EN

漢文訓読は「脳内パーサー」だった?返り点をNLPとコンパイラの視点で読み解く

目次

はじめに

「古文・漢文は役に立たないから廃止して、プログラミングや数学を教えるべき」という議論は、明治期から繰り返されてきた定番の論争です。

前回の記事「普通科を選んだ自分は、ソフトウェアエンジニアとして何を得たのか」では、普通科で役に立った科目のひとつに漢文を挙げました。語順を入れ替えて読む作業が、文字列処理を頭の中でトレースする感覚に似ている、という理由です。ただ、そのときは「自分の感覚なので、偏見かもしれない」とも書きました。

漢文が実務で直接役に立った場面は、正直あまりありません。それでもエンジニアとして考えると、漢文訓読には「構文解析そのものでは?」と思える面があります。この記事では、前回の感覚の中身を、NLPとコンパイラの用語で整理してみます。

結論

漢文訓読は、SVO言語の文字列を、決まったルールでSOV語順の日本語へ変換する構文操作と捉えられます。

漢文は英語に近いSVO語順で、日本語はSOV語順です。返り点と送り仮名は、この変換を人間が実行するための記号体系だと考えると分かりやすくなります。

NLP・CSの用語との対応

漢文訓読NLP・CSでの対応概念
白文を先頭から読むトークン列の走査(字句解析に相当)
主語・述語・目的語を見つける品詞推定、係り受け解析
返り点を付ける語順の並べ替え(SVO→SOV)
レ点・一二点で「戻る」スタックへのpush/pop
送り仮名・助詞を補う活用や機能語を補う生成フェーズ

脳内で起きている処理

返り点つきの漢文を読むときの基本ルールは2つです。上から順に読むこと、そして返り点のついた字はいったん飛ばし、「戻れ」の合図で戻って読むことです。

具体例で見てみます。「我欲レ読レ書」は、書き下すと「我書を読まんと欲す」、つまり「私は本を読みたい」という文です。漢字の並びは「我(私は)・欲(したい)・読(読む)・書(本を)」で、英語の「I want to read books」と同じ順番です。日本語では「本を」「読み」「たい」の順に並べ替える必要があり、その指示がレ点です。

「我欲レ読レ書」を読む順番。レ点のついた「欲」と「読」を飛ばし、「書」を読んでから「読」「欲」の順に戻る図 1番目に読む 我 4番目に読む 欲 レ 3番目に読む 読 レ 2番目に読む 書 戻る 戻る 書き下し文:我書を読まんと欲す

レ点のついた「欲」と「読」は、読む順番が後回しになります。「書」まで読んだら、すぐ上の「読」に戻り、さらに「欲」に戻ります。

この「飛ばした字を覚えておき、あとで新しいものから順に戻る」動きは、プログラミングでいうスタックと同じです。スタックは、最後に積んだものを最初に取り出す入れ物で、積み上げた本を上から取っていく形をイメージしてください。同じ文をスタックで処理すると、次のようになります。

「我欲レ読レ書」をスタックで処理する流れ。レ点のついた字を積み、返り点のない字を出力したあと、上から順に取り出す図 手順 スタック(右端が上) 出力(読んだ順) 1. 「我」を読む 返り点なし → そのまま出力 (空) 我 2. 「欲」を読む レ点あり → スタックに積む 欲 我 3. 「読」を読む レ点あり → スタックに積む 欲 読 我 4. 「書」を読む 返り点なし → そのまま出力 欲 読 我 書 5. 戻る いちばん上の「読」を取り出して出力 欲 我 書 読 6. 戻る いちばん上の「欲」を取り出して出力 (空) 我 書 読 欲 7. 送り仮名を補う 「を」「まんと」「す」を足して日本語の文にする 我書を読まんと欲す

手順3で「欲」の上に「読」が積まれ、手順5と6では上にある「読」から先に取り出されています。最後に積んだ字から戻る、という読み方の決まりが、そのままスタックの動きになっています。

この流れをコードにすると、次のようになります。イメージを示すための擬似コードで、has_return_mark()は「返り点がついているか」、can_resolve()は「戻ってよい合図が来たか」を表します。

def kundoku(tokens):
    stack = []
    output = []
    for tok in tokens:
        if tok.has_return_mark():   # 返り点つき → 保留
            stack.append(tok)
        else:
            output.append(tok)
            while stack and stack[-1].can_resolve(output):
                output.append(stack.pop())  # 戻り点で取り出して統合
    return add_okurigana(output)    # 送り仮名で日本語文として生成

実際の返り点は一二点・上下点などが入れ子になるため、もっと複雑です。

頭の中の動きは、個人的には次の4段階だと見ています。

  1. 文字と記号の識別(漢字か、制御記号か)
  2. 飛ばした字をワーキングメモリに保持(push)
  3. 戻り点で取り出し、SOV語順に統合(pop)
  4. 意味の解釈

前回は「トレース」という言葉を使いましたが、より正確に言うなら、構文解析器とトランスパイラを人間の頭で動かしている状態です。

研究でも「並び替え問題」として扱われている

この見方は、自分だけの思いつきではありません。白文への返り点付与を、BERT系モデルによるrank-basedなソート問題として定式化した研究があります(言語処理学会2023)。

ほかにも、返り点に括弧を導入して構文を構造化し、「読む順序」から「構文構造」へ表現を広げる試みがあります。これは実質的にparse treeを作る発想です。Lispによる漢文の構文解析と、返り点情報の生成を扱った研究もあります。

受験漢文の白文問題はパーサー演習

返り点のない白文に、自分で返り点を付ける演習は、次の流れで進みます。

  1. 目印になる漢字や句形を探す
  2. 主語・述語・目的語の位置を推定する
  3. 読む順番を決める

ここでやっているのは、与えられた文字列の構造を自分の頭で解析することです。白文問題は、そのままパーサーを手で動かす練習になっています。

「廃止論」についての個人的な見解

必修として地位が高すぎる、という意見には同意します。一方で、「実社会で使わないから無意味」という基準だけで切ると、微積分のように私たちが残したい科目も同じ理屈で切れてしまいます。

現実的には、廃止よりも必修から選択への切り替えと、情報科(CS)の拡充が落としどころだと考えています。

おわりに

漢文を「構文解析の頭のトレーニング」と捉え直すと、AI時代に言語の構造を意識する素地としての価値が見えてきます。前回の記事では、AIでコードを書くのが当たり前になった今、言葉で決める力と出てきたものを判断する力の比重が上がったと書きました。文の構造を機械的に追う漢文の訓練は、その両方に少しずつつながっていると思います。

「役に立つ/立たない」の二択ではなく、何を鍛える教材なのかを言葉にすることが、教育論争では大事だと感じました。

参考文献