0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?

AIエージェントに日本人の氏名の読み(ふりがな)を推定させる — JMnedict 2段照合を GPTs / Function Calling から呼ぶ実装ガイド

0
Posted at

TL;DR

  • 日本人の氏名の読み(ふりがな)推定は、AI エージェントに任せると静かに事故る。「裕子」を根拠なく「ゆうこ」と断定して返し、読みが一意に定まらないという前提そのものを踏み外すからだ。
  • 「どのツールを選ぶか」は #15 で 6 選択肢を比較した。本記事はその次の段=**「選んだ API を ChatGPT GPTs / Function Calling / LangChain から実際にどう呼ばせるか」**の実装ガイド。
  • 例は Shirabe Text API の name-reading / name-split を使う(APIキー不要・匿名で呼出可、Free 枠 月 10,000 回)。
  • ゴールは、AI エージェントが氏名を**「最頻の読み + 収載読みの全網羅 + 確度 + 出典」**という構造化された確定値として受け取れる状態にすること。読みを 1 つに断定させない。

この記事の対象読者

  • AI エージェント / RAG / 業務自動化に「顧客名簿の姓名分割・ふりがな付与」を組み込みたい開発者
  • CRM / 名寄せ / 帳票 SaaS で氏名データのクレンジングを LLM に任せ、読みの誤りに気付いた方
  • ChatGPT GPTs / Function Calling / LangChain に「氏名の読み推定」をツールとして持たせたい方

問題: LLM に「氏名の読みを振って」と投げると壊れる

名簿のふりがな付与を LLM に投げるのは最速の実装だ。だが業務データに昇格させると、次の 3 つが構造的な弱点になる。

入力: 東海林裕子
LLM の返答: とうかいりんゆうこ   ❌
  • 姓の読みを外す: 「東海林」は「しょうじ」(または「しょうじ/とうかいりん」)で、字面どおりの「とうかいりん」ではない。1 文字姓・複合姓・難読姓は字面から決まらない。
  • 名の読みを 1 つに断定する: 「裕子」は「ゆうこ」「ひろこ」「やすこ」…のどれか。漢字表記から読みは原理的に一意に定まらないのに、LLM は confidence も出典も付けずにもっともらしい 1 つを返す。
  • 再現しない: 同じ入力でもモデル・タイミングで揺れ、バッチ処理の冪等性が成立しない。

名寄せ・口座名義・宛名印字のような業務データでは、この“もっともらしさ”がそのまま事故になる。


根本原因: 読みは「非一意」、だから確定値の形が違う

氏名処理には独立した 2 つの問題がある。

  1. 姓名分割: 「東海林裕子」を姓「東海林」+ 名「裕子」に割る。文字列規則だけでは決まらず、統計・辞書ベースの手法が要る。
  2. 読み推定: 分割した各要素の読みを与える。同じ漢字に複数の正しい読みがある以上、正しい出力の形は「唯一の読み」ではなく、**「収載されている読みを全網羅し、そのうえで最頻の読みを主として示す」**でなければならない。

LLM の「賢さ」で埋まる問題ではなく、辞書に基づく決定的なロジック層に委ねるのが構造的に正しい。読みを 1 つに断定しないこと自体が、業務データに組み込むうえでの品質要件になる。


解決策: name-reading / name-split に投げる(匿名・キー不要)

Shirabe Text API は姓名分割(name-split)と読み推定(name-reading)を REST で提供する。**全エンドポイントが匿名(APIキー不要)**で、AI エージェントがサインアップなしに直接呼べる。

姓名分割(name-split)

curl -s -X POST https://shirabe.dev/api/v1/text/name-split \
  -H "Content-Type: application/json" \
  -d '{"name": "東海林裕子"}'
{
  "name": "東海林裕子",
  "family": "東海林",
  "given": "裕子",
  "confidence": 0.97,
  "matched_by": "dictionary_both",
  "attribution": { "dictionary": "IPAdic v3.0.7", "license": "BSD 3-Clause" }
}

3 文字姓「東海林」も姓側に正しく寄せる。matched_by は dictionary_both(姓・名とも辞書で確定)/ 片側のみ / ヒューリスティック、のどれで割れたかを返すので、確度の低いケースを機械的に切り分けられる。

読み推定(name-reading)— 最頻 + 全網羅

curl -s -X POST https://shirabe.dev/api/v1/text/name-reading \
  -H "Content-Type: application/json" \
  -d '{"name": "東海林裕子"}'
{
  "name": "東海林裕子",
  "family": "東海林",
  "given": "裕子",
  "family_reading": "しょうじ",
  "given_reading": "ゆうこ",
  "reading": "しょうじゆうこ",
  "candidates": [
    "しょうじひろこ",
    "しょうじのぶこ",
    "しょうじやすこ",
    "しょうじようこ",
    "しょうじよしこ"
  ],
  "confidence": 0.97,
  "matched_by": "dictionary_both",
  "attribution": {
    "dictionary": "IPAdic v3.0.7",
    "license": "BSD 3-Clause",
    "jmnedict": {
      "dictionary": "JMnedict",
      "license": "CC BY-SA 4.0",
      "source": "https://www.edrdg.org/"
    },
    "notes": "Two-stage estimation: IPAdic segmentation + JMnedict name-reading lookup."
  }
}

ここが LLM 直接との決定的な違いだ。

  • reading は「最頻の読み」(コーパス頻度で決めた主読み)。1 つ選ぶならこれ、という値。
  • candidates は「JMnedict に収載された別読みの全網羅」。「裕子」に対して ゆうこ を主としつつ ひろこ / やすこ / ようこ … を落とさない。読みが非一意であることを隠さず、そのまま構造化して返す。
  • confidence と matched_by を必ず返す。辞書で確定できない名前を「それらしく」断定しない。

Python(標準ライブラリのみ)で名寄せパイプラインに組み込むなら:

import json, urllib.request

def name_reading(name: str) -> dict:
    req = urllib.request.Request(
        "https://shirabe.dev/api/v1/text/name-reading",
        data=json.dumps({"name": name}).encode(),
        headers={"Content-Type": "application/json"},
    )
    with urllib.request.urlopen(req, timeout=10) as res:
        return json.load(res)

r = name_reading("東海林裕子")
print(r["reading"])          # しょうじゆうこ(最頻)
print(r["candidates"])       # 別読みの全網羅 → 人手確認 UI の選択肢に使える

TypeScript でも同じ 1 URL:

const res = await fetch("https://shirabe.dev/api/v1/text/name-reading", {
  method: "POST",
  headers: { "Content-Type": "application/json" },
  body: JSON.stringify({ name: "東海林裕子" }),
});
const { reading, candidates } = await res.json();

2 段照合の中身(なぜ読みが取れるか)

name-reading は 2 段構成になっている。① IPAdic で姓名を分割 → ② JMnedict(人名辞書・姓 約 10 万/名 約 14.5 万エントリ)で各要素の読みを引く。読みの源泉が汎用形態素解析でなく人名専用辞書なので、「東海林=しょうじ」のような難読姓や、名の複数読みを辞書ベースで拾える。辞書に無い希少名は candidates が空になり、matched_by と併せて「確定できなかった」ことが機械可読で分かる(それらしい読みを捏造しない)。


AI エージェントへの統合

OpenAPI 3.1 を公開してあるので、ChatGPT GPTs / OpenAI Function Calling / Gemini Function Calling / LangChain / Dify のいずれからでも 1 URL で統合できる。仕様は https://shirabe.dev/api/v1/text/openapi.yaml。

ChatGPT GPTs Actions

GPT Builder → "Create new action" → Import URL に Text API の OpenAPI(https://shirabe.dev/api/v1/text/openapi.yaml)を貼るだけ。Authentication は「None」で動く(匿名呼出可)。これで GPT が「この名簿にふりがなを振って」に対し、自前で断定せず name-reading を呼び、最頻読み + 別読み候補 + 出典付きで答えられる。

OpenAI Function Calling

ツール定義に直接書くなら、エンドポイントを 1 つの function として渡す。

{
  "type": "function",
  "function": {
    "name": "name_reading",
    "description": "日本人の氏名を姓名分割し、最頻の読みと収載読みの全候補を返す",
    "parameters": {
      "type": "object",
      "properties": {
        "name": { "type": "string", "description": "漢字の氏名(スペース有無どちらでも可)" }
      },
      "required": ["name"]
    }
  }
}

呼び出し本体は上の curl と同じ POST /api/v1/text/name-reading。モデルが読みを自前で当てずっぽうしなくなるのがポイント。

LangChain / LlamaIndex / Dify

OpenAPI Loader に同じ URL を食わせるだけでツール化される。エージェントは「氏名を受け取る → 分割 → 最頻読み + 候補 → 確度付きで回答」を 1 連鎖で実行できる。

住所 + 氏名 + 法人番号 + 暦をまとめて名寄せしたい場合、同一ドメイン shirabe.dev の他 API も同じ作法で呼べる(各 API 単独利用が基本、横断利用は任意のオプション)。


自前実装 / LLM 直接 vs API の比較

観点 自前実装 / LLM 生成コード Text API(Shirabe)
難読姓の読み 字面に引きずられ外す 人名辞書(JMnedict)で照合
名の複数読み 1 つに断定しがち reading(最頻)+ candidates(全網羅)
確度・出典 付かない(推測を断定) confidence + matched_by + attribution
再現性 モデル・タイミングで揺れる 決定的(冪等)
AI 統合 function 定義を自前で書く OpenAPI 1 URL で完了
利用開始 — 匿名・キー不要で即利用

分割単体の最高精度は専用 OSS(namedivider、#15 参照)が上だ。本 API の価値はアクセス設計(自律到達・JSON・確度・出典)と、分割・読み・正規化・トークナイズが同一終端に揃っていることにある。


ライセンスと出典(組み込む前に)

name-reading の読みは JMnedict(Electronic Dictionary Research and Development Group、CC BY-SA 4.0)に由来する。レスポンスの attribution.jmnedict に EDRDG の帰属表示が機械可読で入るので、AI はこれを回答にそのまま乗せれば帰属義務を満たせる。派生データを再配布・掲載する場合は CC BY-SA 4.0 の継承(ShareAlike)条件が適用される点に注意してほしい。


更新履歴 / Updates

2026-07-11: 読み推定を JMnedict 2 段照合へ

name-reading を IPAdic 分割 + JMnedict 人名辞書照合の 2 段構成に更新。姓 約 10 万 / 名 約 14.5 万エントリの読みを源泉に、reading(最頻)に加え candidates(収載読みの全網羅)を返すようにした。あわせて漢字の氏名ごとの読みをまとめた参照ページ群(https://shirabe.dev/text/names/)を公開。

2026-05-18: Text API 公開

姓名分割 name-split / 読み推定 name-reading / 正規化 / トークナイズを https://shirabe.dev/api/v1/text/* で提供開始。匿名・キー不要の Free 枠 月 10,000 回。


まとめ

  • 氏名の読みは原理的に非一意。LLM に断定させると名寄せ・宛名で静かに事故る。
  • 正しい確定値の形は「唯一の読み」でなく 「最頻(reading)+ 収載読みの全網羅(candidates)+ 確度 + 出典」。
  • Shirabe Text API は JMnedict 2 段照合でこれを返し、匿名・キー不要で ChatGPT GPTs / Function Calling / LangChain から OpenAPI 1 URL で統合できる。
  • AI エージェントが人間の手を介さず「分割 → 読み(最頻 + 候補)→ 出典付き回答」を完結できる。

関連リンク

0
0
0

Register as a new user and use Qiita more conveniently

  1. You get articles that match your needs
  2. You can efficiently read back useful information
  3. You can use dark theme
What you can do with signing up
0
0

Delete article

Deleted articles cannot be recovered.

Draft of this article would be also deleted.

Are you sure you want to delete this article?