学習院2021 の履歴ソース(No.5)

#author("2021-09-23T13:28:11+00:00","default:ogiwiki","ogiwiki")
[[FrontPage]]

*日本語学講義Ⅱ（コーパス日本語学入門） [#f20f4b84]
-前期金曜4限：14:40-16:10
-Mail: ogiso@ogiso.net

-Zoomによるリアルタイムのオンライン授業形式で行います。ZoomのURLは[[LMS（WebClass）の授業ページ>https://webclass.gakushuin.ac.jp/webclass/course.php/1U3302001042021/]]で確認してください。
--[[WebClassの授業ページ>https://webclass.gakushuin.ac.jp/webclass/course.php/1U3302001042021/]]

**2021/09/24 [#fedf4312]

**第2回 日本語コーパスの紹介（1）『現代日本語書き言葉均衡コーパス』 [#d3ad8ff2]

***コーパスとは [#t54768fa]
（以下スライド参照）

: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。
--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）
: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、言語研究に利用可能。
-さまざまなテキストアーカイブ（新潮文庫の百冊 / 青空文庫 / 国会会議録）
--参考：[[「ひまわり」パッケージ>https://www2.ninjal.ac.jp/lrc/index.php?%C1%B4%CA%B8%B8%A1%BA%F7%A5%B7%A5%B9%A5%C6%A5%E0%A1%D8%A4%D2%A4%DE%A4%EF%A4%EA%A1%D9]]
-Web上のデータ
--検索サイトの利用
--WAC（Web as Corpus）

-この授業で主に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）」


***コーパスを使って見る [#s1b41ed3]
-細かい話は抜きでコーパスを使ってみよう

***コーパスに求められるもの [#h042f3fe]

-コーパス以前の電子化日本語資料（とその限界）
--個人研究者による電子化テキスト
---cf. [[日本文学等テキストファイル(岡島昭浩)>http://www.ne.jp/asahi/nihongo/okajima/bungaku.htm]]
--出版社による電子出版物（CD-ROM）
---新潮文庫の100冊 etc.
--新聞のデータベース（CD-ROM）
---毎日新聞CD-ROM etc.
--研究機関のデータベース
---国文学資料館 大系DB etc.
--Web上のテキストアーカイブ
---青空文庫 etc.
--Webそのもの
---Web as Corpus

-コーパスへの要請
--大規模であること
--各種のテキストが含まれていて、ジャンルなどのバランスがとれていること
--著作権の問題がないこと
--言語研究に利用できる情報がついていること


***「現代日本語書き言葉均衡コーパス」（BCCWJ）の構成とサンプリング [#s89fe505]
-https://ccd.ninjal.ac.jp/bccwj/

-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 [#o1a9da5c]
-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://khnt.aksis.uib.no/icame/manuals/brown/]] http://khnt.aksis.uib.no/icame/manuals/brown/
--[[BNCリファレンスガイド>http://www.natcorp.ox.ac.uk/docs/URG/]] 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>https://ccd.ninjal.ac.jp/bccwj/index.html]]
--BCCWJの基本設計：https://ccd.ninjal.ac.jp/bccwj/basic-design.html
--サンプリング：https://ccd.ninjal.ac.jp/bccwj/sampling.html
--XMLによる電子化：https://ccd.ninjal.ac.jp/bccwj/XML.html

------



**2021/09/17 [#g00f5890]

***イントロダクション [#z7ffa4ea]

-[[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 https://www.ninjal.ac.jp/
--[[国立国語研究所コーパス開発センター>https://ccd.ninjal.ac.jp/]] https://ccd.ninjal.ac.jp/

***授業内容等の確認 [#e55ee18f]

-オンライン授業の進め方について
--原則としてZoomでのリアルタイム授業
--録画を共有するので復習すること


-[[シラバス>https://g-port.univ.gakushuin.ac.jp/campusweb_gk/slbssbdr.do?value(risyunen)=2021&value(semekikn)=1&value(kougicd)=U330200104&value(crclumcd)=2442017000]]の確認
--[[シラバス(G-Port)>https://g-port.univ.gakushuin.ac.jp/campusweb_gk/slbssbdr.do?value(risyunen)=2021&value(semekikn)=1&value(kougicd)=U330200104&value(crclumcd)=2442017000]]
--この授業の目的
--授業の進め方
--評価方法


-受講者アンケート
--関心のある分野について
--PC等のスキルについて



***「中納言」アカウントについて [#t6709ede]
-「授業アカウント」について
-「中納言」オンライン利用申込み
--https://chunagon.ninjal.ac.jp/useraccount/register


***授業で利用する主なソフトウェア・Webアプリケーション（予定） [#i06478d2]
|ソフトウェアの種類・名前|利用目的|h
|[[コーパス検索アプリケーション''「中納言」''>https://chunagon.ninjal.ac.jp/]]|コーパスの検索|
|表計算ソフト''Excel''|ピボットテーブルによる分析・グラフ作成|
|ワープロ''Word''|「スタイル」を利用したレポート作成|
|[[Web茶まめ>https://chamame.ninjal.ac.jp/]]|形態素解析|
|[[テキストエディタ ''サクラエディタ''>http://sourceforge.net/projects/sakura-editor/]]|正規表現を使ったテキストの検索・整形|


***授業内容デモ [#kc4ae1c5]
-コーパスの利用
--[[「現代日本語書き言葉均衡コーパス（BCCWJ）」>https://ccd.ninjal.ac.jp/bccwj/]]
---[[中納言>https://chunagon.ninjal.ac.jp]]
--[[「日本語歴史コーパス（CHJ）」>https://ccd.ninjal.ac.jp/chj/]]
-Excelによる集計（ピボットテーブル）
-形態素解析
--[[Web茶まめ>https://chamame.ninjal.ac.jp]]
-テキストエディタと正規表現

***（オープンハウス） [#v4246970]
-（参考）国語研オープンハウス2020　https://www2.ninjal.ac.jp/openhouse2020/
--動画「日本語歴史コーパス」の紹介 https://youtu.be/tKvVR2K2h2E
-（参考）国語研オープンハウス2021　https://www2.ninjal.ac.jp/openhouse/2021/
--動画：『日本語歴史コーパス』のかんたんな使い方─犬派？猫派？編─ https://youtu.be/672LMkV6GxU


------