成蹊2016/日本語学講義F の履歴(No.18)

• 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2016/日本語学講義F へ行く。
  • 1 (2016-09-15 (木) 03:07:15)
  • 2 (2016-09-15 (木) 14:55:50)
  • 3 (2016-09-22 (木) 21:10:55)
  • 4 (2016-09-30 (金) 09:00:52)
  • 5 (2016-10-06 (木) 15:59:38)
  • 6 (2016-10-07 (金) 02:42:28)
  • 7 (2016-10-13 (木) 17:16:16)
  • 8 (2016-10-14 (金) 08:46:19)
  • 9 (2016-10-14 (金) 08:46:19)
  • 10 (2016-10-27 (木) 17:31:41)
  • 11 (2016-10-28 (金) 09:10:01)
  • 12 (2016-10-28 (金) 12:23:03)
  • 13 (2016-11-04 (金) 08:43:17)
  • 14 (2016-11-04 (金) 12:30:57)
  • 15 (2016-11-24 (木) 17:59:39)
  • 16 (2016-11-25 (金) 08:53:09)
  • 17 (2016-12-02 (金) 08:30:25)
  • 18 (2016-12-02 (金) 12:17:11)
  • 19 (2016-12-08 (木) 18:56:22)
  • 20 (2016-12-09 (金) 03:16:18)
  • 21 (2016-12-15 (木) 17:46:53)
  • 22 (2016-12-16 (金) 08:25:29)
  • 23 (2016-12-16 (金) 11:37:19)
  • 24 (2016-12-22 (木) 22:48:40)
  • 25 (2016-12-23 (金) 10:55:16)
  • 26 (2016-12-23 (金) 10:55:16)
  • 27 (2017-01-13 (金) 08:28:48)
  • 28 (2017-01-13 (金) 12:28:23)

---

成蹊2016

• 後期・金曜2限
• 7号館3階 301パソコン教室
• 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F

補足

• ジップの法則

2016/12/02

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/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。

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

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”

2016/11/25

• 補講分提出物（ミニレポート）について
  • 未提出の人は次回までに

復習

• 「検索課題」
  • 配付資料参照

『日本語歴史コーパス』の紹介

• http://pj.ninjal.ac.jp/corpus_center/chj/
  • 平安時代編
  • 鎌倉時代編
  • 室町時代編
  • 明治・大正編

2016/11/18（欅祭）

2016/11/11（休講）

• 課題：BCCWJ「中納言」で異表記を持つ食材または料理名を検索し、検索結果をExcelで表記・レジスター別に集計したものを作成し、できたシートをPDFにしたものを提出しなさい。
  • 次回の授業までに、メールで送るか、ポータルサイトの「課題提出」で提出すること。

2016/11/4

• 出席情報更新済み

「中納言」検索結果のダウンロードとExcelでの利用

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

1. ダウンロード
2. 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

2016/10/28

「中納言」の利用つづき

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

検索条件式の利用

キー: 語彙素 = "奇麗" IN core="true" WITH OPTIONS unit="1" AND tglWords="20" AND tglKugiri="|" AND tglFixVariable="2"

2016/10/14

「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。

2016/10/07

コーパスの形態論情報

• 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

2016/09/30

「中納言」利用オンライン申込み

• 前回欠席者

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2回コーパスの設計とサンプリング

• 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

2016/9/23

「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）

2016/09/17

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/
  • 形態素解析辞書UniDic

• 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