成蹊2020
- 今年度はZoomを使ったオンライン授業です。成蹊ポータルにログイン後、下記にアクセスしてZoomのアドレスを確認してください。
2020/12/11†
（復習）調整頻度の計算†
- 百万語あたり頻度（pmw）：ヒットした語数（粗頻度）を調査対象全体の語数（コーパスサイズ）で割って百万をかける
『日本語歴史コーパス』CHJの紹介†
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)
2020/12/04†
レポートテーマの確認†
2020/11/27†
ランダムサンプリング調査†
- 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、他の授業や書籍の情報も活用する
- 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
2020/11/20【欅祭のため休み】†
- ※四大学運動競技大会や欅祭が中止になる場合も、その期間は授業を実施しません。
2020/11/13†
- 『日本語歴史コーパス』「中納言」の講習会について（参加は任意）
中納言によるさまざまな検索（つづき）†
複数の検索結果の結合（復習）†
レポートテーマについて†
2020/11/06†
検索結果のピボットテーブルによる集計（復習）†
複数の検索結果の結合†
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
中納言によるさまざまな検索†
提出課題†
2020/10/30†
『中納言』の使い方†
「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）：複数の検索条件式で検索・ダウンロードしたときのみ
- Excelでインポート：ファイルをダブルクリックすれば開かれる
Excelの基礎†
【重要】ピボットテーブルの使い方†
2020/10/23【四大戦のため休み】†
- ※四大学運動競技大会や欅祭が中止になる場合も、その期間は授業を実施しません。
2020/10/16†
『中納言』の使い方†
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"
2020/10/09†
コーパスの形態論情報：短単位と長単位†
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
コーパスへの形態論情報の付与†
（参考）Web茶まめ†
『中納言』の使い方†
（来週以降も使います）
2020/10/02 †
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について†
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）
2020/09/25 休講†
- 都合により休講とします。CoursePowerの課題に回答してください。
2020/09/18†
イントロダクション†
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
