図書館情報学的主題分析と生成AI
はじめに
以前図書館的な件名、分類の付与と、その前提となるコンテンツの概念化は自動化できるかを を書きましたが、そちらは若干技術的概念よりなので、 もう少し図書館寄りな話をこちらで付け足します。 （かなりの部分を、生成AIに書かせて、それに若干手を入れたものです）
図書館の主題分析は、 「何が書いてあるか（内容）」＋「どういう資料か（形式・ジャンル）」 の両方を前提にしているので、全文を詠ませれば機械（生成AI）でも、何が書いてあるかを抽出できますが、中身（文）を詠んだだけでは、小説かノンフィクションか、はたまたスピリチュアル本かを、生成AIが判断するのはなかなな難しい、というお話です。
例えば、「出エジプト記」は聖書という予備知識まったくなしにいくら読んでも（193）に分類できないし、小説「手紙」も熟読していくら内容が適切に要約できたとしても（913）には分類できないかもしれません。
主題分析＝内容分析だけではない
図書館の主題分析は、 「何が書いてあるか（内容）」＋「どういう資料か（形式・ジャンル）」 の両方を前提にしています。
そのため、
純粋な内容理解ができても、形式・ジャンル・成立背景がわからなければ、 分類記号（NDC）は確定できない、という場面が普通に起こります。
出エジプト記の例が示していること
出エジプト記はモーセが海を割るところが有名ですが、それを読んでも、 物語なのか、イスラエルの歴史なのか、神話なのか、は実はよくわかりません。
主題分析のポイント
主題分析には、少なくとも次の3層があります。
- 内容主題
- 形式主題
- 位置づけ主題
NDC分類は ②と③を強く重視する体系 なので、①だけでは足りない、という状況が頻発します。
人間はどのようにしているか？
つたない私の経験では、 タイトルと、奥付と、帯と目次、ジャケットの紹介文くらいをパッと見て、 聖書を題材にした小説か、聖書自体か、スピリチュアル本か、をあたりをつけて、微妙な場合、前書きや後書きを読むはずなので、 そのあたりの情報も併せて生成AIに情報として与えられれば、形式やジャンルも生成AIにも判断可能だと思いますが、 紙の本中心の現状では、それらは生成AIが読めない、という課題があります。
人間がどう判断しているかを分解して説明できるなら、その判断は生成AIにも原理的には可能です。問題は「説明が曖昧なまま、人間は直感でやっている」部分を、どこまで言語化できるかということになります。
人間は何を基準に「小説／ノンフィクション／スピリチュアル」を判断しているか
人間は、内容そのものよりも、著者と出版コンテクストなどのメタ情報（外在情報）の組み合わせで判断し、本文を読む前に判断がほぼ終わっています。
- 著者は、小説家か研究者・記者か宗教家か
- 出版社・レーベルは、文芸書か、新書、自己啓発／精神世界
- 帯・序文に何と書いてあるか
生成AIに「判断できない」ように見える理由
生成AIが弱いのは、本文しか与えない、出版情報・流通情報を切り落とす という実験設定の場合が多いからです。
これは人間に、作者も出版社も分からない原稿だけ渡して「これ文学か判断して」と言っているのと同じで人間でも迷います。
余談：アバウトネス
管見の範囲で、「図書館の主題分析は〈内容〉＋〈形式・ジャンル〉の双方を前提とする」ことを、理論的に明示して論じているのは以下のものでした。
Ralph M. Holley & Daniel N. Joudrey, Aboutness and Conceptual Analysis: A Review. Cataloging & Classification Quarterly. Published online 2021. doi:10.1080\/01639374.2020.1856992
以下は冒頭の機械翻訳です。
図書館情報学（LIS）の実務者や学生、とりわけ新進の目録作成者、メタデータ専門家、索引作成者（以下、簡略化のため「目録作成者」と呼ぶ）にとって、「アバウトネス（aboutness）」という概念を理解することは重要である。 この用語は、リソースの主題（すなわち、トピック、テーマ、内容）および構造（すなわち、ジャンル、形式）を指す。 図書館、公文書館、その他の文化遺産・情報機関の所蔵資料に対して主題によるアクセスを提供するため、LISの専門家は主題分析を行う。 主題分析は、情報組織化プロセスの不可欠な部分であり、これはLIS分野における基礎的な機能である。主題分析プロセスは、概念分析と翻訳という2つの段階から成る。「アバウトネス」は、その両者において基本的な概念である。
面白いのは、
[これまでの]ほとんどの文献では、目録作成者が資料の「対象」を特定できることが単に前提とされている。これらの文献は、むしろ「対象」を統制語彙や分類表記に変換することに重点を置いている。
という部分です。 この指摘のとおりだとすると、「対象」＝アバウトネスをどうやって特定するかを生成AIに教えることが難しい、ということになりかねません。
この論文では、概念分析の段、手法についても論じられており、それらを生成AIに適用することで、自動化にも道が開けるのではないでしょうか。
なお、 Aboutnessとは、もともと言語哲学的な概念ですが、日本には、言語学の文法理論的な導入が図られ、そこから図書館情報学にも取り入れられた概念です。
図書館情報学用語辞典 では、
アバウトネス 蓄積情報や検索質問の中で扱われている主題概念．表現されている重要概念は何かを示すものということができる．この何かの決定は，個人に依存し必ずしも客観的ではないので，アバウトネスは，著者，索引作成者，利用者など，情報や検索質問を取り扱う立場によって異なる．蓄積情報に関しては，著者アバウトネス，索引作成者アバウトネス，利用者アバウトネスに分けることができる．また，蓄積情報にはまったく関連せず，検索質問が何についてかのみを示す検索質問アバウトネスには，利用者アバウトネスと仲介者（例えば，レファレンス担当者）アバウトネスがあると考えることができる．
と説明されています。 ちなみに哲学分野では「ついて性」という訳語が使われるようです