上智2017/国語学演習Ⅲa の履歴(No.23)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 上智2017/国語学演習Ⅲa へ行く。
  • 1 (2017-04-04 (火) 11:12:43)
  • 2 (2017-04-14 (金) 09:14:16)
  • 3 (2017-04-14 (金) 14:30:51)
  • 4 (2017-04-21 (金) 09:22:17)
  • 5 (2017-04-21 (金) 15:22:20)
  • 6 (2017-04-28 (金) 15:01:59)
  • 7 (2017-04-28 (金) 17:35:46)
  • 8 (2017-05-12 (金) 08:48:36)
  • 9 (2017-05-12 (金) 15:01:14)
  • 10 (2017-05-26 (金) 08:23:47)
  • 11 (2017-05-26 (金) 15:15:45)
  • 12 (2017-06-02 (金) 09:20:09)
  • 13 (2017-06-02 (金) 09:20:09)
  • 14 (2017-06-09 (金) 08:46:47)
  • 15 (2017-06-16 (金) 04:24:21)
  • 16 (2017-06-22 (木) 16:46:14)
  • 17 (2017-06-23 (金) 09:21:26)
  • 18 (2017-06-23 (金) 14:58:21)
  • 19 (2017-06-30 (金) 04:53:38)
  • 20 (2017-06-30 (金) 14:41:09)
  • 21 (2017-07-07 (金) 13:34:12)
  • 22 (2017-07-13 (木) 09:38:20)
  • 23 (2017-07-14 (金) 08:58:54)
  • 24 (2017-07-14 (金) 15:03:10)

---

上智2017

国語学演習Ⅲa

• 中納言

2017/7/14

コロケーション強度の話

• 授業資料/コロケーション強度

レポートテーマに関する調査と質問対応

• 考えてきたテーマについて、実際に用例を検索してレポート作成を進めます。
• 積極的に質問して下さい。

2017/7/7

近代語の研究事例(2)

• 「～に/を信頼する」
  • cf.日本国憲法前文

発展(Excelの活用)

• VLOOKUP関数

補足

• ジップの法則

レポート課題の調査

• 考えてきたテーマについて、実際に用例を検索してレポート作成を進めます。
• 積極的に質問して下さい。

2017/6/30

（復習）検索・集計・調整頻度

• 近代における「障がい」の表記

• 近代語データの語数：CHJ/語彙統計

Excelの文字列関数とIF関数

• 例：ジャンル（NDC）の整理
  • 先頭の文字を取り出す（NDCの一次区分（＝類））
    • =LEFT(<ジャンルのセル>,1)
  • スラッシュで区切られた最初の部分（ジャンルの大分類）
    • =LEFT(<ジャンルのセル>,SEARCH("/",<ジャンルのセル>)-1)

• 集計用に用意した列で文字列処理関数を利用する
  • LEFT
  • RIGHT
  • MID
  • LEN
  • SEARCH
  • SUBSTITUTE

• 条件わけ：IF
• エラー対応：IFERROR

• 応用例：品詞の大分類を使う
  • =IFERROR(LEFT(<品詞>,SEARCH("-",<品詞>)-1),<品詞>)

【補足】Excelの文字列関数で前後文脈を整える

• 後文脈の「#」より後を消す（「#」がない場合はそのまま）

  =IF(ISERROR(SEARCH("#",<後文脈>)),<後文脈>,LEFT(<後文脈>,SEARCH("#",<後文脈>)))

• 前文脈の「#」以前を消す（「#」がない場合はそのまま）*1

  =RIGHT(<前文脈>,LEN(<前文脈>)-(FIND("~",SUBSTITUTE("#"&<前文脈>,"#","~",LEN("#"&<前文脈>)-LEN(SUBSTITUTE("#"&<前文脈>,"#",""))),1)-1))

検索の例

• 男と女・男性と女性の非対称性　//データ kwic-MaleFemale.zip
  • 男性と女性
  • 男と女と形容詞

2017/06/23

ランダムサンプリング調査(Excelでの集計・補足)

• 大量に用例があり、調査内容からすべて対象にできない場合
• ランダムに並べ替え→先頭n例を調査対象に
  • ランダムな数字の列： =RAND()
  • ランダムな数字の列をコピーして「値として貼り付ける」と数字が固定される

• ex.「全然」

BCCWJ利用の落とし穴

• BCCWJの語数

• BCCWJはあくまでも「現代語」のためのコーパスなので通時的な調査には向かない
  • レジスターによって母集団の年が違っている
    • レジスターの偏りを年代の偏りと勘違いしないこと
  • 30年あるのは白書・ベストセラー・国会会議録など一部のものだけ

• もともとテキスト量の多いレジスターにたくさん用例があるからといって「そのレジスターでよく使われる」とはいえない→調整頻度の計算
  • cf.人口あたりの事故件数，１平方キロあたりの…etc.

調整頻度の計算

• 粗頻度を総語数で割る
  • レジスターごとの語数データ：中納言ページの「語数について」からExcelでダウンロードできる
    • 語数ファイルをピボットテーブルで集計して分母に

• 調整頻度には100万語あたりの頻度（pmw）がよく使われる
  • 粗頻度/コーパス総語数*1000000
    • 数字が小さくなりすぎないようにするため

• ※割合の違いを比較するだけなら調整頻度を出す必要はない。

レポートテーマについて

• 次回までにレポートテーマを考えてくること（全員に聞きます）

• 普段から見聞きする言葉に気をつけるとともに、図書館も活用すること
• ひとつの言葉から、同種の別の語や違う観点からの観察などへと膨らませていく

〈参考〉 国語に関する世論調査の結果について（文化庁）

表記

• 「雀」「すずめ」「スズメ」動植物名の表記・・・レジスター別用例数、文体差
• 「卵」「玉子」「たまご」「タマゴ」・・・意味の違い？文体差？
• 「斡旋」「あっ旋」「あっせん」、「石鹸」「石けん」「せっけん」・・・常用漢字表外字を含む漢語の表記の揺れ

類義語・対義語

• 「奇麗」と「美しい」・・・連体修飾する名詞の違い（→意味の違い）
• 「うるさい」「やかましい」「さわがしい」「かしましい」「かまびすしい」類義語・・・共起語、文体差
• 「男性」と「女性」（「男」と「女」）・・・語彙の非対称性、社会言語学的分析

語形、語法

• 「好ましい」「好もしい」・・・語形の揺れと文体差
• 「煙草を吸う」と「煙草をのむ」・・・用例数の割合、「煙草をのむ」の出現条件

新語・意味変化

• 「断トツ」「定番」「夜ご飯」・・・新語の広がり
• 「役不足」「確信犯」・・・”誤用”と”正用”

2017/06/16

複数の検索結果の結合

• 例：蒲公英・向日葵・菫

ショートカットキーを活用すると便利

• Ctrl+End　ファイルの末尾/表のいちばん右下に移動
• Shift+Ctrl+End　〃範囲を選択

1. 表をコピー
   • Ctrl+Home, ↓（列名はコピーしないようにする）,Shift+Ctrl+End, Ctrl+C
2. コピーした表を既存の表の下に貼り付け
   • Ctrl+End, Home, ↓, Ctrl+V, Ctrl+Home

集計用の列を自分で用意する

• 例：表記（ひらがな・かたかな・漢字）別集計
• 例：用法分類

CHJ明治・大正編

（配布資料）「中納言」検索課題

• 定型表現の揺れ
• 表記（交ぜ書き・拡張新字体・印刷標準字体）
• 語彙（抽象概念の尺度となる形容詞）
• 文法（格助詞の選択）

2017/06/09

「中納言」検索結果のダウンロードとExcelでの利用

1. ダウンロード
2. Excelでインポート

Excelの基礎

• 並べ替え
  • 反転前文脈の使い方
• フィルタ
  • テキストフィルタ

【重要】ピボットテーブルの使い方

• ピボットテーブル
• ピボットグラフ

2017/06/02

形態論情報を使った検索　つづき

• 資料「中納言の使い方」参照

検索条件式の利用

キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
 AND 後方共起: 語彙素="言葉" ON 1 WORDS FROM キー
 WITH OPTIONS tglKugiri="|" AND tglBunKugiri="#" AND limitToSelfSentence="1"
AND tglFixVariable="2" AND tglWords="20" AND unit="1" AND encoding="UTF-16LE" AND endOfLine="CRLF"

2017/05/26

• 短単位・長単位課題解答

「中納言」の利用：形態論情報を使った検索

• 配布資料「『中納言』の使い方」
  • この資料は次回以降も使いますので必ず持ってきてください。

2017/5/19（休講）

• 出張のため休講とします。

2017/05/12

日本語コーパスの形態論情報

• 短単位と長単位（スライド・配付資料）

品詞体系と見出し語の階層

• BCCWJ,CHJはUniDicの品詞体系にもとづく

• 授業資料/UniDicの品詞体系
• 授業資料/UniDicの見出し語階層

UniDicによる形態素解析

• MeCab（解析器）とUniDic（辞書）
• Web茶まめ　http://chamame.ninjal.ac.jp/

形態論情報を使った検索（詳しくは次回）

• まずは文字列検索を行って形態論情報がどうなっているか確認する

2017/04/28

BCCWJの紹介 コーパスの設計とサンプリング

• （スライド参照）

• 均衡コーパス（Balanced corpus）
  • 「バランスがとれている」「代表性」とは？
  • コーパスの母集団の設定とサンプリング
  • BCCWJのサブコーパス
  • 可変長と固定長
• 著作権をめぐる問題

参考リンク

• 英語のコーパス リファレンス
  • ブラウンコーパス マニュアル http://www.hit.uib.no/icame/brown/bcm.html
  • BNCリファレンスガイド http://www.natcorp.ox.ac.uk/docs/URG/
• 現代日本語書き言葉均衡コーパス（BCCWJ）
  • 現代日本語書き言葉均衡コーパス：概要
  • 現代日本語書き言葉均衡コーパス：サンプリング

2017/04/21

「現代日本語書き言葉均衡コーパス（BCCWJ）」と「日本語歴史コーパス（CHJ）」と

※当面、BCCWJを中心に解説し、その後CHJ明治大正編に

• BCCWJとCHJ、これらを利用するインターフェイスについて、まず最小限のことを説明します。

• 少納言 BCCWJ
  • 登録不要
  • 文字列検索のみ
  • 500例まで表示
• 中納言 BCCWJ，CHJほか
  • 要登録
  • 形態論情報を使った検索
  • 全件（一度に最大10万例まで）ダウンロード可

「中納言」オンライン利用申込み

• https://chunagon.ninjal.ac.jp/useraccount/register

日本語コーパスの紹介（1）コーパスとはどんなものか

狭義のコーパス

言語研究を目的として収集され、言語研究のための情報が付けられたコンピュータ上で利用可能な大規模な言語データ。

広義のコーパス

コンピュータ上で利用可能な大規模な言語データ。必ずしも言語研究向きではないが、言語研究にも利用可能。

• この授業で扱うのは狭義のコーパス。中でも「現代日本語書き言葉均衡コーパス（BCCWJ）」と「日本語歴史コーパス（CHJ）」
• 「コーパス」以前の日本語研究用データとの違いは

• （スライド参照）
  • 第2回コーパスとは

2017/04/14

イントロダクション

• 自己紹介
  • 大学共同利用機関法人人間文化研究機構 国立国語研究所 http://www.ninjal.ac.jp/
  • 国立国語研究所コーパス開発センター

• デモ
  • 「現代日本語書き言葉均衡コーパス（BCCWJ）」
  • 「日本語歴史コーパス（CHJ）」
    • BCCWJ少納言
    • 中納言
  • Excelによる集計（ピボットテーブル）
  • 形態素解析
    • 形態素解析辞書UniDic
    • Web茶まめ

• シラバス確認
  • この授業のシラバス
  • この授業の目的
  • 授業の進め方
  • 評価方法