成蹊2019
- 前期・金曜2限
- ogiso@ogiso.net ←@を@に直してください
日本語学講義E†
【休講予定】2019/07/12†
2019/06/21†
レポート課題の調査†
検索の例†
発展(Excelの活用)†
レポートテーマに関するプレゼンテーションについて†
2019/06/14†
レポートテーマ確認†
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))
- 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
- 応用例:品詞の大分類を使う
- =IFERROR(LEFT(品詞,SEARCH("-",品詞)-1),品詞)
2019/06/07†
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
BCCWJ利用の落とし穴†
- 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
- 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
- 調整頻度には100万語あたりの頻度(pmw)が比較的よく使われる
- ※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
- 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
- 意味変化・新語
- 「役不足」「確信犯」・・・”誤用”と”正用”
- 「断トツ」「定番」「夜ご飯」・・・新語の広がり
2019/05/31†
複数の検索結果の結合(再)†
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
- 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
- コピーした表を既存の表の下に貼り付け
- Ctrl+↓, ↓, 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
「検索課題」†
2019/05/24†
「中納言」検索結果のダウンロードとExcelでの利用†
- ダウンロード
- アーカイブの展開(解凍)
- Excelでインポート
Excelの基礎†
【重要】ピボットテーブルの使い方†
2019/05/18(土)†
- 金曜授業実施日ですが,休講です。
- 提出課題がありますので、ポータルサイトで確認してください。
- 掲出が遅れたため28日〆切です。
- 質問があったらメールで連絡して下さい。
2019/05/17†
「中納言」の利用:形態論情報を使った検索†
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"
2019/05/10†
前回の復習†
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
- 配布資料「『中納言』の使い方」
- 配布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。
(参考)Web茶まめ†
2019/04/26†
(前回続き)†
- (スライド参照) コーパスの設計とサンプリング
- 著作権をめぐる問題
コーパスの形態論情報:短単位と長単位†
2019/04/19†
日本語コーパス(BCCWJ)の紹介†
- 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)」
「中納言」オンライン利用申込み†
日本語コーパス(BCCWJ)の設計†
- 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
- 現代日本語書き言葉均衡コーパス(BCCWJ)
2019/04/12†
イントロダクション†