成蹊2013/日本語日本文学のためのコンピュータ の履歴(No.22)

• 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2013/日本語日本文学のためのコンピュータ へ行く。
  • 1 (2013-04-10 (水) 13:45:38)
  • 2 (2013-04-10 (水) 13:57:33)
  • 3 (2013-04-12 (金) 15:03:34)
  • 4 (2013-04-18 (木) 00:25:23)
  • 5 (2013-04-18 (木) 18:08:38)
  • 6 (2013-04-25 (木) 23:03:29)
  • 7 (2013-04-26 (金) 14:53:44)
  • 8 (2013-05-09 (木) 18:07:08)
  • 9 (2013-05-10 (金) 00:00:31)
  • 10 (2013-05-14 (火) 15:16:31)
  • 11 (2013-05-16 (木) 13:21:27)
  • 12 (2013-05-17 (金) 14:59:11)
  • 13 (2013-05-30 (木) 22:50:41)
  • 14 (2013-05-31 (金) 15:34:26)
  • 15 (2013-06-06 (木) 17:25:56)
  • 16 (2013-06-06 (木) 22:33:47)
  • 17 (2013-06-07 (金) 08:16:13)
  • 18 (2013-06-13 (木) 23:16:04)
  • 19 (2013-06-14 (金) 14:49:27)
  • 20 (2013-06-20 (木) 15:28:26)
  • 21 (2013-06-21 (金) 13:36:25)
  • 22 (2013-06-27 (木) 11:22:45)
  • 23 (2013-06-28 (金) 09:01:45)
  • 24 (2013-06-28 (金) 16:24:02)
  • 25 (2013-07-04 (木) 12:15:09)
  • 26 (2013-07-05 (金) 14:54:19)
  • 27 (2013-07-09 (火) 12:24:45)
  • 28 (2013-07-12 (金) 15:08:02)
  • 29 (2013-07-18 (木) 07:22:52)

---

成蹊2013

• 日本語・日本文学を学んでいくうえでぜひ身につけておきたいコンピュータに関する知識・技術を学びます。
• 前期4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

• 6月29日（土）の 金曜日不足分授業日は休講です。

2013/06/28　Excelを使った集計

• （復習）ピボットテーブル
  • それきり／それぎり

• （補足）検索結果の貼り付け前に表全体を選択し、書式を「文字列」としておく
  • 
  • 「青空文庫」データの作品ごとに不揃いな生年月日が日付への自動変換でおかしくなるのを防ぐため

ひまわりの検索結果をピボットテーブルで集計（続き）

• 分類用のフィールドを作って集計する
  • 例：「新聞紙」の意味・用法の変化

• 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

ひまわりの使い方補足

• ひまわりの検索結果をエディタ（正規表現を使った置換）で加工する
• ひまわりの正規表現について（授業資料/Himawariの正規表現）
• ひまわりのキー範囲

ひまわりで利用可能なデータについて†

• 国会会議録データ
  • Web Collaboration : /temporary/ogiso/Himawari_kokkai.zip
• 青空文庫・国会会議録以外のデータ紹介
• 現代語のデータ
  • 法令データベース
  • 口コミサイト
• 古典文学作品のデータ
• 近代語のデータ
  • 太陽コーパス
  • 近代情勢雑誌コーパス
  • 明六雑誌コーパス
  • 国定高等小学読本

レポートについて

• レポートテーマ確認（第１回）来週

関数の利用

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

2013/06/21　ひまわりとExcel

検索結果をExcelで扱う†

• 列名

  前文脈

  キー

  後文脈

  作品名

  副題

  著者

  役割

  初出

  分類番号

  文字遣い

  作品ID

  人物ID

  生年月日

  没年月日

  文字数

  メモ１

  メモ２

覚えるべき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★
  • ピボットグラフ

レポートテーマについて(予告)†

• 授業で紹介したエディタや表計算ソフトの使い方を活かして、たとえば次のようなテーマでレポートをまとめてもらいます。データは授業で配布したものを自由に利用してください。
  • 例：作家ごとの言葉の使い方の違い
  • 例：類義語の意味の違い
  • 例：語の用法の変化
  • 例：語形・（表記）のゆれ
  • などなど

2013/06/14

前回小テスト解説

• 配付資料（解答例）

「ひまわり」の準備・動作確認

• Web Collaboration : /temporary/ogiso/

「ひまわり」とその使い方

• 「ひまわり」　国立国語研究所/言語データベースとソフトウェア/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

2013/06/07

全文検索システム「ひまわり」について

• 全文検索システム「ひまわり」
  • ひまわり のダウンロードページ
  • ひまわり用「青空文庫」パッケージのダウンロードページ

「ひまわり」利用の準備

• Web Collaboration : /temporary/ogiso/
• 動作確認

小テスト：エディタと正規表現

• テスト前にsoseki2.zipを検索可能にしておくこと

2013/05/30

タグ付き正規表現・つづき

• 授業資料/タグつき正規表現

• （参考）タグ付き正規表現の応用：grepと置換でKWICを作る

^(.*?,.*?,.*?,)(.*?,)(読[まみむめもん],)(.+,)(読[まみむめもん])(,.+)

↓

\1\2\3\4\n\1\4\5\6

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

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

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

#amazon(4873114500) #amazon(4873113598)

質問受付

2013/05/17

（復習）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 $ 【New】

正規表現の応用†

• カタカナ語
• 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。

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

2013/05/10　正規表現

• 今日の練習用テキストデータ
  • Web Collaboration : /temporary/ogiso/
    • soseki2.zip （前回のデータからルビと不要箇所を削除し、一文ずつ改行する形に変えたもの）

テキストエディタの復習

• 置換で用例数を数える
• grepとタグジャンプ

正規表現を使ってみる†

• キャラクタクラス
  • 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
  • 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）
  • 記号はすべて半角
  • 記号そのものを表す場合には\でエスケープする（特殊な意味を打ち消す）　例：1\+2

• 文字クラス [ ]
  • 文字クラスの補集合（それ以外の文字）[^ ]

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 $

2013/04/26　　テキストエディタの利用

• 今回からUSBメモリを利用します。
  • テキストエディタをUSBメモリにコピー

---

• テキストデータ（青空文庫）の配布
  • Web Collaboration : /temporary/ogiso/
    • soseki.zip （今日の授業で使います）
    • aozoradoc2.zip
  • ダウンロードしてUSBメモリに展開（解凍）します

• 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
  • サブフォルダのgrep

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

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

2013/04/19　テキストデータとテキストエディタ

• USBメモリの準備
  • 次回の授業からUSBメモリを使います。2G（なるべく4G）以上の空きのあるUSBメモリを用意してください。

テキストデータ

• すべての基本、文字が並ぶだけのデータ
  • 授業資料/テキストデータとは
  • バイナリファイル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

• サクラエディタのダウンロードとインストール
  • サクラエディタのダウンロード:sakura2.zip
    • (参考) サクラエディタホームページ：http://sourceforge.net/projects/sakura-editor/

• zipファイルの展開（解凍）
  • 解凍しないままでも開けるが必ず解凍すること

• 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＋芥川）
  • sample.zip

2013/04/12　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/
    • 日本語コーパスKOTONOHA
    • 現代日本語書き言葉均衡コーパス少納言
    • コーパス開発センター

• デモ
  • テキストエディタとgrep
  • 全文検索システムひまわり
  • 形態素解析：茶まめ／MeCab+UniDic

• 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

授業で利用する主なソフトウェア†