iiinova — where your digital self keeps evolving

（圏論ネタになるが、テキスト構造と意味論の自然変換とか複数の分析間の自然変換をどう取りながら記述するかみたいな理論化を踏まえないと大規模かつ多粒度な汎用構造化テキスト化は行い難いと思う。ぶっちゃけ、以前言ってた数理論理学（少なくとも完全性定理まで）必須論よりも無理ゲーな感じはあるが、対応関係の記述は人文学の基礎という気もするので、AI時代の基礎今日として人文学のための圏論が要るってことなのかも）

000

（実のところ、TEI は、多分、大規模テキスト化には向かないと思う。ただ、結果の固定には有用かもと思う。また、語彙には価値があると思う）

100

（ただし、現行の「ローマ字のつづり方」（令和7年12月22日内閣告示）では www.bunka.go.jp/kokugo_nihon... にあるように、¯ が基本で、^ も許容するように変わった）

bunka.go.jp

000

（ローマ字の長音表記に ISO 8859-1 の呪いが今も微妙にかかってるのは面白いが考えてみれば現代日本でもシフト JIS の呪いは残ってるのでそれほど不思議ではないか。だけど、そもそも旧「ローマ字のつづり方」（昭和29年内閣告示第1号・同訓令第1号）では www.bunka.go.jp/kokugo_nihon... にあるように長音は ¯ (MACRON) ではなく ^(CIRCUMFLEX ACCENT) を付けて表すことになってたので、â のような ISO 8859-1 にあるやつの方が正しかったのだった）

bunka.go.jp

100

（フィンランド語は印欧語じゃないので英語中心主義のシステムでは苦労するというのは考えたことなかったがそうなのか）

100

tomo. (守岡知彦) @tomo.chise.org · 22/08/2026

（EAJRS オンライン参加してるんだがそろそろ眠くなってきた。ただ、さっきの Koizumi, Kiyoka (Leiden University) Fuse, Rie (University of Helsinki) Navigating Multiscriptual Challenges: A Case Study of an In-Class Workshop for Ex Libris University Library Search in Japanese という発表、とても面白かった）

100

（大屋霊城の話が出てこなくてちょっと残念）

000

tomo. (守岡知彦) @tomo.chise.org · 13/08/2026

(LLM ってもしかして制約論理プログラミング向き?）

000

tomo. (守岡知彦) @tomo.chise.org · 28/07/2026

（DASL 版 CHISE では S 式なしに CHISE の構造を完璧に扱える見通しが立った気がする。ローカルの IPFS daemon を必須にするかは悩みどころだが、これを認めればオンデマンドにデータをとってくることもできるし、ローカルに上書きすることもでき、30年ほど前に夢見たことがようやく実現できる気がする。UI のこと考えると頭痛いけど）

000

tomo. (守岡知彦) @tomo.chise.org · 28/07/2026

（DASL 版 CHISE では素性をいくつかのグループに分けて格納するようにしたのだが、これを隠蔽するかどうかちょっと悩んだ。結局、隠蔽せずこれを (feature-)section を名付けて陽に扱うことにした。従来でも、関係素性とか構造素性とか素性のタイプ的なものがあった訳で、これを明確化し、今後は素性の素性（素性属性）としてきちんと管理する方向で行こう）

100

tomo. (守岡知彦) @tomo.chise.org · 28/07/2026

（IDS 自動認識器での認識率向上を図るにはやっぱ IDS のデータ処理が要ると思って、 gitlab.nijl.ac.jp/CHISE/chise-... を Python から使うモジュールを作り始めたのだが、Python 用の IPFS ライブラリを色々探して結局どれもピンとこず、結局、httpx で Kubo RPC API か IPFS gateway 叩くので十分という結論に達した。また、Python でも JSON 使うと文字化けしやすいことが分かり、libipld を使って DAG-CBOR (DRISL) を直接読み書きするのが吉という結論に達した）

CHISE / CHISE-DASL-CID-data · GitLab

tomo. (守岡知彦) @tomo.chise.org · 03/07/2026

000

（Qwen3.6-27B-Uncensored-Heretic-v2-MLX-6bit と Qwen3.6-27B-Uncensored-Heretic-v2-MLX-8bit を比べると、量子化 6bit の方が成績が良い場合がある。微妙な差だが。でもって、Qwen3.6-27B-Uncensored-Heretic-v2-MLX-8bit と Qwen3.5-27B-heretic-8bit を比べると、こちらははっきりと Qwen3.5-27B-heretic-8bit の方が良い感じ）

010

（IPFS 環境（正確には、IPLD 周り）が快適になったのは、AI バブルのおかげで、というよりも、青空のおかげか？（不正確な表現だが）やっぱ、DASL での標準化が始まったのが良かった? できれば、RFC 化まで進むと良いな）

000

（それにしても、（AI バブルのおかげで?）Web3 が下火になったら、以前の予想通り、IPFS が実用的なツールになって、自作の local VLM スクリプトではプロンプト管理用にもれなく IPFS を組み込んでたりする。Kubo も単独で upgrade できるようになったし、着々と便利になってる）

100

（まあ、でも、考えようによっては、今時 AI エージェント向けの API があればそれで良いのかも知れない。でもって、これも今の IPFS ならサーバーもそんなに真面目に考えなくても良いような気も（流石に、今の手元の MacBook Pro がマスターってのはまずい気はするが））

（あと、やっぱそろそろ Python-CHISE がないと辛くなってきた。CL-CHISE/IPLD もエンジンはほぼ完成したので、そろそろ真面目に引っ越しを考えたいところだが、UI がないのが辛いところ）

000

（このところ、ずっと Qwen3.5-27B-heretic-8bit を使っていたが、メモリ 36GB な MacBook Pro で動かすために Qwen3.6-27B-Uncensored-Heretic-v2-MLX-6bit を試したところ、classical Hanzi の時に F 値 0.969 を出して、念の為、他のプロンプトの場合も調べてる。なんとなく Qwen3.6 は漢籍 OCR 系では Qwen 3.5 よりも良くないと思い込んでたので、意外な結果。全体的に調べ直した方が良いかも）

tomo. (守岡知彦) @tomo.chise.org · 26/06/2026

（IDS 自動認識器用のプロンプトを、うまくいかない例を見ながら試行錯誤してたが、こういう時は計測ということで、認識率や適合率、再現率、F値等を計算するプログラムを書いてHNGの開成石経論語の結果を見てみたところ、どれも F 値 0.96 ぐらいで、まずまずか。英語での漢字の表現としては、Kanji が 0.967, Chinese character が 0.966, Hanzi が 0.962 で意外に Kanji が良かった。classical を付けるとそれぞれ 0.964, 0.963, 0.962 と悪化した（簡体字が減るので良いかと思ったが、やはりプロンプトは短い方が吉か））

100

（IDS 自動認識器 gitlab.nijl.ac.jp/CHISE/ids-re... で大廣益會玉篇（宮内庁書陵部図書寮文庫本）の掲出字と開成石経論語のHNG代表字形とHNGの整理に使ったという大字典の掲出字を処理してるが、思ったよりも読むなあというのと、なんでそれ読めへんのというのが混じる。やはり、1文字だけ読むというのは言語的文脈が使えないのでLLMには厳しいゲームで、ノイズに弱くなる。また、位置関係はそこそこ理解してるのに、正確な座標が出せないので、後処理で頑張るのもむずい。本気でやるなら、（文字じゃなくて）部品のモデルをちゃんと作った方が良いのかも）

CHISE / IDS recognizer · GitLab

tomo. (守岡知彦) @tomo.chise.org · 24/06/2026

000

（Qwen3.5 の出力に Ext G の文字が入ってのを見つけてちょっとびっくり）

000

tomo. (守岡知彦) @tomo.chise.org · 23/06/2026

画質悪いと精度はそれなりという感じではあるけど、HDIC のマッピングと CHISE IDS から機械的に作った IDS のミスをいくつか拾えたので、道具としてはそれなりに有用かもしれない。

000

tomo. (守岡知彦) @tomo.chise.org · 23/06/2026

Qwen3.5-27B-heretic-8bit を使って大廣益會玉篇（宮内庁書陵部図書寮文庫本）の掲出字を読んだ結果の失敗例をチェックしてる途中だけど、部品の外形部を読んで内部を読み損なってる例が結構あり、ある意味人間っぽい読み方をしてるのかなと思ったり。つまり、普通の OCR 処理では、視覚モーダルからは輪郭中心によく知ってる部品を認識して、言語的文脈で絞り込んでる？

100

tomo. (守岡知彦) @tomo.chise.org · 22/06/2026

視覚言語モデルを使って漢字字形画像から IDS を自動生成するプログラムを作ってみました： gitlab.nijl.ac.jp/CHISE/ids-re... github.com/chise/ids-re... I made a program to generate IDS from Hanzi glyph-images automatically using VLM.

CHISE / IDS recognizer · GitLab

tomo. (守岡知彦) @tomo.chise.org · 22/06/2026

002

（Python-CHISE が欲しくなってきた。今作るとすれば、CHISE-DASL 版だと思うが、Kubo の ipfs daemon 必須でも良いかな？）

000

tomo. (守岡知彦) @tomo.chise.org · 13/06/2026

（CL-Concord からの JSON 依存コードの除去作業がようやく完了した。全て CL-DASL を通して S 式から直接 DRISL (dCBOR42) に変換するようになり、BMP 外文字の文字化けがなくなった。今は CBOR を Kubo に投げて IPFS ネットワーク送出してるが、CID の計算だけなら Common Lisp だけでできるのだが、今後、car 化するコードを作るか、libp2p のバインディングを作るか、それとも libp2p 自体を実装するか?）

000

tomo. (守岡知彦) @tomo.chise.org · 07/06/2026

無事復旧したようです。

000

tomo. (守岡知彦) @tomo.chise.org · 04/06/2026

電気設備の点検に伴う計画停電のため、2026年6月7日8:00(JST)頃から国文学研究資料館で運用中のサーバー群 (*.nijl.ac.jp) が停止します。同日16〜17時頃には再開する見通しです。

現状、問題はないです（外部 DB 上で Emacs Lisp と同じ意味論になるように辻褄合わせて、Common Lisp 上では case table を invert にしたシンボルか文字列で扱うことにしてます）。

020

（CL-JSON は何も考えずに BMP 外の文字を突っ込むと 16bit の code unit にぶったぎられるので辛い（あと、超重い）。それで、現在、CL-Concord では CL-JSON 依存部分の除去作業をやってて、ようやく文字化け問題は解決した気がするが、完全 DRISL (dCBOR42) 化まではもう一息）

000

data/char-defs · main · CHISE / CL-CHISE · GitLab

確かにそれが正解だと思います。私の場合、 gitlab.chise.org/CHISE/cl-chi... みたいな Emacs Lisp の S 式で作ったデータ（プログラム）を読み込む必要があって、今は安直に関数を定義して load してるんですが、将来的には形式を変えるのが良いかなと思っております。

gitlab.chise.org

CHISE implementation based on Common Lisp

tomo. (守岡知彦) @tomo.chise.org · 15/05/2026

（Common Lisp でシンボルの大文字と小文字を区別しつつ、既存のプログラムを小文字で呼び出すのって何気に面倒で、未だに正解がわからん）

000

新幹線車内からオンライン研究班に参加しようとしたが N700S じゃないのでちょっと厳しかった。ところで、Universal Dependencies 2.18 がリリースされた lindat.mff.cuni.cz/repository/i... が、イランのグループがやってた西イラン語群３言語がリタイヤになったとのことで残念。 cf. qiita.com/KoichiYasuok...

qiita.com

Universal Dependencies 2.18リリース - Qiita

Universal Dependencies 2.18がリリースされた、との連絡をいただいた。半年前のUniversal Dependencies 2.17と較べて、Assamese、Brahui、Gorontalo、Kadiwéu、Middle Armenian、Nepa...

000

tomo. (守岡知彦) @tomo.chise.org · 24/04/2026

（ gitlab.nijl.ac.jp/Kotenseki/it... Qwen3.6-27B-8bit を試してみたが、和漢古典籍用 OCR 用としては Qwen3.5-27B-heretic-8bit に比べて遅くて制御しづらい感じだったので、当面、量産用は Qwen3.5-27B-heretic-8bit に戻すことに。もう少し試行錯誤が必要か）

nk3-segment_Qwen3.6-27B-8bit · main · Kotenseki / item / 100348356 松氏文草後編 · GitLab

tomo. (守岡知彦) @tomo.chise.org · 23/04/2026

000

九大図書館雅俗文庫に Qwen3.5-27B-heretic-8bit で OCR をかけたデータのハルシネーション箇所をチェックしてたら、国書BID:100348354 寿會詩文 gitlab.nijl.ac.jp/Gazoku/10034... の書き込み部分が何気に面白いことに気づく。 kokusho.nijl.ac.jp/api/iiif/100... これって漢字練習帳？

000

tomo. (守岡知彦) @tomo.chise.org · 08/04/2026

（CL-CHISE では :with-ipld-cid モードで文字オントロジーを構築することができ、この場合、オブジェクト ID が DASL-CID になる。CID は（pin しておけば）永続化され、 CID を参照すれば包摂ポリシーの記述が得られる）

000

tomo. (守岡知彦) @tomo.chise.org · 08/04/2026

（従来、CHISE では内部的に文字オブジェクト ID を連番で振っていたため、XEmacs CHISE をリビルドする度にオブジェクト ID が変化するという問題があった。CHISE は内部表現を隠蔽して ID 素性で参照するというお約束なのでこれでも良いはずなんだけど、何と何（と何...）を同一視しているかという包摂ポリシーの同値性が文字定義を見ないとわからないという問題と、IDSや重文（文字列）やその他 ID 素性を直接持たないオブジェクトの ID が永続化されないという問題があった）

100

tomo. (守岡知彦) @tomo.chise.org · 08/04/2026

(CL-Concord gitlab.nijl.ac.jp/CHISE/cl-con... の CL-DASL (gitlab.nijl.ac.jp/CHISE/cl-dasl) 化（脱 JSON 化）を細々と進めているが、書き換え箇所（検証すべき箇所）が結構あって何気に面倒臭い）

CHISE / CL-Concord · GitLab