# lexsim セグメンタ 文脈カバレッジ補完コーパス (litsea互換分かち書き形式)
#
# seed_corpus.txt と同じ規約に従う:
#   1行1文、単語をスペース区切り。句読点「、」「。」は前の語から分離。
#   動詞・形容詞の活用形は1トークンにまとめる（助詞のみ分離）。
#   漢語サ変動詞（名詞+する）は名詞と する/した/している/される を分離。
#
# 目的: seed_corpus.txt に欠けていた「左文脈」を補い、過剰分割を潰す。
# x-metrics referral ref-20260710-060424-851178046 の調査で判明した欠落:
#
#   1. 「です」は seed_corpus に 8 例あるが全て「ひらがな + です」
#      (幸い です / 終わり です / 悩み です …)。漢字直後は 0 例だったため
#      「記事です」→ 記事/で/す と過剰分割されていた。
#   2. 複数接尾辞「たち」は seed に「人たち」1 例のみ。「子供たち」→ 子供/た/ち と
#      割れていた。接尾辞規約 (seed_corpus.txt:11) に従い前の語と一体で1トークン。
#   3. 形容詞語尾「い」が漢字語幹直後で分離していた (可愛い → 可愛/い)。
#
# セグメンタの素性 (segmenter/features.rs) は文字クラス n-gram のみで語彙を
# 持たないため、これは汎化の失敗ではなく「漢字|で」「漢字|た」といった連接の
# 未学習。該当文脈を数十例与えれば閉じる。

# --- 漢字 + です (体言止め・断定) ---
これ は 記事 です 。
それ は 動物 です 。
この 機能 は 便利 です 。
設定 の 変更 が 必要 です 。
彼 は 学生 です 。
今日 は 快晴 です 。
原因 は 設定ミス です 。
これ が 最新 の 状態 です 。
対象 は 全 ユーザー です 。
締切 は 明日 です 。
結果 は 良好 です 。
問題 は 解決 済み です 。
次 の 課題 は 性能 改善 です 。
担当 は 私 です 。
用途 は 検索 です 。
形式 は JSON です 。
現在 の 版 は 最新 です 。
これ は 仕様 です 。
彼女 は 教師 です 。
場所 は 会議室 です 。
値 は 整数 です 。
条件 は 単純 です 。
影響 は 軽微 です 。
対応 は 不要 です 。
方針 は 明確 です 。
理由 は 単純 です 。
状態 は 正常 です 。
これ は 既知 の 不具合 です 。
目的 は 高速化 です 。
結論 は 同じ です 。

# --- 漢字 + でした (です の過去形) ---
# 注: 否定形「ではない」は seed_corpus.txt:342,383 が `で は ない` と 3 分割
# しているため、ここでは扱わない（gold の不一致を持ち込まないため）。
原因 は 設定ミス でした 。
結果 は 予想 通り でした 。
それ は 誤解 でした 。
これ は 想定 内 の 挙動 でした 。
昨日 は 快晴 でした 。
対応 は 迅速 でした 。

# --- 漢字 + たち (複数接尾辞) ---
子供たち が 公園 で 遊ぶ 。
学生たち が 教室 に 集まる 。
生徒たち は 静か に 座った 。
若者たち が 街 に 出る 。
選手たち は 練習 を 続けた 。
記者たち が 質問 した 。
仲間たち と 山 に 登った 。
住民たち は 避難 した 。
社員たち が 会議 に 参加 した 。
子供たち の 声 が 聞こえる 。
研究者たち が 論文 を 発表 した 。
参加者たち に 資料 を 配った 。

# --- 漢字語幹 + 形容詞活用語尾 (1トークンに保つ) ---
# 注: 漢字2字+「い」(可愛い) は現状 可愛/い と割れる。例を 8 文追加して再学習
# しても解消せず、境界 precision が 0.8853 → 0.8800 に悪化したため撤回した。
# 単独「い」の境界重みが強く、少数例では覆せない。語幹「可愛」は内容語として
# 残るため下流(TF-IDF)への実害は小さく、これは既知の制約として許容する。
# 漢字1字+「い」(高い/広い/深い) と送りがな2字以上(美しい/細かい)は正しく
# 1トークンになる。
可愛い 動物 が 好き だ 。
美しい 景色 を 眺めた 。
難しい 問題 に 直面 した 。
新しい 機能 を 追加 した 。
古い 設定 を 削除 した 。
正しい 手順 を 確認 する 。
大きい 画面 が 見やすい 。
小さい 文字 は 読みにくい 。
速い 処理 が 求められる 。
遅い 応答 に 悩む 。
高い 精度 を 達成 した 。
低い 負荷 で 動作 する 。
広い 視野 を 持つ 。
深い 理解 が 必要 だ 。
強い 制約 が ある 。
弱い 相関 しか ない 。
細かい 調整 を 繰り返した 。
明るい 部屋 で 作業 する 。
楽しい 時間 を 過ごした 。
悲しい 知らせ を 受けた 。

# --- カタカナ + です / たち (カタカナ左文脈も薄い) ---
# `メモリリーク` は seed_corpus.txt に連結表記の前例が 2 例あるので合わせる。
これ は メモリリーク です 。
形式 は バイナリ です 。
原因 は キャッシュ です 。
メンバーたち が 集まった 。
ユーザーたち の 要望 を 集めた 。

# --- ひらがな語幹 + です (既存文脈の維持・回帰防止) ---
幸い です 。
終わり です 。
それ が 悩み です 。
恐縮 です 。
