TYPO Writer ヒトはどのように打ち間違えるのか？

1. TYPOって？ TYPO Writerヒトはどのように打ち間違えるのか？ 荒牧英治 東大 宇野良子 農工大 岡瑞起 東大

2. まだ間違いに気が付いていないのか?

3. TYPOが致命的な場合も日本看護協会の告知[Dec2008]よりTYPOが致命的な場合も日本看護協会の告知[Dec2008]より

4. TYPOの特徴 • 従来のコーパス（新聞や論文）ではまれ • BUT: 例外的現象ではない 人間ならだれしも行う 平均3%の割合で打鍵ミス エキスパートでも0.9% [Grudin1983] チャットやマイクロブログ カルテ文章＝ungrammatical fragmented [Sibanda 2005] • 記述者は気づきにくい→ いったいヒトはなぜタイポをするのか?

5. 本研究の2つの課題 • いったいなぜ／どのようにタイポするのか 主課題：タイポの分析 • BUT: 従来のコーパス（新聞，論文 etc） • においてタイポはまれ 副課題：タイポの収集

6. 本研究 • はじめに • 課題１： タイポの収集 • どうやって自動的に大量のタイポをあつめるか？ • 課題２： タイポの分析 • 実験 • おわりに

7. （本研究における）タイポとは 仮定1 タイポの出現頻度は原型に比べて著しく低い → |SOTP| : |STOP| < 1:50 仮定2 タイポと原型のスペリング／コンテキストは類似している → sim (please sotp it, please stop it) > TH. 仮定3 タイポは辞書に収載されていない →(form⇔from) は対象外.

8. 仮定はインプリしやすい 手法 • 材料： (2008年クロール; 500MB) • STEP1: 3grmに分解→頻度集計 • SPTE2: 頻度差30倍の類似した3grmペア抽出 仮定1 仮定2 仮定3 N-gram (Freq) N-gram (Freq) TYPE ORG TYPO R1 The google wace (2) The google wave (42205) wace wave R1 The google have (202) The google wave (42205) have wave

9. 結果 • 3.9万ペア （原型: タイポのペア） • 評価： 正しいタイポが定義不能のため困難 • 百聞＜一見→ http://luululu.com/tweet/

10. 本研究 • はじめに • 課題１： タイポの収集 • 課題２： タイポの分析 • タイポとはどんな特徴を持っているか？ • 実験 • おわりに

11. 各操作別のタイポされた文字 R1 R2 IN RM 挿入 削除 順入替 置換 i 1420 / 40412 = 0.0351 a 1673 / 34515 = 0.0484 e/h 242 a:e 954 d 981 / 13567 = 0.0723 o 1671 / 46884 = 0.0356 e/m 129 m:s 392 a 850 / 34515 = 0.0246 e 1004 / 50418 = 0.0199 a/h 107 m:n 310 y 760 / 50418 = 0.0150 i 742 / 40412 = 0.0183 h/t 78 y:t 280 e 741 / 50418 = 0.0146 l 661 / 19796 = 0.0333 i/e 70 z:s 278 t 735 / 44495 = 0.0165 h 653 / 28020 = 0.0233 o/t 63 t:e 265 n 684 / 33891 = 0.0201 n 499 / 33891 = 0.0147 g/n 63 q:g 238 o 609 / 46884 = 0.0129 t 394 / 44495 = 0.0088 s/u 60 r:e 218 iの挿入が多い しかし a と i の置換は少ない a の脱落が多い 何がバイアスになっているか？

12. 要因1: 指とタイポの関係 文字順の入れ替えは 右手と左手の間で起こりやすい 置換は同じ右手／左手の指の間で起こりやすい

13. 要因1: 指とタイポの関係 各指で起こるタイポ操作が異なる

14. 要因2: 視覚的要因 形がよく似た文字は置換されやすい!? 画像類似度 類似度した文字

15. 要因3: 単語内の位置 真ん中と後末にタイポが起きやすい 頻度 語末になりやすい文字 単語内の相対位置

16. More info 要因4: Doubling 要因4: 音韻 p_a_p_e_r_w_e_i_g_h_t p_eI_p_@_ _w_e_I_ _ _t RMされた文字の発音 CELEX2 DATABASE aligned by GIZA++

17. タイポを起こす要因とタイポモデル 要因1:打鍵ミス Cognitive Error Type Error 要因5:音韻 [Kukich1992] 何が主要な要因なのだろう？ 要因4: doubling 要因2:画像類似度 要因3:単語内位置 Check Failure 要因5:音韻 タイポ

18. 本研究 • はじめに • 課題１： タイポの収集 • 課題２： タイポの分析 • 実験 • タイポをタイポらしくしているのは何か？ • ＝タイポと擬似タイポを識別 → 識別に貢献ものは何か？ • おわりに

19. 実験設定 • 目的 : タイポらしさはどの要因からくるのか調べる • データ （自動抽出結果と擬似負例） 正例 自動抽出した原型:タイポのペア Twitter:Twiter 負例 正例の原型をランダムに編集 Twitter:Zwitter • 手法： SVMで要因1-5をfeatureとして表現 要因1 要因3 Twitter:Twiter F4-RM L-RM 4of7 Twitter:Zwitter F4-F1-R2 L-R2 1of7

20. 実験結果 • (1) どの要因を削除しても精度が下がる → どの要因も少なくともタイポの一部を説明 • (2) 特に が重要 単語内位置

21. 単語認知の研究との不整合 単語に内在する情報量の偏在 [田中, 2008] 単語中央の 情報量が少ない 単語の中央／末尾に タイポが多い ≒ 単語中央付近の間違いに気づかない

22. 仮説「逐次的に単語認知を行う」 No-look typing check No-look typing check i n v i i n v i t e E E B B =

23. 本研究 • はじめに • 課題１： タイポの収集 • 課題２： タイポの分析 • 実験 • おわりに

24. まとめ • 人はなぜ打ち間違うか? 神のみぞ知る • 人はどのように打ち間違うか．．． 本研究により定量的に調査可能 • →数学的モデル化 • →認知研究との関連 「逐次的単語認知」の検討 • →人間と同じように打ち間違えるプログラム • see TYPO Writer http://luululu.com/research/pm3/index.html

25. 発音しない文字 中央付近