東大2016/コーパス言語学入門 の履歴(No.10)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 東大2016/コーパス言語学入門 へ行く。
  • 1 (2016-09-30 (金) 09:04:58)
  • 2 (2016-09-30 (金) 09:05:09)
  • 3 (2016-09-30 (金) 15:50:04)
  • 4 (2016-10-06 (木) 11:46:28)
  • 5 (2016-10-06 (木) 16:46:20)
  • 6 (2016-10-07 (金) 05:15:04)
  • 7 (2016-10-07 (金) 14:15:41)
  • 8 (2016-10-13 (木) 17:18:59)
  • 9 (2016-10-13 (木) 22:29:53)
  • 10 (2016-10-14 (金) 02:21:23)
  • 11 (2016-10-18 (火) 04:11:11)
  • 12 (2016-10-21 (金) 12:41:33)
  • 13 (2016-10-27 (木) 17:29:49)
  • 14 (2016-10-28 (金) 09:12:17)
  • 15 (2016-10-28 (金) 14:56:57)
  • 16 (2016-11-18 (金) 11:16:13)
  • 17 (2016-11-24 (木) 18:06:40)
  • 18 (2016-11-25 (金) 14:45:14)
  • 19 (2016-12-02 (金) 09:15:20)
  • 20 (2016-12-02 (金) 14:48:47)
  • 21 (2016-12-09 (金) 03:47:23)
  • 22 (2016-12-15 (木) 17:45:59)
  • 23 (2016-12-16 (金) 09:23:43)
  • 24 (2016-12-16 (金) 15:48:04)
  • 25 (2017-01-04 (水) 11:32:50)
  • 26 (2017-01-06 (金) 13:06:39)

---

コーパス言語学入門・日本語コーパスの活用

• コーパス言語学入門(人文社会系研究科/基礎文化研究専攻言語学専門分野)
• 人文情報学特殊講義(文学部次世代人文学開発センター)
• 言語学特殊講義(文学部言語文化学科言語学専修課程)
• 冬学期 4限（14：55～16：40） 法文1号室 111教室

2016/10/14

• 配布資料：「中納言の使い方」（次回以降も使います）

（前回補足）コーパスの設計とサンプリング

• BCCWJの基本設計：http://pj.ninjal.ac.jp/corpus_center/bccwj/basic-design.html
• サンプリング：http://pj.ninjal.ac.jp/corpus_center/bccwj/sampling.html

XMLによる電子化

• http://pj.ninjal.ac.jp/corpus_center/bccwj/XML.html

形態論情報

• http://pj.ninjal.ac.jp/corpus_center/bccwj/morphology.html

• 短単位と長単位
  • （配付資料）参照
  • （スライド）参照

• 品詞体系
  • BCCWJはUniDicの品詞体系にもとづく
    • 形態論情報の例
  • 授業資料/UniDicの品詞体系
  • 授業資料/UniDicの見出し語階層

参考リンク

• BCCWJ関連報告書 http://pj.ninjal.ac.jp/corpus_center/bccwj/doc.html

2016/10/7

• 配布資料：「仮想講義」（前川）

「コーパス」について†

• OED corpus, n.　http://www.oed.com/view/Entry/41873

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）
• Web上のデータ
  • 検索サイトの利用
  • WAC（Web as Corpus）

紙の資料からコーパスまで (日本語研究資料の変遷)

1. (紙の)本文
2. (紙の)総索引（コンコーダンス）
3. 各種の電子テキスト
4. 構造化テキスト
   • 太陽コーパスなど
5. 形態論情報付きコーパス
   • 現代日本語書き言葉均衡コーパス（BCCWJ）など

コーパスに求められるもの

• 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)
  • 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

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」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

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://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/
• 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

2016/9/30

イントロダクション/日本語コーパスの紹介

• 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
• コーパス
  • 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）
  • 形態素解析辞書UniDic

• デモ
  • BCCWJ少納言
  • BCCWJ中納言
  • Web茶まめ
  • Excelによる集計（ピボットテーブル）

• シラバス確認
  • この授業の目的
  • 授業の進め方
  • 評価方法
• 受講者の関心・スキルについて

「中納言」オンライン利用申込み

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