、特定分野の文章に特徴的な単語以外からテスト単語が選択される。以下に詳細に説明する。

図１に例示するように、本実施形態の語彙数推定装置２は、記憶部２１、問題生成部２２、提示部１３、回答受付部１４、および語彙数推定部１５を有する。第１実施形態との相違点は記憶部２１および問題生成部２２のみである。以下では、記憶部２１および問題生成部２２のみについて説明を行う。

＜記憶部２１＞
第１実施形態の記憶部１１との相違点は、記憶部２１が単語親密度ＤＢに加え、特定分野の文章に特徴的な単語を格納した特定分野単語ＤＢを格納する点である。特定分野の例は、教科書分野や専門分野である。教科書分野は、すべての教科書分野であってもよいし、特定の学年の教科書分野であってもよいし、特定の教科の教科書分野であってもよい。専門分野は、すべての専門分野であってもよいし、特定の専門分野であってもよい。特定分野単語ＤＢは、例えば、教科書コーパス語彙表に特徴的によく出てくる語として記載された単語を記録した教科書ＤＢや、専門書や専門のコーパスに特徴的によく出てくる語として記載された単語を記録した専門語ＤＢなどである（ステップＳ２１）。その他は第１実施形態と同一である。

＜問題生成部２２＞
問題生成部２２は、利用者またはシステムからの問題生成要請を入力として受け付けると、記憶部２１の単語親密度ＤＢに含まれる複数の単語から語彙数推定テストに使用する複数のテスト単語ｗ（１），…，ｗ（Ｎ）を選択して出力する。問題生成部２２が問題生成部１２と相違する点は、記憶部１１に代えて記憶部２１からテスト単語を選択する点と、特定分野の文章に特徴的な単語以外からテスト単語を選択する点である。具体的には、問題生成部２２は、例えば、記憶部２１に格納された単語親密度ＤＢおよび特定分野単語ＤＢを参照し、単語親密度ＤＢに記録されており、かつ、特定分野単語ＤＢには記録されていない単語をＮ個選択し（例えば、親密度順にほぼ一定間隔で単語をＮ個選択し）、選択したＮ個の単語をテスト単語ｗ（１），…，ｗ（Ｎ）として出力する。その他は第１実施形態と同一である（ステップＳ２２）。

［第２実施形態の変形例］
第２実施形態では、問題生成部２２が記憶部２１に格納された単語親密度ＤＢおよび特定分野単語ＤＢを参照し、単語親密度ＤＢに記録されており、かつ、特定分野単語ＤＢには記録されていない単語をＮ個選択する例を示した。しかしながら、テストに利用可能、あるいは利用したい語彙リスト（すなわち、特定分野の文章に特徴的な単語以外の単語を要素とする語彙リスト）を予め用意しておき、その中から前述した親密度等の条件を満たすテスト単語を選択してもよい。また、語彙数推定以外の目的でも利用可能な語彙リストを予め用意しておき、その中からテスト単語を選択してもよい。

記憶部２１が時事性の高い単語を格納した時事単語ＤＢを格納してもよい。この場合、問題生成部２２は、記憶部２１に格納された単語親密度ＤＢおよび時事単語ＤＢを参照し、単語親密度ＤＢに記録されており、かつ、時事単語ＤＢには記録されていない単語をＮ個選択し、選択したＮ個の単語をテスト単語としてもよい。時事性の高い単語とは、特定の時期の文章に特徴的な単語、すなわち、特定の時期に注目された単語である。言い換えると、時事性の高い単語とは、特定の時期の文章での出現頻度が他の時期の文章での出現頻度に比べて高い単語を意味する。以下に時事性の高い単語を例示する。
・特定の時期の文章での出現頻度の最高値が他の時期の文章での出現頻度の最高値よりも大きい単語
・特定の時期の文章での出現頻度の平均値が他の時期の文章での出現頻度の平均値よりも大きい単語
・特定の時期の文章での出現頻度の最高値から他の時期の文章での出現頻度の最高値を減じた値が正の閾値よりも大きい単語
・特定の時期の文章での出現頻度の平均値から他の時期の文章での出現頻度の平均値を減じた値が正の閾値よりも大きい単語
・他の時期の文章での出現頻度の最高値に対する特定の時期の文章での出現頻度の最高値の比率が正閾値よりも大きい単語
・他の時期の文章での出現頻度の平均値に対する特定の時期の文章での出現頻度の平均値の比率が正閾値よりも大きい単語
特定の時期の文章および他の時期の文章は、例えば、ＳＮＳ、ブログ、新聞記事、雑誌のうち、少なくともいずれか１つ以上のメディア内の文章である。
例えば「コロナウイルス」「クラスター」などの時事性の高い単語は、調査時期によって親密度が大きく異なる。このような単語をテスト単語として語彙数推定を行った場合、利用者のテスト単語の知識に関する回答を受け付ける時期によっては正しく語彙数推定を行うことができない場合がある。例えば、単語親密度ＤＢの親密度を調査した時期と、語彙数推定のために利用者のテスト単語の知識に関する回答を受け付けた時期とで、親密度が大きく異なる時事性の高い単語をテスト単語とした場合、語彙数推定を行うことができない。そのため、問題生成部は、時事性の高い単語以外からテスト単語を選択することが望ましい。

なお、単語親密度ＤＢに記録されており、かつ、時事単語ＤＢには記録されていない単語をＮ個選択し、選択したＮ個の単語をテスト単語とするのではなく、テストに利用可能、あるいは利用したい語彙リスト（すなわち、時事性の高い単語以外の単語を要素とする語彙リスト）を予め用意しておき、その中から前述した親密度等の条件を満たすテスト単語を選択してもよい。この場合も、語彙数推定以外の目的でも利用可能な語彙リストを予め用意しておき、その中からテスト単語を選択してもよい。

その他、特定分野の文章に特徴的な単語でも、時事性の高い単語でもない単語をテスト単語として選択してもよい。すなわち、問題生成部２２は、特定分野の文章に特徴的な単語および／または時事性の高い単語以外からテスト単語を選択してもよい。

［第３実施形態］
次に本発明の第３実施形態を説明する。第３実施形態は第１実施形態および第１実施形態の変形例に対するさらなる変形例であり、表記の妥当性の高さが所定の基準を満たす単語をテスト単語として選択する点でこれらと相違する。

第３実施形態では、単語親密度ＤＢに含まれる複数の単語のうち、表記の妥当性の高さが所定の基準を満たす単語をテスト単語として選択する。これは、通常使われない表記の単語をテスト単語として出題することによる利用者１００の混乱を避けるためである。表記の妥当性の高さが所定の基準を満たす単語の例は、表記の妥当性が高い単語、すなわち、表記の妥当性の高さを表す値（指標値）が所定の閾値（第１閾値）以上または当該閾値を超える単語である。この場合、表記の妥当性の高さを表す値が所定の閾値以上または当該閾値を超える単語がテスト単語として利用される。また、表記の妥当性の高さが所定の基準を満たす単語の他の例は、複数の表記の中で表記の妥当性の高さを表す値の順位が所定順位よりも高い単語（例えば、複数の表記の中で妥当性の高さを表す値の順位が最も高い単語）である。この場合、表記の妥当性の高さを表す値の順位が所定順位よりも高い単語がテスト単語として利用される。表記の妥当性の高さを表す値としては、例えば、天野成昭,近藤公久，“日本語の語彙特性 第２巻”，三省堂,東京,1999（参考文献２）に記載されているものを用いることができる。すなわち、参考文献２では、同じエントリに対して複数の表記があり得るときの各表記の妥当性を数値で表現している。この数値を「表記の妥当性の高さを表す値」として利用できる。参考文献２では各表記の妥当性を１から５の数値で表現しており、例えば、「食い違う」の妥当性は４．７０で表現され、「食違う」の妥当性は３．５５で表現される。数値が大きいほど妥当性が高い。この場合、妥当性が低い「食違う」はテスト単語として利用されない。また、コーパス中で同じエントリに対して複数の表記が用いられている場合、このコーパス中での表記の出願頻度を「表記の妥当性の高さを表す値」として用いてもよい。

単語親密度ＤＢに含まれる複数の単語が、単語に対するなじみ深さの個人差を表す指標が閾値（第２閾値）以下または当該閾値未満の単語のみであってもよい。当該指標の値が小さいほど単語に対するなじみ深さの個人差は小さい。このような指標の一例は、複数の被験者が当該の知識に関する回答を行った際の回答（例えば、単語を知っているとの回答、単語を知らないとの回答など）の分散である。分散が高いということは、なじみがある語かどうかの評価が人によって大きく異なるということを表している。分散が高い単語を単語親密度ＤＢから除外することで、利用者１００に応じて語彙数の推定誤差がばらつくことを抑制できる。以下に詳細に説明する。

図１に例示するように、本実施形態の語彙数推定装置３は、記憶部３１、問題生成部３２、提示部１３、回答受付部１４、および語彙数推定部１５を有する。第１実施形態との相違点は記憶部３１および問題生成部３２のみである。以下では、記憶部３１および問題生成部３２のみについて説明を行う。

＜記憶部３１＞
記憶部３１と第１実施形態の記憶部１１との相違点は、記憶部３１に格納された単語親密度ＤＢが、単語に対するなじみ深さの個人差を表す指標（例えば、上述した回答の分散）が閾値以下または当該閾値未満の単語と、当該単語の親密度とを対応付けたものである点、および記憶部３１が単語親密度ＤＢに加え、単語親密度ＤＢの各単語の表記の妥当性の高さを表す値（例えば、参考文献２に記載された各表記の妥当性を表す数値、またはコーパス中での表記の出願頻度）を記録した表記妥当性ＤＢも格納する点である（ステップＳ３１）。その他は第１実施形態と同一である。

＜問題生成部３２＞
問題生成部３２は、利用者またはシステムからの問題生成要請を受け付けると、記憶部３１の単語親密度ＤＢに含まれる複数の単語から語彙数推定テストに使用する複数のテスト単語ｗ（１），…，ｗ（Ｎ）を選択して出力する。問題生成部３２が問題生成部１２と相違する点は、記憶部１１に代えて記憶部３１からテスト単語を選択する点と、表記の妥当性の高さが所定の基準を満たす単語をテスト単語として選択する点である。具体的には、問題生成部３２は、例えば、記憶部３１に格納された単語親密度ＤＢおよび表記妥当性ＤＢを参照し、単語親密度ＤＢに記録されており、かつ、表記の妥当性の高さが所定の基準を満たす単語をＮ個選択し（例えば、親密度順にほぼ一定間隔で単語をＮ個選択し）、選択したＮ個の単語をテスト単語ｗ（１），…，ｗ（Ｎ）として出力する。その他は第１実施形態と同一である（ステップＳ３２）。

［第４実施形態］
第４実施形態は、第１～３実施形態および第１実施形態の変形例に対する変形例であり、テスト単語以外の単語についても適切な推定語彙数を推定する点でこれらと相違する。

前述のように、第１実施形態等で説明した方法で語彙数推定を実施すれば、モデルφの精度が向上し、利用者の語彙数を高精度に推定できる。しかし、この手法では、各テスト単語ｗ’（ｎ）に対応する適切な潜在語彙数ｘ（ｎ）を得るために各テスト単語ｗ’（ｎ）の被験者内親密度ａ’（ｎ）が必要であり、各テスト単語ｗ’（ｎ）の被験者内親密度ａ’（ｎ）を得るために、被験者集合に属する一定数以上の利用者１００（被験者）に対し、ステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１の処理を実行する必要がある。テスト単語を変更する場合には、変更後のテスト単語に対応する被験者内親密度が必要であり、被験者集合に属する一定数以上の利用者１００について、ステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１の処理をやり直さなければならない。そのため、この手法ではテスト単語の変更が煩雑であるという問題がある。

そこで本実施形態では、ステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５１の処理をやり直すことなく、単語親密度ＤＢのＭ個の単語ｗ”（１），…，ｗ”（Ｍ）の各単語ｗ”（ｍ）（ただし、ｍ＝１，…，Ｍ）について、被験者集合に属する利用者１００にとって適切な潜在語彙数ｘ”（ｍ）を推定する。これにより、テスト単語の変更が容易になる。本実施形態では、単語ｗの特徴量（変数）γ_１，…，γ_Ｉから潜在語彙数ｘ”を得る推定モデル（推定式）Ψ：ｘ”＝Ｇ（γ_１，…，γ_Ｉ，Θ）を得、この推定モデルΨの変数γ_１，…，γ_Ｉに各単語ｗ”（ｍ）の特徴量γ_１（ｍ），…，γ_Ｉ（ｍ）を適用することで、各単語ｗ”（ｍ）に対応する潜在語彙数ｘ”（ｍ）＝Ｇ（γ_１（ｍ），…，γ_Ｉ（ｍ），Θ）を得る。ただし、Ｉは特徴量の個数を表す正整数であり、Θはモデルパラメータである。推定モデルに限定はなく、重回帰式や、ランダムフォレストなど、特徴量γ_１（ｍ），…，γ_Ｉ（ｍ）から潜在語彙数ｘ”（ｍ）を推定するものであれば、どのようなものでもよい。またモデルパラメータΘは、前述したテーブル［Ｗ’，Ｘ］のテスト単語列Ｗ’のテスト単語ｗ’（１），…，ｗ’（Ｎ）と潜在語彙数列Ｘの潜在語彙数ｘ（１），…，ｘ（Ｎ）とから抽出した各順位ｎ＝１，…，Ｎのテスト単語ｗ’（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ’（ｎ），ｘ（ｎ））を正解データ（訓練データ）とした機械学習によって得られる。例えば、ｎ＝１，…，Ｎについて、正解データの各テスト単語ｗ’（ｎ）の特徴量γ_１（ｎ），…，γ_Ｉ（ｎ）を推定モデルΨに適用して得られる潜在語彙数ｘ”（ｎ）＝Ｇ（γ_１（ｎ），…，γ_Ｉ（ｎ），Θ）と、正解データの潜在語彙数ｘ（ｎ）との誤差（例えば、平均二乗誤差）を最小化するモデルパラメータΘが推定される。特徴量γ_ｉの例は、単語ｗ”の心像性（語のイメージし易さ）、単語親密度ＤＢに格納されている単語ｗ”の親密度、単語ｗ”が具体物を表すか否かを表す値、コーパス中の単語ｗ”の出現頻度などである。心像性の例は、日本語の語彙特性第３期「単語心像性データベース」（http://shachi.org/resources/3472?ln=jpn）に格納された７段階で評定した平均値である。あるいは、参考文献３等に開示された、単語に対する辞書の定義文を使って検索した結果が辞書の語義として適切かどうかの５段階評定値や評定平均値を当該単語の心像性として用いてもよい。この５段階評定値は当該単語がどの程度画像として表現し易いかを表す。
参考文献３：藤田早苗，平博順，永田昌明，“画像検索を用いた語義別画像付き辞書の構築”，“Enriching Dictionaries with Images from the Internet”，自然言語処理,Vol. 20, No. 2, pp. 223-250, 2013.
単語ｗ”が具体物を表すか否かを表す値の例は、日本語語彙体系（シソーラス）で「具体」配下かどうかを表す値である。特徴量γ_１，…，γ_Ｉとして、単語ｗ”の心像性、単語ｗ”の親密度、単語ｗ”が具体物を表すか否かを表す値、コーパス中の単語ｗ”の出現頻度の全てを用いてもよいし、これらの一部のみを用いてもよいし（例えば、特徴量γ_１，…，γ_Ｉが単語ｗ”の心像性を含むが、単語ｗ”が具体物を表すか否かを表す値を含まない、または単語ｗ”が具体物を表すか否かを表す値を含むが、特徴量γ_１，…，γ_Ｉが単語ｗ”の心像性を含まないなど）、その他の値を用いてもよい。以下に詳細に説明する。

図１に例示するように、本実施形態の語彙数推定装置４は、記憶部１１、問題生成部１２、提示部１３、回答受付部１４、および語彙数推定部４５を有する。第１実施形態との相違点は語彙数推定部４５のみである。以下では、語彙数推定部４５のみについて説明を行う。

＜語彙数推定部４５＞
語彙数推定部４５は、前述のステップＳ１５１，Ｓ１５２，Ｓ１５３の処理を実行してテーブル［Ｗ’，Ｘ］を得、当該テーブル［Ｗ’，Ｘ］を記憶部１１に格納する。ただし、既にテーブル［Ｗ’，Ｘ］が記憶部１１に格納されているのであれば、ステップＳ１５１，Ｓ１５２，Ｓ１５３の処理が省略されてもよい。語彙数推定部４５は、テーブル［Ｗ’，Ｘ］のテスト単語列Ｗ’のテスト単語ｗ’（１），…，ｗ’（Ｎ）と潜在語彙数列Ｘの潜在語彙数ｘ（１），…，ｘ（Ｎ）とから抽出した各順位ｎ＝１，…，Ｎのテスト単語ｗ’（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ’（ｎ），ｘ（ｎ））を正解データとして用いた機械学習によって推定モデルΨ：ｘ”＝Ｇ（γ_１，…，γ_Ｉ，Θ）のモデルパラメータΘを得る。例えば、推定モデルΨが重回帰式である場合、推定モデルΨは以下の式(1)のように表される。
ｘ”＝Ｇ（γ_１，…，γ_Ｉ，Θ）
＝θ_１γ_１＋…＋θ_Ｉγ_Ｉ＋θ_０ (1)
ただし、Θ＝｛θ_０，θ_１，…，θ_Ｉ｝である。例えばＩ＝４であり、γ_１が単語ｗ”の心像性であり、γ_２が単語ｗ”の親密度であり、γ_３が単語ｗ”が具体物を表すか否かを表す値であり、γ_４がコーパス中の単語ｗ”の出現頻度である場合、重回帰式の推定モデルΨは以下の式(2)のように表される。
ｘ”＝Ｇ（γ_１，…，γ_Ｉ，Θ）
＝θ_１γ_１＋θ_２γ_２＋θ_３γ_３＋θ_４γ_４＋θ_０ (2)
ただし、Θ＝｛θ_０，θ_１，…，θ_Ｉ｝である（ステップＳ４５４）。

次に語彙数推定部４５は、記憶部１１の単語親密度ＤＢの各単語ｗ”（ｍ）（ただし、ｍ＝１，…，Ｍ）の特徴量γ_１（ｍ），…，γ_Ｉ（ｍ）を得、これらとステップＳ４５４で得られたモデルパラメータΘとを推定モデルΨに代入して、各単語ｗ”（ｍ）に対応する潜在語彙数ｘ”（ｍ）＝Ｇ（γ_１（ｍ），…，γ_Ｉ（ｍ），Θ）を得る。各潜在語彙数ｘ”（ｍ）は各単語ｗ”（ｍ）に対応付けられて記憶部１１に格納される（ステップＳ４５５）。

これ以降、語彙数推定を行う場合には、ステップＳ１５１～Ｓ１５３の処理を省略し、ステップＳ１２，Ｓ１３，Ｓ１４，Ｓ１５４，Ｓ１５５の処理を行うことができる。ただし、ステップＳ１２では問題生成部１２が毎回同じテスト単語ｗ（１），…，ｗ（Ｎ）を選択する必要はない。またステップＳ１５４では、語彙数推定部１５は、ステップＳ１５１で選択した各テスト単語ｗ（ｎ）と記憶部１１で各テスト単語ｗ（ｎ）に対応付けられている潜在語彙数ｘ”（ｎ）との組（ｗ（ｎ），ｘ”（ｎ））と、利用者１００のテスト単語の知識に関する回答とを用い、モデルφを得る。

［第４実施形態の変形例］
語彙数推定装置４が、第１実施形態で説明した記憶部１１および問題生成部１２に代えて、第２実施形態またはその変形例で説明した記憶部２１および問題生成部２２を有していてもよい。この場合にはステップＳ１２に代えてステップＳ２２の処理が実行されるが、この場合も問題生成部２２が毎回同じテスト単語ｗ（１），…，ｗ（Ｎ）を選択する必要はない。同様に、第３実施形態で説明した記憶部３１および問題生成部３２を有していてもよい。この場合にはステップＳ１２に代えてステップＳ３２の処理が実行されるが、この場合も問題生成部３２が毎回同じテスト単語ｗ（１），…，ｗ（Ｎ）を選択する必要はない。

［第５実施形態］
第５実施形態は、第１～４実施形態および第１実施形態の変形例に対する変形例である。第１～４実施形態および第１実施形態の変形例では、複数の単語と当該単語それぞれに対して予め定められた親密度との組を格納した単語親密度ＤＢを用いて各単語の潜在語彙数を得た。しかし、このような単語親密度ＤＢを用意できないときもある。第５実施形態では、このような単語親密度ＤＢに代えて、少なくともコーパス中の単語の出現頻度に基づいて各単語の潜在語彙数を得る。この場合には、例えば、単語親密度ＤＢに代えて、複数の単語と当該単語それぞれの出現頻度とを格納したＤＢが用いられる。さらに、コーパス中の単語の出現頻度に加え、単語の品詞に基づいて潜在語彙数を得てもよい。この場合は、例えば、単語親密度ＤＢに代えて、複数の単語と当該単語それぞれの出現頻度および品詞とを格納したＤＢが用いられる。またさらに、これらの少なくとも何れかに加えて、被験者（例えば、日本人）の母国語（例えば、日本語）と異なる言語（例えば、英語）を母国語とする者（例えば、米国人）の当該言語の単語の親密度（外国語親密度）に基づいて、被験者に仮定される潜在語彙数を得てもよい。この場合には、単語親密度ＤＢに代えて、複数の単語と当該単語それぞれの出現頻度および／または品詞と当該言語の単語の親密度とを格納したＤＢが用いられる。あるいは、上述のように単語の出現頻度、品詞、外国語親密度の少なくとも何れかから潜在語彙数を得ておき、単語親密度ＤＢに代えて、複数の単語と当該単語それぞれに対して得られた潜在語彙数との組を対応付けたＤＢが用いられてもよい。

上述のように、複数の単語と当該単語それぞれに対して予め定められた親密度との組を格納した単語親密度ＤＢが得られない場合がある。例えば、第１～４実施形態および第１実施形態の変形例では、日本語の語彙数推定を行う例を示した。しかし本発明はこれに限定されず、本発明によって日本語以外の言語（例えば、英語）の語彙数推定を行ってもよい。しかし、非母国語を対象とした単語の親密度の大規模データは存在しない。例えば、利用者１００が日本人である場合、日本語以外の英語などの言語は非母国語である。日本人を対象とした数万～数十万語の日本語の単語の親密度データは存在するが、日本人を対象とした英語の単語の親密度の大規模データは存在しない。例えば、「日本人英語学習者の英単語親密度」（横川、くろしお出版, 2006）では、日本人を対象として英語の単語の親密度が調査されているが、単語数は約３０００語であり十分とは言えない。また、英語を母国語とする者を対象として調査された英語の親密度のデータは存在する（参考文献４：https://elexicon.wustl.edu/include/NewNews.html）。しかし、英語を母国語とする者と英語を非母国語とする日本人とでは、英語の単語の親密度は必ずしも一致しないだろう。

あるいは、コーパス中での単語の出現頻度を用いて単語の親密度を推定することも考えられる。コーパス中での単語の出現頻度は、当該単語の親密度と相関があることが知られている。しかしながら、出願頻度が低いにもかかわらず親密度の高い単語も存在し、コーパス中での出現頻度が低い単語だからといって、必ずしも親密度が低い単語（難しい単語）であるとは限らない。

また、各単語に難易度のレベルが付与された英語辞書も存在するが（例えば、参考文献５等参照）、難易度が数段のレベルに分けられている程度では、このレベルを親密度として語彙数推定を行うには粗すぎる。例えば、参考文献５では、日本の英語教育で利用すること目的に、英語の単語をレベル分けしているが、レベルの段数はA1，A2，B1，B2（A1<A2<B1<B2）の４段階のみである（品詞別収録語は７８１５語）。この場合、レベルA1の単語を1語知っている者がレベルA1の単語をすべて知っていると仮定できないだろう。なお、これらのレベルの段数においてα<βは、レベルαの単語の方がレベルβの単語よりも難易度が高いことを意味する。
参考文献５：CEFR-J Wordlist(http://www.cefr-j.org/download.html#cefrj_wordlist)

そこで、本実施形態では、日本人向けに英語の単語がレベル分けされた語彙リスト（例えば、参考文献５のCEFR-J Wordlist ver1.6）をベースに、各レベルの中でさらに各単語を所定の順位付け基準に従って順位付けすることで各レベルをより詳細に分け、単語全体を各単語のなじみ深さ順と推定される順序に並べ替える。「所定の順位付け基準」の例は、コーパス中における各単語の出現頻度順に各単語を順位付けする基準、あるいは、英語を母国語とする者の親密度順に各単語を順位付けする基準などである。例えば、参考文献５のCEFR-J Wordlistでは、英語の単語に以下のようなレベルが付与されている。
レベルA1: a, a.m., about, above, action, activity, … , yours, yourself, zoo
(1197語、表記ゆれをまとめて1164語)
レベルA2: ability, abroad, accept, acceptable, …, yeah, youth, zone
(1442語、表記ゆれをまとめて1411語)
レベルB1，B2についても同様である。これらの各レベルの中で単語を「所定の順位付け基準」に従って順位付けして並べ替える。例えば、レベルA1ではa, about, yourself,,,,のように単語を出現頻度順に並び替える。各レベルA1，A2，B1，B2の中でそれぞれ出現頻度順に並べ替えた単語を並べ、全体として各単語のなじみ深さ順と推定される順序に並べる。このように、なじみ深さ順と推定される順序に並べられたＭ個の単語ω（１），…，ω（Ｍ）の各単語ω（ｍ）に潜在語彙数ｘ（ｍ）を対応付ける。ただし、ｍ_１，ｍ_２∈｛１，…，Ｍ｝およびｍ_１＜ｍ_２に対してｘ（ｍ_１）≦ｘ（ｍ_２）を満たす。

このように単語を出現頻度順に順位付けて語彙数推定を行う場合、単語の出現頻度の順序と単語のなじみ深さの順序とができるだけ一致することが望ましい。しかしながら、動詞は活用するが、名詞は活用しないなど、活用するかどうかの有無によって、出現頻度の数え方が自明ではない場合がある。また、動詞より名詞の方が絶対数が多く、相対的な頻度が低くなるなど、品詞によってコーパス中の出現傾向に差がある場合もある。そのため、単語を出現頻度順に順位付けて語彙数推定を行う場合、すべての品詞の単語を同一の基準で扱うことは難しい。そこで、語彙数推定を品詞別に行うことが望ましい。すなわち、前述のようになじみ深さ順と推定される順序に並べられた同じ品詞のＭ個の単語ω（１），…，ω（Ｍ）の各単語ω（ｍ）に潜在語彙数ｘ（ｍ）を対応付けたテーブルを用い、品詞別に語彙数推定を行ってもよい。ただし、ｍ_１，ｍ_２∈｛１，…，Ｍ｝およびｍ_１＜ｍ_２に対してｘ（ｍ_１）≦ｘ（ｍ_２）を満たす。言い換えると、単語ω（１），…，ω（Ｍ）に含まれる、出現頻度がα_１（第１値）である「特定の品詞」の単語ω（ｍ_１）を知っている者の推定語彙数ｚ（ｍ_１）は、出現頻度がα_２（第２値）（ただし、α_１はα_２よりも大きい、α_１＞α_２）である当該「特定の品詞」の単語ω（ｍ_２）を知っている者の推定語彙数ｚ（ｍ_２）よりも少ない。また、同じ単語に複数の品詞が考えられる場合、品詞によって単語のなじみ深さが異なる場合がある。例えば、同じ単語が或る品詞で使われることは少ないが別の品詞ではよく使われるなどといったこともある。こういった影響を避けるため、同じ単語に複数の品詞が考えられる場合、当該複数の品詞のうち当該単語の品詞として最もなじみ深い品詞（例えば、最も難易度のレベルの低い品詞）の単語とみなして、品詞別に語彙数推定を行う。すなわち、単語ω（ｍ_１）または単語ω（ｍ_２）の品詞のうち、単語ω（ｍ_１）または単語ω（ｍ_２）の品詞として最もなじみ深い品詞を上述の「特定の品詞」として、品詞別に語彙数推定を行う。例えば、単語「round」には、以下の副詞（adverb）、形容詞（adjective）、名詞（noun）、前置詞（preposition）の品詞が想定できる。
+-------+-------------+------+
| WORD | POS | CEFR |
+-------+-------------+------+
| round | adverb | A2 |
| round | adjective | B1 |
| round | noun | B1 |
| round | preposition | B2 |
| round | verb | B2 |
+-------+-------------+------+
ここで、副詞の「round」，形容詞の「round」，名詞の「round」，前置詞の「round」のレベルは、それぞれA2，B1，B1，B2，B2である。この場合、「round」を最もレベルの低い副詞（adverb）の単語とみなして語彙数推定を行う。

以下、上述のようにコーパス中の単語の出現頻度および単語の品詞に基づいて単語を順位付けする効果を示す。
(1)コーパス中の単語の出現頻度順に単語を順位付けした場合（1900年以降のGoogle Booksの1 gramデータを利用）
certain,private,directly,ago,agricultural,psychological,pretty,mostly,involve,competitive,elementary,adams,majesty,tide,peaceful,vain,asleep,inform,fled,neural,quit,sincere,auf,conquered,jay,behold,administer,envy,delete,scenery,triangular,fireplace,preparatory,canterbury,pike,tout,regimen,reunion,arousal,deacon,tread,strenuous,arsenal,blaze,inquisition,inexperienced,tremble,aerosol,balkans,rubbish
CEFR-J Word List記載のレベルと品詞（複数品詞がある単語の場合、１つのみ記載）を併記すると次のようになる。
certain (A2, adjective), private (A2, adjective), directly (B1, adverb), ago (A1, adverb), agricultural (B1, adjective), psychological (B1, adjective), pretty (A2, adverb), mostly (A2, adverb), involve (B1, verb), competitive (B1, adjective), elementary (A1, adjective), adams (-, ), majesty (-, ), tide (B1, noun), peaceful (A2, adjective), vain (B1, adjective), asleep (A2, adjective), inform (B1, verb), fled (-, ), neural (-, ), quit (B2, adjective), sincere (B2, adjective), auf (-, ), conquered (-, ), jay (-, ), behold (-, ), administer (-, ), envy (B2, verb), delete (B1, verb), scenery (A2, noun), triangular (-, ), fireplace (B2, noun), preparatory (-, ), canterbury (-, ), pike (-, ), tout (-, ), regimen (-, ), reunion (A2, noun), arousal (-, ), deacon (-, ), tread (B2, verb), strenuous (-, ), arsenal (-, ), blaze (B2, verb), inquisition (-, ), inexperienced (B2, adjective), tremble (B1, verb), aerosol (-, ), balkans (-, ), rubbish (B1, noun)
例えば、上記リスト中の、adamsやcanterburyは多くの場合、Adams, Canterbury のように固有名詞として用いられることが多い。本来固有名詞として使われる語を語彙数推定に利用することは望ましくない。CEFR-J等のリストに含まれない語を用いないようにすれば、こうした語を用いないようにすることができる。また、頻度順では、peacefulよりagriculturalの方が頻度が高くなっているが、CEFR－Jでのpeaceful, agriculturalのレベルは、それぞれ、A2, B1レベルであり、CEFR－Jで定義されたレベルの方が直感に合う（つまり、peacefulの方がagriculturalよりもなじみがあり、多くの人が知っている単語）と考えられる。

(2)CEFR-J Wordlistに出てくる単語のみを用い、各レベルの中でさらに各単語をコーパス中における各単語の出現頻度順に順位付けした例
certain, difficult, directly, ago, agricultural, psychological, pretty, mostly, involve, competitive, elementary, survive, evaluate, triumph, peaceful, vain, brave, inform, chin, enjoyment, imaginary, policeman, literal, thigh, absorb, erect, aristocracy, strangely, delete, distributor, dissatisfaction, tuition, likeness, tub, manipulate, homework, eloquence, comet, anyhow, fortnight, trainee, supervise, wetland, botany, enjoyable, razor, stimulant, dangerously, brilliantly, bully
わかりやすくするため、上述の各単語にCEFRにおけるレベルと、品詞を併記すると次のようになる。
［A2］ certain (adjective), ［A1］ difficult (adjective), ［B1］ directly (adverb), ago (adverb), agricultural (adjective), psychological (adjective), pretty (adverb), mostly (adverb), involve (verb), competitive (adjective), elementary (adjective), survive (verb), ［B2］ evaluate (verb), triumph (noun), peaceful (adjective), vain (adjective), brave (adjective), inform (verb), chin (noun), enjoyment (noun), imaginary (adjective), policeman (noun), literal (adjective), thigh (noun), absorb (verb), erect (adjective), aristocracy (noun), strangely (adverb), delete (verb), distributor (noun), dissatisfaction (noun), tuition (noun), likeness (noun), tub (noun), manipulate (verb), homework (noun), eloquence (noun), comet (noun), anyhow (adverb), fortnight (noun), trainee (noun), supervise (verb), wetland (noun), botany (noun), enjoyable (adjective), razor (noun), stimulant (noun), dangerously (adverb), brilliantly (adverb), bully (verb)
この例の場合、副の出現頻度が他の品詞の出現頻度より相対的に低いため、副詞の単語は難しめの（なじみ深さが低い）順位に順位付けされる傾向がある。例えばB2レベルの語では、名詞である“fortnight”や“botany”より、副詞である”dangerously”, ”brilliantly”の方が順位が後ろになっているが、多くの人にとっては”dangerously”, ”brilliantly”の方が“fortnight”や“botany”よりもなじみ深いと感じられるだろう。

(3)CEFR-J Wordlistに出てくる単語のみを用い、品詞ごとに各レベルの中でさらに各単語をコーパス中における各単語の出現頻度順に順位付けした例
動詞のみ：
［A1］ get, ［A2］feel, learn, teach, ［B1］ hurt, swim, provide, cross, avoid, train, snow, worry, hate, pursue, publish, steal, wander, pronounce, experience, ［B2］ soil, estimate, please, warm, involve, promote, defeat, engage, excuse, emerge, rid, derive, strengthen, persuade, assign, dig, interrupt, grab, thirst, classify, riddle, illuminate, drown, mourn, influence, experiment, row, exhibit, substitute, convert, decay

名詞のみ：
［A1］ minute, ［A2］train, sheep, math, mommy, statement, ［B1］male, ray, creature, shade, chin, balloon, playground, term, presence, aid, absence, infection, fifth, radiation, confusion, courage, tragedy, guilt, devotion, orbit, elbow, flock, theft, sadness, niece, sunrise, glide, chuckle, ［B2］assembly, obligation, stability, dose, throat, holder, midst, query, strand, bankruptcy, correspondent, insult, interruption, hesitation, astronomy, chemotherapy
副詞のみ：
［A1］ much, ［B1］yet, usually, ［A2］ straight, ［B2］far, across, forward, widely, mostly, roughly, worldwide, loudly, merely, forth, naturally, rarely, shortly, definitely, annually, extensively, aboard, evenly, anyhow, pleasantly, previously, practically, presumably, independently, promptly, morally, eagerly, eastward, admittedly, thirdly, powerfully, suitably, tremendously, overboard, stubbornly
これにより、品詞ごとに、なじみ深さの順に近い順位付けを行うことができる。

以下、本実施形態の構成を詳細に説明する。図１に例示するように、本実施形態の語彙数推定装置５は、記憶部５１、問題生成部５２、提示部５３、回答受付部５４、および語彙数推定部５５を有する。

＜記憶部５１＞
記憶部５１と前述の記憶部１１，２１，３１との相違点は、同じ品詞のＭ個の単語ω（１），…，ω（Ｍ）の各単語ω（ｍ）（ｍ＝１，…，Ｍ）に上述した潜在語彙数ｘ（ｍ）を対応付けたＤＢが記憶部５１に格納されている点のみである。何れか一つの品詞についてのＤＢのみが記憶部５１に格納されてもよいし、複数の品詞それぞれについてＤＢが記憶部５１に格納されてもよい。すなわち、ＤＢの潜在語彙数ｘ（ｍ）は、例えば、コーパス中の単語ω（ｍ）の出現頻度および単語の品詞に基づいて得られたものである。

＜問題生成部５２＞
問題生成部５２は、利用者またはシステムからの問題生成要請を受け付けると、記憶部５１のＤＢに含まれる、同じ品詞のＭ個の単語ω（１），…，ω（Ｍ）から語彙数推定テストに使用する複数のテスト単語ｗ（１），…，ｗ（Ｎ）を選択して出力する。すなわち問題生成部５２は、同じ品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）を選択して出力する。問題生成部５２は、或る品詞のテスト単語ｗ（１），…，ｗ（Ｎ）のみを選択して出力してもよいし、複数の品詞のそれぞれについて、同じ品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）を選択して出力してもよい。前述のように、テスト単語ｗ（ｎ）に複数の品詞が想定される場合、テスト単語ｗ（ｎ）の品詞のうち、テスト単語ｗ（ｎ）の品詞として最もなじみ深い、あるいは、最もよく用いられる、あるいは、学習の最も初期の段階で当該語の品詞として学習する品詞を当該テスト単語ｗ（ｎ）の品詞とみなす。その他は、第１，２，３実施形態の問題生成部１２，２２，３２の何れかと同じである（ステップＳ５２）。

＜提示部５３，回答受付部５４＞
提示部５３には、問題生成部５２から出力された同じ品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）が入力される。提示部１３は、事前に設定された表示形式に従い、指示文および同じ品詞のテスト単語ｗ（１），…，ｗ（Ｎ）を利用者１００に提示する。提示部５３に、或る品詞のテスト単語ｗ（１），…，ｗ（Ｎ）のみが入力される場合、提示部１３は、事前に設定された表示形式に従い、指示文および当該品詞のテスト単語ｗ（１），…，ｗ（Ｎ）を表示する。提示部５３に、複数の品詞のそれぞれについて、同じ品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）が入力される場合、提示部１３は、事前に設定された表示形式に従い、指示文および同じ品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）を提示する。品詞ごとに区分けされて、同じ品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）が提示されてもよいし、利用者１００によって選択された品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）が提示されてもよい（ステップＳ５３）。指示文およびテスト単語ｗ（１），…，ｗ（Ｎ）が提示された利用者１００は、利用者１００のテスト単語の知識に関する回答を回答受付部５４に入力する。回答受付部５４は、入力されたテスト単語の知識に関する回答を出力する（ステップＳ５４）。

以下に、提示部５３からの提示内容を例示する。まず提示部５３は、図５に例示するような画面５１０を表示する。例えば、画面５１０には「知っている語を選んでください。」との指示文、および品詞を選択するための各品詞（名詞、動詞、形容詞、副詞）に対応するボタン５１１，５１２，５１３，５１４が表示される。例えば、ボタン５１１，５１２，５１３，５１４には、選択されたことを表す表示部５１１ａ，５１２ａ，５１３ａ，５１４ａが設けられている。利用者１００が何れかの品詞のボタン５１１，５１２，５１３，５１４をクリックまたはタップして選択すると、選択したボタンの表示部にマークが表示される。例えば、利用者１００がボタン５１１を選択した場合（名詞を選択した場合）、表示部５１１ａにマークが表示される。このように品詞が選択されると、例えば提示部５３は、図６の画面５２０を表示する。画面５２０には、画面５１０の表示内容に加え、さらに「知っている英語をタップしてください。「回答」ボタンは下部にあります」「知っている」「知らない」と回答を促す内容、および選択された品詞のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）が表示される。利用者１００は、例えば知っているテスト単語をクリックまたはタップして選択して回答する。ただし、これは一例であり、テスト単語ｗ（１），…，ｗ（Ｎ）の全てを選択できる機能（「すべて選択」「すべての選択を解除」など）が画面に追加され、利用者１００がこの機能を用いてテスト単語ｗ（１），…，ｗ（Ｎ）の全てを選択した後、知らない単語をタップ等して選択から外してもよい。図７に例示するように、選択されたテスト単語の部位の色が変化し、当該テスト単語が選択されたことを表示する。利用者１００は、表示されたＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）のうち、自らが知っているすべてのテスト単語を選択したと判断した場合、回答ボタン５３１をクリックまたはタップする。これにより、回答受付部１４は、Ｎ個のテスト単語ｗ（１），…，ｗ（Ｎ）の知識に関する回答を出力する。

＜語彙数推定部５５＞
語彙数推定部５５には、回答受付部５４から出力された利用者１００のテスト単語ｗ（ｎ）の知識に関する回答が入力される。語彙数推定部５５は、前述のステップＳ１５１の処理を実行する。

語彙数推定部５５には、さらに問題生成部５２から出力されたテスト単語ｗ（１），…，ｗ（Ｎ）が入力される。語彙数推定部５５は、記憶部５１に格納されたＤＢを用い、各テスト単語ｗ（ｎ）の潜在語彙数ｘ（ｎ）を得、前述のようにテスト単語ｗ（１），…，ｗ（Ｎ）が順位付けされた親密度順単語列Ｗと、潜在語彙数ｘ（１），…，ｘ（Ｎ）が順位付けされた潜在語彙数列Ｘとが対応付けられたテーブル［Ｗ，Ｘ］を得る（ステップＳ５５２）。

さらに語彙数推定部５５は、前述のステップＳ１５３の処理を実行し、テスト単語ｗ’（１），…，ｗ’（Ｎ）の列であるテスト単語列Ｗ’と、潜在語彙数ｘ（１），…，ｘ（Ｎ）の列である潜在語彙数列Ｘと、が対応付けられたテーブル［Ｗ’，Ｘ］を得る。

語彙数推定部５５は、前述のステップＳ１５４の処理を実行し、テスト単語列Ｗ’のテスト単語ｗ’（１），…，ｗ’（Ｎ）と潜在語彙数列Ｘの潜在語彙数ｘ（１），…，ｘ（Ｎ）とから抽出した各順位ｎ＝１，…，Ｎのテスト単語ｗ’（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ’（ｎ），ｘ（ｎ））と、利用者１００のテスト単語の知識に関する回答とを用いてモデルφを得る。

語彙数推定部５５は、前述のステップＳ１５５の処理を実行し、モデルφにおいて、利用者１００が単語を知っていると回答する確率に基づく値が所定値または所定値の近傍のときの語彙数に基づく値に基づく値を、利用者１００の推定語彙数として出力する。出力された利用者１００の推定語彙数は、例えば、図８のように表示される。図８の例では、画面５４０に「あなたの名詞の推定語彙数は1487です」「631語程度まで：小学校～中学校程度」「1404語程度まで：中学3年～高校1，2年程度」「2671語程度まで：高校3年～大学受験レベル」「4091語程度まで：大学受験～大学教養レベル」と表示される。

図９Ａは、品詞ごとに単語を分けることなく語彙数推定を行った際のロジスティック曲線ｙ＝ｆ（ｘ，Ψ）のモデルφを例示したものである。図９Ｂ，図１０Ａおよび図１０Ｂは、品詞ごとに語彙数推定を行った際のロジスティック曲線ｙ＝ｆ（ｘ，Ψ）のモデルφを例示したものである。横軸が語彙数（ｘ）を表し、縦軸が単語を知っていると回答する確率（ｙ）を表す。丸印は利用者１００が知っていると回答したテスト単語ｗ’（ｎ）に対する点（ｘ，ｙ）＝（ｘ（ｎ），１）、および利用者１００が知らないと回答した（または、知っていると回答しない）テスト単語ｗ’（ｎ）に対する点（ｘ，ｙ）＝（ｘ（ｎ），０）を表す。図９ＡではＡＩＣ＝１７１．１であるのに対し、図９ＢではＡＩＣ＝７３．４であり、図１０ＡではＡＩＣ＝２５．７であり、図１０ＢではＡＩＣ＝１７．９である。これらより、品詞ごとに単語を分けることなく語彙数推定を行った場合に比べ、品詞ごとに語彙数推定を行った方がＡＩＣが小さく、条件が完全に一致しているわけではないもののよりモデルの当てはまりがよい傾向があることが分かる。

［第５実施形態の変形例］
比較的出現頻度の低い単語であっても、よく使われる単語の派生形としてとらえれば難しい語とはいえない場合がある。例えば、CEFR-J Wordlistの難易度のレベルでみても、understand(verb)のレベルはA2であるのに対し、その派生語understandable(adjective),understanding(adjective),understanding(noun)のレベルはB2である。つまり、understand(verb)よりunderstandable(adjective),understanding(adjective),understanding(noun)の方が難易度の高いレベルが付与されている。
+----------------+-----------+------+
| WORD | POS | CEFR |
+----------------+-----------+------+
| understand | verb | A2 |
| understandable | adjective | B2 |
| understanding | adjective | B2 |
| understanding | noun | B2 |
+----------------+-----------+------+
また、in-，re-,un-のような接頭辞がつく単語は、接頭語を除いた単語としては比較的知られた語であることも多い。例えば、inexperiencedは出現頻度が低いため、出現頻度で順位付けを行うと順位が低くなるが（なじみが低い単語）、experienceは出現頻度が高く比較的知られた語である。CEFR-J Wordlistの難易度のレベルでみても、inexperienced(adjective)のレベルはB2だが、experience (noun)のレベルはA2であり、experienceに対して難易度の高いレベルが付されている。そのため、派生形の単語および／または接頭辞がつく単語をＤＢやテスト単語の候補から除外してもよい。

日本語でカタカナ語（日本語文字の一種）となっている英語の単語（以下、「カタカナ語となっている単語」という）は、日本人によく知られている可能性が高い。例えば、button（ボタン）やrabbit（ラビット）などは日本人によく知られている単語である。このような単語では、日本人にとってのなじみ深さは、コーパス中における各単語の出現頻度や英語を母国語とする者の親密度を指標としたなじみ深さからは乖離したものとなる。そのため、カタカナ語となっている単語をテスト単語とすると、実際の語彙数より高く推定されてしまう可能性がある。そのため、カタカナ語となっている単語を、テスト単語として利用しないことが望ましい。カタカナ語となっている単語であるか否かは日英辞書から推測できる。例えば、日英辞書で単語の日本語訳がカタカナ語であるか否かを判定することで、カタカナ語となっている単語であるか否かを推測できる。カタカナ語となっている単語の全てをテスト単語の候補から除外するのではなく、カタカナ語となっている単語のうち、当該カタカナ語の日本人にとっての親密度が閾値を越える場合（当該親密度が高い場合）にのみ、当該カタカナ語となっている単語をテスト単語の候補から除外してもよい。例えば、impedance（インピーダンス）はカタカナ語となっている単語であるが、「インピーダンス」の日本人にとっての親密度は２．５と低く、誰でも知っている語でないと考えられるため、impedanceをテスト単語として選択してもよい。一方、「ラビット」や「ボタン」の日本人にとっての親密度は６以上であり、一般によく知られた語であると推測できるため、buttonやrabbitはテスト単語として選択されない。

ローマ数字（例えば、xiv)や２～３文字以下の単語がＤＢやテスト単語の候補から除外されてもよい。特に、「所定の順位付け基準」がコーパス中における各単語の出現頻度順に各単語を順位付けする基準である場合、a.….b.….c.…といった記号や、英文中に出てくる英語以外の言語（フランス語）の語（例えば、la, de）などの出現頻度がカウントされてしまい、単語のなじみ深さを正しく評価できない場合があるからである。

語彙数推定部５５が、品詞ごとに推定語彙数を得た後、それらの推定語彙数を合計して得られるトータルの推定語彙数を出力してもよい。あるいは、語彙数推定部５５が、或る品詞について推定語彙数を得た後、その品詞について推定語彙数から他の品詞についての推定語彙数を得て出力してもよい。

本実施形態では、語彙数推定部５５が、前述のステップＳ１５３の処理を実行してテスト単語を並べ替えてテーブル［Ｗ’，Ｘ］を得、テーブル［Ｗ’，Ｘ］から抽出した組（ｗ’（ｎ），ｘ（ｎ））と、利用者１００のテスト単語の知識に関する回答とを用いてモデルφを得た。しかしながら、テスト単語の並べ替えを行うことなく、モデルφを得てもよい。すなわち、語彙数推定部５５が、テーブル［Ｗ，Ｘ］のテスト単語列Ｗのテスト単語ｗ（１），…，ｗ（Ｎ）と潜在語彙数列Ｘの潜在語彙数ｘ（１），…，ｘ（Ｎ）とから抽出した各順位ｎ＝１，…，Ｎのテスト単語ｗ（ｎ）と潜在語彙数ｘ（ｎ）との組（ｗ（ｎ），ｘ（ｎ））と、利用者１００のテスト単語の知識に関する回答とを用いてモデルφを得てもよい。この処理の具体例はｗ’（ｎ）がｗ（ｎ）に置換される以外、第１実施形態で説明した通りである。なお、この場合には、ステップＳ１５１，Ｓ１５３の処理は省略される。

本実施形態では、日本人である利用者１００の英語の単語の語彙数を推定する例を示した。しかしながら、本発明はこれに限定されず、その他の国籍の利用者１００の非母国語の単語の語彙数を推定してもよい。すなわち、本実施形態の説明における、「日本人」を「任意の国民」に置換し、「日本語」を「母国語」に置換し、「英語」を「非母国語」に置換した形態で実施されてもよい。あるいは、本実施形態において、日本人である利用者１００の日本語の単語の語彙数を推定してもよい。すなわち、「英語」を「日本語」に置換した形態で実施されてもよい。さらに、本実施形態において、その他の国籍の利用者１００の母国語の単語の語彙数を推定してもよい。すなわち、本実施形態の説明における、「日本人」を「任意の国民」に置換し、「日本語」および「英語」を「母国語」に置換した形態で実施されてもよい。

前述のように、第５実施形態を第２実施形態その変形例または第３実施形態に適用してもよい。すなわち、第５実施形態において、第２実施形態その変形例で説明したように、特定分野の文章に特徴的な単語以外からテスト単語を選択してもよい。また、第５実施形態において、第３実施形態で説明したように、表記の妥当性の高さが所定の基準を満たす単語をテスト単語として選択してもよい。

第５実施形態では、複数の単語と当該単語それぞれに対して得られた潜在語彙数との組を対応付けたＤＢとが記憶部５１に格納されていたが、これに代えて、前述のように各単語の潜在語彙数を得るための単語の出現頻度、品詞、外国語親密度の少なくとも何れを格納したＤＢが記憶部５１に格納されていてもよい。この場合、語彙数推定部５５は当該ＤＢを用い、各テスト単語ｗ（ｎ）の潜在語彙数ｘ（ｎ）を得、前述のようにテスト単語ｗ（１），…，ｗ（Ｎ）が順位付けされた親密度順単語列Ｗと、潜在語彙数ｘ（１），…，ｘ（Ｎ）が順位付けされた潜在語彙数列Ｘとが対応付けられたテーブル［Ｗ，Ｘ］を得る（ステップＳ５５２）。

［第６実施形態］
第６実施形態は、第１～５実施形態および第１実施形態の変形例に対する変形例であり、複数の利用者１００のテスト単語の知識に関する回答から単語ごとに、各学年または各年齢での語彙の獲得割合を示す語彙獲得曲線を得る点でこれらと相違する。

第１～５実施形態および第１実施形態の変形例では、各利用者の語彙数推定を行った。第６実施形態では、複数の利用者１００のテスト単語の知識に関する回答、および利用者の学年または年齢から、各世代での語彙の獲得割合を示す語彙獲得曲線を得る。以下、詳細に説明を行う。

図１に例示するように、本実施形態の語彙数推定装置６は、第１～５実施形態または第１実施形態の変形例の何れかの語彙数推定装置５に語彙獲得曲線算出部６６、および語彙獲得曲線ＤＢを格納する記憶部６７を追加したものである。以下では、語彙獲得曲線算出部６６および記憶部６７のみについて説明を行う。

＜語彙獲得曲線算出部６６＞
入力：複数の利用者のテスト単語の知識に関する回答（複数学年分あるいは複数年齢分）
出力：単語ごとの語彙獲得曲線
語彙獲得曲線算出部６６には、回答受付部１４または５４から出力された複数の利用者１００のテスト単語の知識に関する回答が入力される。これらの回答は、複数の学年または年齢ｇ（１），…，ｇ（Ｊ）の利用者１００に対し、前述のように提示部１３または５４から同一のＮ個のテスト単語ｗ（１），…，ｗ（Ｎ）を提示して得られたものである。ただし、Ｊは２以上の整数であり、ｊ＝１，…，Ｊとする。また本実施形態では、複数の利用者１００のテスト単語の知識に関する回答とともに、当該利用者１００の学年または年齢の情報も語彙獲得曲線算出部６６に入力されるものとする。語彙獲得曲線算出部６６は、当該回答と当該回答を行った利用者１００の学年または年齢の情報とを用い、各テスト単語ｗ（ｎ）（ただし、ｎ＝１，…，Ｎ）について、各学年または年齢ｇ（ｊ）での各テスト単語ｗ（ｎ）の獲得割合ｒ（ｊ，ｎ）を求める（ステップＳ６６１）。

さらに、語彙獲得曲線算出部６６は、各学年または年齢ｇ（ｊ）での各テスト単語ｗ（ｎ）の獲得割合ｒ（ｊ，ｎ）を用い、各テスト単語ｗ（ｎ）について、各学年または年齢ｇに対する当該テスト単語ｗ（ｎ）の獲得割合ｒ（ｎ）を求める近似式である語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））を求め、当該語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））を特定する情報を記憶部６７に出力する。語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））は、例えば、ロジスティック回帰で得られるロジスティック曲線である。語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））を特定する情報は、テスト単語ｗ（ｎ）とモデルパラメータΘ’（ｎ）との組であってもよいし、語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））の波形データであってもよいし、その他の語彙獲得曲線ｒ（ｎ）を特定する情報であってもよいし、これらを複合したものでもよい。記憶部６７は、テスト単語ｗ（１），…，ｗ（Ｎ）に対して得られたＮ個の語彙獲得曲線ｒ（１），…，ｒ（Ｎ）を特定する情報を語彙獲得曲線ＤＢとして格納する。図１１Ａ，図１１Ｂ，図１２Ａ，図１２Ｂに、テスト単語「渋滞」「総称」「成就」「奏功」の語彙獲得曲線を例示する。これらの図の横軸は学年を表し、縦軸は獲得割合を示す。なお、これらの図の横軸では、小学１年から６年を１～６学年とし、中学１年から３年を７～９学年とし、高校１年から３年を１０～１２学年としている。また丸印はステップＳ６６１で得られた各学年または年齢ｇ（ｊ）での各テスト単語ｗ（ｎ）の獲得割合ｒ（ｊ，ｎ）を表す。これらの例では、５０％の者が「総称」を獲得する学年が７．８年と推定され、５０％の者が「成就」を獲得する学年が９．２年と推定され、５０％の者が「奏功」を獲得する学年が２９．５年と推定される（ステップＳ６６２）。語彙を獲得する学年が小数で表される値となった場合、整数値の学年として捉え、小数値は年間を１０分割した場合の時期と捉えればよい。例えば、獲得する学年が７．８年であれば、中学１年の後半に獲得すると推定される。また、語彙を獲得する学年が１２を超える値であってもよい。この場合、例えば高校卒業年の４月から始まる経過年数χを１２に加えた値χ＋１２を学年と定義する。例えば、２９学年は３５歳となる。この場合も上述のように学年が小数で表されてもよい。

［第６実施形態の変形例］
第６実施形態では、第１～５実施形態または第１実施形態の変形例での語彙数推定の過程で回答受付部１４または５４から出力された複数の利用者１００のテスト単語の知識に関する回答、および当該利用者１００の学年または年齢の情報が語彙獲得曲線算出部６６に入力され、語彙獲得曲線算出部６６が語彙数推定を行った。しかしながら、上述の語彙数推定の過程以外で得られた、複数の学年または年齢の利用者による、同一の単語の知識に関する回答（例えば、当該単語を知っているか否かの回答）および当該利用者の学年または年齢の情報が語彙獲得曲線算出部６６に入力され、語彙獲得曲線算出部６６がこれらを用いて語彙獲得曲線を得てもよい。
例えば、同一の単語の知識に関する回答は、語彙力推定以外の目的で行われた当該単語を知っているか否かの調査で得られたものでもよいし、「漢字テスト」や「漢字の読みテスト」の結果であってもよい。すなわち、同じ単語について複数の学年（年齢）で調査して得られた当該単語の知識に関する回答であれば、どのようなものが用いられてもよい。

図１に例示するように、語彙数推定装置６がさらに獲得学年推定部６８を有していてもよい。
＜獲得学年推定部６８＞
入力：各学年または年齢での特定の単語（語彙）の獲得割合が要求される場合には当該単語（ケース１）、特定の学年または年齢の獲得割合が要求される場合には当該単語および当該学年または年齢（ケース２）
出力：ケース１の場合には入力された単語の語彙獲得曲線、ケース２の場合には入力された学年または年齢での入力された単語の獲得割合

ケース１の場合、獲得学年推定部６８には、対象となる単語が入力される。獲得学年推定部６８は入力された単語に一致する単語ｗ（ｎ）の語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））を特定する情報を記憶部６７の語彙獲得曲線ＤＢから抽出し、当該語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））を出力する。

ケース２の場合、獲得学年推定部６８には、対象となる単語、および対象の学年または年齢が入力される。獲得学年推定部６８は入力された単語に一致する単語ｗ（ｎ）の語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））を特定する情報を記憶部６７の語彙獲得曲線ＤＢから抽出する。さらに獲得学年推定部６８は語彙獲得曲線ｒ（ｎ）＝Ｈ（ｗ（ｎ），Θ’（ｎ））における、対象の学年または年齢での獲得割合を得て出力する。

なお、対象の学年または年齢は、ステップＳ６６１，Ｓ６６２で語彙獲得曲線を得るために語彙獲得曲線算出部６６に入力された回答を行った利用者の学年または年齢以外の学年または年齢での獲得割合であってもよい。例えば、図１１Ａ，図１１Ｂ，図１２Ａ，図１２Ｂの語彙獲得曲線を得るために、学年ｇ（ｊ）＝９（中学３年生）に対応する獲得割合ｒ（ｊ，ｎ）は用いられていないが、獲得学年推定部６８は学年９での獲得割合を得ることもできる。

さらにケース１，２で獲得学年推定部６８がさらに、５０％の者が対象の単語を獲得した学年または年齢を得て出力してもよい。

［ハードウェア構成］
各実施形態における語彙数推定装置１－６は、例えば、ＣＰＵ（central processing unit）等のプロセッサ（ハードウェア・プロセッサ）やＲＡＭ（random-access memory）・ＲＯＭ（read-only memory）等のメモリ等を備える汎用または専用のコンピュータが所定のプログラムを実行することで構成される装置である。このコンピュータは１個のプロセッサやメモリを備えていてもよいし、複数個のプロセッサやメモリを備えていてもよい。このプログラムはコンピュータにインストールされてもよいし、予めＲＯＭ等に記録されていてもよい。また、ＣＰＵのようにプログラムが読み込まれることで機能構成を実現する電子回路（circuitry）ではなく、単独で処理機能を実現する電子回路を用いて一部またはすべての処理部が構成されてもよい。また、１個の装置を構成する電子回路が複数のＣＰＵを含んでいてもよい。

図１３は、各実施形態における語彙数推定装置１－６のハードウェア構成を例示したブロック図である。図１３に例示するように、この例の語彙数推定装置１－６は、ＣＰＵ（Central Processing Unit）１０ａ、入力部１０ｂ、出力部１０ｃ、ＲＡＭ（Random Access Memory）１０ｄ、ＲＯＭ（Read Only Memory）１０ｅ、補助記憶装置１０ｆ及びバス１０ｇを有している。この例のＣＰＵ１０ａは、制御部１０ａａ、演算部１０ａｂ及びレジスタ１０ａｃを有し、レジスタ１０ａｃに読み込まれた各種プログラムに従って様々な演算処理を実行する。また、入力部１０ｂは、データが入力される入力端子、キーボード、マウス、タッチパネル等である。また、出力部１０ｃは、データが出力される出力端子、ディスプレイ、所定のプログラムを読み込んだＣＰＵ１０ａによって制御されるＬＡＮカード等である。また、ＲＡＭ１０ｄは、ＳＲＡＭ (Static Random Access Memory)、ＤＲＡＭ (Dynamic Random Access Memory)等であり、所定のプログラムが格納されるプログラム領域１０ｄａ及び各種データが格納されるデータ領域１０ｄｂを有している。また、補助記憶装置１０ｆは、例えば、ハードディスク、ＭＯ（Magneto-Optical disc）、半導体メモリ等であり、所定のプログラムが格納されるプログラム領域１０ｆａ及び各種データが格納されるデータ領域１０ｆｂを有している。また、バス１０ｇは、ＣＰＵ１０ａ、入力部１０ｂ、出力部１０ｃ、ＲＡＭ１０ｄ、ＲＯＭ１０ｅ及び補助記憶装置１０ｆを、情報のやり取りが可能なように接続する。ＣＰＵ１０ａは、読み込まれたＯＳ（Operating System）プログラムに従い、補助記憶装置１０ｆのプログラム領域１０ｆａに格納されているプログラムをＲＡＭ１０ｄのプログラム領域１０ｄａに書き込む。同様にＣＰＵ１０ａは、補助記憶装置１０ｆのデータ領域１０ｆｂに格納されている各種データを、ＲＡＭ１０ｄのデータ領域１０ｄｂに書き込む。そして、このプログラムやデータが書き込まれたＲＡＭ１０ｄ上のアドレスがＣＰＵ１０ａのレジスタ１０ａｃに格納される。ＣＰＵ１０ａの制御部１０ａａは、レジスタ１０ａｃに格納されたこれらのアドレスを順次読み出し、読み出したアドレスが示すＲＡＭ１０ｄ上の領域からプログラムやデータを読み出し、そのプログラムが示す演算を演算部１０ａｂに順次実行させ、その演算結果をレジスタ１０ａｃに格納していく。このような構成により、語彙数推定装置１－６の機能構成が実現される。

上述のプログラムは、コンピュータで読み取り可能な記録媒体に記録しておくことができる。コンピュータで読み取り可能な記録媒体の例は非一時的な（non-transitory）記録媒体である。このような記録媒体の例は、磁気記録装置、光ディスク、光磁気記録媒体、半導体メモリ等である。

このプログラムの流通は、例えば、そのプログラムを記録したＤＶＤ、ＣＤ－ＲＯＭ等の可搬型記録媒体を販売、譲渡、貸与等することによって行う。さらに、このプログラムをサーバコンピュータの記憶装置に格納しておき、ネットワークを介して、サーバコンピュータから他のコンピュータにそのプログラムを転送することにより、このプログラムを流通させる構成としてもよい。上述のように、このようなプログラムを実行するコンピュータは、例えば、まず、可搬型記録媒体に記録されたプログラムもしくはサーバコンピュータから転送されたプログラムを、一旦、自己の記憶装置に格納する。そして、処理の実行時、このコンピュータは、自己の記憶装置に格納されたプログラムを読み取り、読み取ったプログラムに従った処理を実行する。また、このプログラムの別の実行形態として、コンピュータが可搬型記録媒体から直接プログラムを読み取り、そのプログラムに従った処理を実行することとしてもよく、さらに、このコンピュータにサーバコンピュータからプログラムが転送されるたびに、逐次、受け取ったプログラムに従った処理を実行することとしてもよい。また、サーバコンピュータから、このコンピュータへのプログラムの転送は行わず、その実行指示と結果取得のみによって処理機能を実現する、いわゆるＡＳＰ（Application Service Provider）型のサービスによって、上述の処理を実行する構成としてもよい。なお、本形態におけるプログラムには、電子計算機による処理の用に供する情報であってプログラムに準ずるもの（コンピュータに対する直接の指令ではないがコンピュータの処理を規定する性質を有するデータ等）を含むものとする。

各実施形態では、コンピュータ上で所定のプログラムを実行させることにより、本装置を構成することとしたが、これらの処理内容の少なくとも一部をハードウェア的に実現することとしてもよい。

なお、本発明は上述の実施形態に限定されるものではない。例えば、上述の各種の処理は、記載に従って時系列に実行されるのみならず、処理を実行する装置の処理能力あるいは必要に応じて並列的にあるいは個別に実行されてもよい。その他、本発明の趣旨を逸脱しない範囲で適宜変更が可能であることはいうまでもない。

１～６ 語彙数推定装
１２，２２，３２，５２ 問題生成部置
１３，５３ 提示部
１４，５４ 回答受付部
１５，４５，５５ 語彙数推定部

Claims (8)

1. 複数の単語から複数のテスト単語を選択する問題生成部と、
   前記テスト単語を利用者に提示する提示部と、
   前記利用者の前記テスト単語の知識に関する回答を受け付ける回答受付部と、
   前記テスト単語と、前記テスト単語を知っている者の推定語彙数と、前記テスト単語の知識に関する回答とを用い、前記利用者が前記単語を知っていると回答する確率に基づく値と、前記利用者が前記単語を知っていると回答したときの前記利用者の語彙数に基づく値と、の関係を表すモデルを得る語彙数推定部と、を有し、
   前記推定語彙数は、コーパス中の前記単語の出現頻度および前記単語の品詞に基づいて得られたものであり、
   前記語彙数推定部は、
   順位付けされた複数の単語から選択された複数のテスト単語を要素とするテスト単語列と、順位付けされた複数の潜在語彙数を要素とする潜在語彙数列と、から抽出した各順位の前記テスト単語と前記潜在語彙数との組と、前記テスト単語の知識に関する回答とを用いて前記モデルを得、
   前記複数のテスト単語は、特定の被験者集合に属する被験者の前記テスト単語に対する被験者内親密度に基づく順序で順位付けされており、
   前記複数の潜在語彙数は、前記複数のテスト単語に対応し、前記単語に対して予め定められた親密度に基づいて推定され、前記親密度に基づく順序で順位付けされている、語彙数推定装置。
2. 請求項１の語彙数推定装置であって、
   前記推定語彙数は、前記テスト単語の品詞ごとに定められ、
   前記出現頻度が第１値である特定の品詞の第１テスト単語を知っている者の前記推定語彙数は、前記出現頻度が第２値である前記特定の品詞の第２テスト単語を知っている者の前記推定語彙数よりも少なく、前記テスト単語は前記第１テスト単語および前記第２テスト単語を含み、前記第１値は前記第２値よりも大きい、語彙数推定装置。
3. 請求項２の語彙数推定装置であって、
   前記特定の品詞は、前記第１テスト単語または前記第２テスト単語の品詞のうち、前記第１テスト単語または前記第２テスト単語の品詞として最もなじみ深い品詞である、語彙数推定装置。
4. 請求項１から３の何れかの語彙数推定装置であって、
   前記単語の言語は非母国語である、語彙数推定装置。
5. 請求項１の語彙推定装置であって、
   前記語彙数推定部は、前記複数のテスト単語が前記親密度に基づく順序で順位付けされた親密度順単語列に含まれる前記テスト単語を、前記被験者内親密度に基づく順序で並べ替えて前記テスト単語列を得る、語彙数推定装置。
6. 請求項１から５の何れかの語彙数推定装置であって、
   前記語彙数推定部は、前記モデルにおいて、前記利用者が前記単語を知っていると回答する確率に基づく値が所定値または所定値の近傍のときの前記語彙数に基づく値を、前記利用者の推定語彙数として出力する、語彙数推定装置。
7. 語彙数推定装置によって実行される語彙数推定方法であって、
   複数の単語から複数のテスト単語を選択する問題生成ステップと、
   前記テスト単語を利用者に提示する提示ステップと、
   前記利用者の前記テスト単語の知識に関する回答を受け付ける回答受付ステップと、
   前記テスト単語と、前記テスト単語を知っている者の推定語彙数と、前記テスト単語の知識に関する回答とを用い、前記利用者が前記単語を知っていると回答する確率に基づく値と、前記利用者が前記単語を知っていると回答したときの前記利用者の語彙数に基づく値と、の関係を表すモデルを得る語彙数推定ステップと、を有し、
   前記推定語彙数は、コーパス中の前記単語の出現頻度および前記単語の品詞に基づいて得られたものであり、
   前記語彙数推定ステップは、
   順位付けされた複数の単語から選択された複数のテスト単語を要素とするテスト単語列と、順位付けされた複数の潜在語彙数を要素とする潜在語彙数列と、から抽出した各順位の前記テスト単語と前記潜在語彙数との組と、前記テスト単語の知識に関する回答とを用いて前記モデルを得、
   前記複数のテスト単語は、特定の被験者集合に属する被験者の前記テスト単語に対する被験者内親密度に基づく順序で順位付けされており、
   前記複数の潜在語彙数は、前記複数のテスト単語に対応し、前記単語に対して予め定められた親密度に基づいて推定され、前記親密度に基づく順序で順位付けされている、語彙数推定方法。
8. 請求項１から６の何れかの語彙数推定装置としてコンピュータを機能させるためのプログラム。

Images