成蹊2023/応用日本語講座 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2023/応用日本語講座 へ行く。
  • 1 (2023-04-14 (金) 13:08:21)
  • 2 (2023-04-14 (金) 13:38:26)
  • 3 (2023-04-16 (日) 18:40:34)
  • 4 (2023-04-21 (金) 05:27:05)
  • 5 (2023-04-21 (金) 17:40:00)
  • 6 (2023-04-27 (木) 23:29:37)
  • 7 (2023-04-28 (金) 07:58:55)
  • 8 (2023-04-28 (金) 17:46:22)
  • 9 (2023-05-11 (木) 23:12:43)
  • 10 (2023-05-11 (木) 23:12:43)
  • 11 (2023-05-18 (木) 19:38:07)
  • 12 (2023-05-19 (金) 18:22:34)
  • 13 (2023-05-24 (水) 20:47:19)
  • 14 (2023-05-26 (金) 03:16:34)
  • 15 (2023-05-26 (金) 19:53:45)
  • 16 (2023-06-02 (金) 02:21:57)
  • 17 (2023-06-02 (金) 16:06:38)
  • 18 (2023-06-04 (日) 11:46:13)
  • 19 (2023-06-09 (金) 01:27:04)
  • 20 (2023-06-13 (火) 02:56:19)
  • 21 (2023-06-16 (金) 05:06:09)
  • 22 (2023-06-16 (金) 21:20:43)
  • 23 (2023-06-23 (金) 04:45:47)
  • 24 (2023-07-07 (金) 09:11:29)

---

成蹊2023

応用日本語講座（日本語・日本文学のためのコンピュータ）†

• 金曜2限：10:40～12:20
• Mail: ogiso@ogiso.net
• CoursePower（成蹊大学）授業ページ

---

• シラバス

6/2　検索結果のExcelによる集計†

正規表現小テスト：解説†

「ひまわり」とその使い方†

• ひまわりの動作確認
• 検索方法の説明
• ひまわりの正規表現について（授業資料/Himawariの正規表現）
• ふりがなの検索

ひまわり検索結果をExcelで扱う†

• 例：
  • 「それきり」「それぎり」
    • （作家／作品別の比較）

Excelの基本操作†

• 並べ替え（ソート）
• フィルター（絞り込み）
  • テキストフィルター
  • 多重フィルター（複数の条件指定）
• ピボットテーブル【重要】
  • ピボットグラフ

生年代による集計（通時的変化）†

• 文字列処理関数の利用
  • 例： =LEFT(<文字列>,<文字数>)*1
    • 生年代： =LEFT(<生年月日が入っているセル>,3)*10

• 生年月日データの書式について
  • 下記の手順で「青空文庫」の生年月日が書式の自動変換でおかしくなるのを防ぐ必要がある
    • Excelでは1900年以前の年月日は文字列、それ以降は日付として認識されるため

1. Himawariで「すべて選択」後、「すべて選択」「コピー（列名含む）」をする
2. Excelで生年月日の列が貼り付けられることになる列（NとO）を丸ごと選択し、書式を「文字列」とする
3. Excelに貼り付ける

5/26　全文検索システム「ひまわり」／正規表現小テスト†

全文検索システム「ひまわり」†

• 全文検索システム「ひまわり」
  • ただのテキストファイル（プレーンテキスト）ではなく、XML形式にして、インデックスを付けた専用のデータを利用

「ひまわり」のインストール†

1. ひまわり のダウンロードページからプログラム本体（zipファイル）をダウンロード
2. zipファイルを右クリックしてプロパティを見る→「セキュリティ」の右の「許可する」をチェックして「OK」
3. ダブルクリックして開き、中のフォルダをまるごと（USBメモリに）コピー
4. フォルダ内のhimawari.exeをダブルクリックで起動（MacはHimawari.jar、または最初からMac版をインストール）

「青空文庫パッケージ」のインストール†

1. 青空文庫パッケージのダウンロード
   1. ひまわり用「青空文庫」パッケージのダウンロードページから「日本文学／小説(ndc913) 」をUSBメモリに直接ダウンロードして保存（サイズが大きいのでPCにダウンロードできない）
2. himawari.exeを起動
   1. Himawari画面上にダウンロードしたzipファイルをドラッグ＆ドロップ*2
   2. しばらく待つと完了（数分から10分程度はかかる）
3. 要らなくなったUSBメモリ上の青空文庫パッケージzipファイルは不要なので削除する

「ひまわり」とその使い方†

• ひまわりの動作確認
• 検索方法の説明
• ひまわりの正規表現について（授業資料/Himawariの正規表現）
• ふりがな（ルビ）の検索

---

前回補足：Wordのワイルドカードと正規表現†

• https://note.com/jinbunxshakai/n/n8070db080041

正規表現小テスト†

5/19　正規表現の応用／タグ付き正規表現†

授業資料/正規表現つづき†

• 授業資料/正規表現
  • グループ化と論理和から

正規表現の応用†

• カタカナ語
  • カタカナ（外来語）の形容動詞語幹
• 送りがなの揺れ（行う／行なう）
• 会話文中（"「"で始まる文中）の用例を検索する
• 同一文中での共起
  • 全然～ない。
  • もし～なら（ば）

タグ付き正規表現†

• 走[らりるれろ] でgrepした結果を置換するにはどうしたらいいか
  • 次のように置換するととんでもないことに…
    • 検索文字列：走[らりるれろっ]
    • 置換文字列：★走[らりるれろっ]
• タグ付き正規表現：カッコ（半角丸カッコ）と\1（\2，\3…）を使う
• 授業資料/タグつき正規表現

最長一致の原則（greedy matching）†

• 正規表現は、パターンが一致する最も長い範囲にマッチする
  • 例：あ+ → 【\1】
    • ああああああああ →　【ああああああああ】 そのせいで…
  • 例：「(.+)」 → 【\1】
    • 「こんにちは」「さようなら」 →　【こんにちは」「さようなら】
  • 括弧の組ごとに置換するためには「([^」]+)」 → 【\1】　のように書かなければならない
    • 「こんにちは」「さようなら」 →　【こんにちは】【さようなら】
• よりかんたんに指定するには（最短一致，ものぐさ指定）
  • 「(.+?)」「(.*?)」のように、繰り返し指定の+*の後に「?」をつける

• （参考）タグ付き正規表現の応用：grepと置換でKWICを作る

検索文字列の中での後方参照†

• 検索語の中で\1を使う
  • (..)\1 「ころころ」「毎日毎日」など二文字の繰り返しにマッチ
  • (.ろ)\1 「ころころ」「どろどろ」「へろへろ」などにマッチ
  • (..)\1\1
  • (...)\1

正規表現に関する参考資料†

• サクラエディタの正規表現：http://sakura-editor.sourceforge.net/htmlhelp/HLP000089.html
• 正規表現に関する本　amazonで検索

ゲームの紹介†

• 正規表現を学ぶ狩りに出ようRegex Hunting
  • https://www.regex-hunting.com/

「ひまわり」の準備†

• 全文検索システム「ひまわり」
• USBメモリ

05/12　正規表現†

• 今日の練習用テキストデータ
  • soseki2.zip （前回と同じもの）

正規表現を使ってみる†

• 文字クラス
  • 例：読[まみむめもん]
    • 半角ブラケットの中に文字を並べる→並べた文字いずれか1文字

正規表現とは†

• 正規表現　＞用語
  • 文字を表すための特殊な文字（メタ文字）を使って文字列のパターンを表現する
  • テキストエディタでは置換・検索・grepで利用できる　（エディタ以外にもさまざまなアプリケ－ションやコンピュータ言語で利用されている）
  • 特殊な文字（メタ文字）はすべて半角

正規表現のいろいろ†

• 授業資料/正規表現
  • 文字クラス [ ]
  • 文字クラスの否定（補集合）[^ ]
  • 繰り返し ? + *
  • グループ化 ()
  • or（論理和） |
  • 文頭 ^、文末 $

04/28　テキストエディタの利用†

• サクラエディタの使い方（PDF）

テキストデータ（青空文庫の夏目漱石作品）の配布†

• ★soseki2.zip （今日の授業で使います）

復習†

• 検索・置換、grep
  • 検索で初出行を調べる
  • 置換で用例数を数える
  • grepで用例リストを作る
  • タグジャンプで文脈を確認する

ショートカットキー†

• 授業資料/覚えておきたいショートカットキー
• Mac のキーボードショートカット https://support.apple.com/ja-jp/HT201236

grepと置換でKWIC(CSVファイル)を作る（簡易版）†

• CSVファイルとは：テキストファイルで表を表現する 用語：CSVファイル
• KWIC：KeyWord In Context

正規表現を使ってみる†

• 文字クラス
  • 例：読[まみむめもん]
    • 半角ブラケットの中に文字を並べる→並べた文字いずれか1文字

USBメモリの準備について†

04/21　テキストデータと文字コード†

文字コード†

• ㋿（令和）の話
  • 授業資料/文字コード関連リンク

テキストデータ†

• すべての基本となる文字が並ぶだけのデータ
• 授業資料/テキストデータとは
  • バイナリデータとテキストデータ
  • テキストデータとテキストファイル

• TXT,CSV,HTM…
  • ファイルの種類と拡張子 参考：拡張子辞典
  • 拡張子(wikipedia)

• 授業で使うテキストデータ
  • 授業資料/テキストデータ紹介

テキストエディタ†

• テキストエディタとはどんなものか
  • 授業資料/テキストエディタ

テキストエディタのダウンロードとインストール†

フリーソフトウェア（無償）のサクラエディタを使います。（PC教室のパソコンにはインストール済み）

（以下は自分のPCで使う場合）

• ★サクラエディタのダウンロード
  • (参考) サクラエディタホームページ：https://sakura-editor.github.io/
• インストールの手順
  • ダウンロードしたzipファイルの中のsakura_install～.exeをダブルクリック
  • 以下、画面の指示に従ってインストール

• PCに詳しい人にはVisual Studio Codeがおすすめ
  • 授業はサクラエディタで説明します

テキストエディタを使ってみる†

• テキストエディタの設定
  • 行の折り返し
  • 行番号表示
    • スタイル行番号（ワープロ的行番号）と論理行番号（エディタ的行番号）

• 練習用サンプルデータ（漱石 こころ.txt）
  • sample.zip

• 検索・置換、grep
  • 検索で初出行を調べる
  • 置換で用例数を数える
  • grepで用例リストを作る
  • タグジャンプで文脈を確認する

ショートカットキー†

• Windowsの主なショートカットキー授業資料/覚えておきたいショートカットキー
  • Macのショートカットキー https://support.apple.com/ja-jp/HT201236

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 https://www.ninjal.ac.jp/
    • 言語資源開発センター

• 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

授業で利用する主なソフトウェア†

授業で利用する主なデータ†

• 青空文庫の近代の小説
• 国立国語研究所のコーパス
  • 「現代日本語書き言葉均衡コーパス」
  • 「日本語日常会話」
  • 「日本語歴史コーパス」（一部）

デモ†

• テキストエディタとgrep
• 全文検索システムひまわり
• Excel（ピボットテーブル）
• 形態素解析：Web茶まめ

• 現代語コーパス
  • 少納言