我々は単語レベルの形態素分割を目的としたシーケンスラベルリング手法を提案する。分割ラベルは、修正された最小編集距離アライメントから導かれる編集操作として定義される。本研究では、シーケンスラベルリングが「浅い分割（shallow segmentation）」および「標準的分割（canonical segmentation）」の両方において優れた性能を発揮することを示し、共有タスクに参加した全言語をマクロ平均したF1スコアで96.06を達成し、参加チーム中で3位の成績を収めた。したがって、本研究ではシーケンスラベルリングが形態素分割において有望なアプローチであると結論づける。