成蹊2017/日本語学講義E の履歴(No.17)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 成蹊2017/日本語学講義E へ行く。
  • 1 (2017-04-04 (火) 11:11:17)
  • 2 (2017-04-04 (火) 11:11:41)
  • 3 (2017-04-07 (金) 04:50:15)
  • 4 (2017-04-14 (金) 09:14:51)
  • 5 (2017-04-20 (木) 09:59:56)
  • 6 (2017-04-21 (金) 09:58:02)
  • 7 (2017-04-28 (金) 05:20:28)
  • 8 (2017-05-12 (金) 08:48:38)
  • 9 (2017-05-26 (金) 08:23:07)
  • 10 (2017-06-02 (金) 08:36:56)
  • 11 (2017-06-02 (金) 12:20:39)
  • 12 (2017-06-09 (金) 11:09:33)
  • 13 (2017-06-16 (金) 04:02:22)
  • 14 (2017-06-22 (木) 16:50:27)
  • 15 (2017-06-23 (金) 09:21:56)
  • 16 (2017-06-30 (金) 04:50:52)
  • 17 (2017-06-30 (金) 11:37:03)
  • 18 (2017-06-30 (金) 11:37:03)
  • 19 (2017-07-13 (木) 09:37:53)
  • 20 (2017-07-14 (金) 08:59:06)
  • 21 (2017-07-20 (木) 09:29:43)
  • 22 (2017-07-21 (金) 10:52:35)

---

成蹊2017

• 前期・金曜2限
• ogiso＠ogiso.net　←＠を@に直してください

• コーパス検索アプリケーション「中納言」

日本語学講義E

期末レポート

• 2017/7/28(金)締切
• Seikei Portalから提出

2017/6/30

発展(Excelの活用)

• vlookup関数

レポート課題の調査

• 積極的に質問して下さい。

レポートテーマに関するプレゼンテーション

• (小発表／ライトニングトーク) 7月14日

2017/6/23

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

補足

• ジップの法則

レポート課題の調査と小発表の準備

• 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と次回のプレゼンテーション（小発表）の準備を進めます。
• 積極的に質問して下さい。

2017/6/16

レポートテーマ確認

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）が比較的よく使われる
  • 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。

2017/6/9

(復習)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

「検索課題」

• 配付資料参照

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”

2017/6/3(土) 金曜授業日（休講）

レポート課題

好きな形容詞を一つ選び、その形容詞の連体形の直後に来る名詞をBCCCWJ中納言で検索し、その名詞の用例数付きのリストをExcelを使って作成しなさい。
できたExcelファイルをポータルサイト経由またはメールで提出すること。

2017/6/2

「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. アーカイブの展開（解凍）
3. 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

2017/5/26

• 提出物確認
• 質問対応

(復習)形態論情報を使った検索

• 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"

2017/5/19（休講）

• 出張のため休講とします。

2017/5/12

「中納言」の利用：形態論情報を使った検索

• 前回配布資料「『中納言』の使い方」　（SEIKEIポータルの「授業資料」からダウンロードできます）

• 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。

2017/04/28

コーパスの形態論情報：短単位と長単位

• 配布資料参照

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

形態論情報を使った検索

• まずは文字列検索で確認する

（参考）Web茶まめ

http://chamame.ninjal.ac.jp/

2017/04/21

日本語コーパスの紹介（2） コーパスの設計とサンプリング

• （スライド参照）　第3回コーパスの設計とサンプリング
  • Seikei Portalの「授業資料」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

2017/4/14

「中納言」オンライン利用申込み

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

現代日本語書き言葉均衡コーパス（BCCWJ）とは

• BCCWJについて、まず最小限のことを説明します。

• BCCWJ少納言
  • 登録不要
  • 文字列検索のみ
  • 500例まで表示
• BCCWJ中納言
  • 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

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）」
• 日本語コーパス以前のデータとBCCWJの違いは

• （スライド参照）

2017/04/07

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/
• コーパスとは
  • 国立国語研究所コーパス開発センター http://pj.ninjal.ac.jp/corpus_center/

• デモ
  • 「現代日本語書き言葉均衡コーパス（BCCWJ）」
    • 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
    • Web茶まめ

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

• アンケート