上智2014/国語学演習Ib の履歴(No.27)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 上智2014/国語学演習Ib へ行く。
  • 1 (2014-04-18 (金) 03:33:34)
  • 2 (2014-04-18 (金) 03:34:50)
  • 3 (2014-10-02 (木) 15:18:08)
  • 4 (2014-10-03 (金) 14:37:03)
  • 5 (2014-10-09 (木) 21:05:43)
  • 6 (2014-10-10 (金) 15:29:36)
  • 7 (2014-10-16 (木) 22:57:08)
  • 8 (2014-10-17 (金) 13:13:49)
  • 9 (2014-10-23 (木) 17:27:11)
  • 10 (2014-10-23 (木) 23:07:32)
  • 11 (2014-10-24 (金) 16:48:18)
  • 12 (2014-10-27 (月) 00:40:17)
  • 13 (2014-10-31 (金) 05:10:22)
  • 14 (2014-11-07 (金) 15:12:24)
  • 15 (2014-11-07 (金) 16:36:23)
  • 16 (2014-11-14 (金) 13:30:48)
  • 17 (2014-11-14 (金) 15:45:57)
  • 18 (2014-11-15 (土) 05:28:57)
  • 19 (2014-11-21 (金) 02:06:32)
  • 20 (2014-11-26 (水) 23:54:41)
  • 21 (2014-11-28 (金) 17:30:28)
  • 22 (2014-12-04 (木) 17:20:48)
  • 23 (2014-12-05 (金) 00:43:08)
  • 24 (2014-12-12 (金) 05:11:43)
  • 25 (2014-12-12 (金) 15:10:35)
  • 26 (2014-12-18 (木) 13:20:13)
  • 27 (2015-01-09 (金) 05:36:51)
  • 28 (2015-01-09 (金) 14:54:43)
  • 29 (2015-01-16 (金) 12:17:55)
  • 30 (2015-10-09 (金) 02:53:20)

---

上智2014

コーパスにもとづく日本語史研究

• 後期・金曜4限
• ogiso＠ogiso.net　←＠を@に直してください

• CHJ中納言 https://maro.ninjal.ac.jp/

2015/01/09

レポート作成のためのコーパス検索・調査（2）

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の準備を進めます。 積極的に質問して下さい。

2014/12/19

前回補足

• コロケーション強度について：プリント参照

レポート作成のためのコーパス検索・調査（1）

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の準備を進めます。 積極的に質問して下さい。

2014/12/12

日本語歴史コーパス「中納言」補足

• 地の文・会話文
• 発話者

コロケーション強度

• 単純な用例数では危険
• もともと頻度が高いもの同士のつながりは多くて当たり前

• コロケーション強度には様々なものがある
  • ダイス係数
  • Tスコア
  • MIスコア（相互情報量）

• ダイス係数＝2×（ABの用例数／Aの用例数＋Bの用例数）　
  • 「つ」の前の動詞の場合
    • AB＝ 「動詞＋つ」の用例数
    • A＝当該動詞の用例数
    • B＝「つ」の用例数

レポートテーマについて

• 用紙を配布します

質問

お名前:

2014/12/05

中納言の使い方（つづき）

• 資料参照（修正済み） PDF

• Excelによる集計

2014/11/28

日本語歴史コーパス（CHJ）を使う

• 日本語歴史コーパス
  • http://www.ninjal.ac.jp/corpus_center/chj/
• CHJ中納言（平安時代編）
  • https://maro.ninjal.ac.jp

中納言の使い方

• 資料参照

短単位について

• 資料参照

2014/11/21

青空文庫の「ひまわり」データの利用例

• 青空文庫データで復習
  • 例：「それきり」「それぎり」
  • データ：https://dl.dropboxusercontent.com/u/134600/sorekiri.xlsx

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

• （補足）生年月日の列を一旦コピーしてメモ帳などに貼り付け、列全体のセルの書式を「文字列」としたうえで貼り付け直す
  • 「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

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
• データ：https://dl.dropboxusercontent.com/u/134600/sinbunsi.xlsx

• 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

2014/11/14

青空文庫の「ひまわり」データ

• ひまわり『青空文庫』パッケージ

ピボットテーブル（復習）

• 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

調査例

• 「～的の」「～的な」
• 「気持ち」「心持ち」
• 「それきり」「それぎり」

研究例

• 漢語サ変動詞の可能の形
  • https://dl.dropboxusercontent.com/u/134600/20141114_taiyo_kanou.pdf
• 形容動詞の連体修飾の形
  • https://dl.dropboxusercontent.com/u/134600/20141114_taiyo_rentai.pdf

参考文献

• 国立国語研究所編（2005）『雑誌『太陽』による確立期現代語の研究―『太陽コーパス』研究論文集』博文館新社 #amazon(4861151554)
• 田中牧郎（2013）『近代書き言葉はこうしてできた』岩波書店 #amazon(4000286269)
• 「日本語学」2014.11臨時増刊号「日本語史研究と歴史コーパス」明治書院 #amazon(B00OY8XA38)

2014/11/07

「ひまわり」検索結果をExcelで扱う

• ケーススタディ/障がい

• 列名（近代女性雑誌コーパス）

  前文脈

  キー

  後文脈

  雑誌名

  年

  号

  題名

  著者

  欄名

  ジャンル

  文体

  話者

  種別

  位置

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

「ひまわり」データの追加

「太陽コーパス」

• 授業用データ

形態論情報付きの「ひまわり」データ

• 「明六雑誌コーパス」
  • http://www.ninjal.ac.jp/corpus_center/cmj/meiroku/

10/28みなし金曜日 の授業は休講です

2014/10/24

「ひまわり」の利用

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
  • 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）[^ ]

---

• 授業資料/正規表現
• ひまわりの正規表現について（授業資料/Himawariの正規表現）

ひまわりで利用可能なデータについて

◎を授業で取り上げます。

• 現代語のデータ
  • 国会会議録データ
  • 法令データベース
  • 青空文庫◎
  • 口コミサイト
• 近代語のデータ
  • 太陽コーパス◎
  • 近代女性雑誌コーパス◎
  • 明六雑誌コーパス◎
  • 国民之友コーパス◎
  • 国定高等小学読本◎
• 古典文学作品のデータ

2014/10/17

• 今回からUSBメモリを使います。
• 日本語歴史コーパス（CHJ）中納言は登録手続き中です。
  • 前回提出していない人は必ず提出して下さい（申込み用紙1枚、契約書2枚の計3枚を押印して提出）。

近代雑誌コーパスと「ひまわり」

• 近代語のコーパス
  • 「太陽コーパス」（販売中）
  • 「近代女性雑誌コーパス」（公開中）
  • 「明六雑誌コーパス」（公開中）〈形態論情報付き〉
  • 「国民之友コーパス」（公開中）〈形態論情報付き〉

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」
  • 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」の導入

1. 「ひまわり」のダウンロード
   • ひまわり のダウンロードページ　プログラム本体
2. 「近代女性雑誌コーパス」のダウンロード
   • 近代女性雑誌コーパス
3. インストール
   • ダウンロードした二つのZIPファイルを右クリックして、[プロパティ] > [全般]でセキュリティのブロックが解除（必須）
   • Himawariフォルダ内のCorporaフォルダが重なる（上書きされる）形で、コーパスのフォルダをコピー
4. 動作確認
   • Himawari.exeをダブルクリックして起動，configファイルを選択

Himawariの使い方

• 使い方の説明

2014/10/10

• 次回以降、USBメモリ（2GB以上）を持ってきてください。

日本語歴史コーパス（CHJ）の登録

• 申込用紙・契約書2枚
• 次回、押印して持ってきてください。

---

「コーパス」について†

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。

• BCCWJ / 太陽コーパス / 明六雑誌コーパス / 日本語歴史コーパス

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、言語研究に利用可能。

• さまざまなテキストアーカイブ（新潮文庫の百冊 / 青空文庫 / 国会会議録）
• Web上のデータ
  • 検索サイトの利用
  • WAC（Web as Corpus）

総索引から電子化テキストへ（国語史資料の電子化の歴史）

• 戦後、総索引が整備されはじめる
  • 1929～31『万葉集総索引』
  • 1952『源氏物語用語索引』
  • 1955『徒然草総索引』
• 1980年代から徐々に日本語史資料へのコンピュータ応用が始まる
  • 金水（1984）,豊島（1983,1987），西端（1983,1989），岡島，近藤…
  • 総索引作成のための電子化テキスト利用など
• 1990年代、電子化テキストの利用が広がる
  • 『源氏物語』テキストデータベース（長瀬1990）
  • 国語学会（現日本語学会）1992年度春季大会テーマ「国語研究資料の「電子化」とその利用」
    • 日本文学等テキストファイル（岡島）http://www.let.osaka-u.ac.jp/~okajima/bungaku.htm
    • J-TEXT日本文学電子図書館（菊池・深沢）http://www.j-texts.com/
  • 青空文庫 1997～　http://www.aozora.gr.jp/
  • この頃、CD-ROM索引も『新大系 八代集』『新編国歌大観』『角川古語大観　源氏物語』「国文学研究資料館データベース　古典コレクション」『国定読本用語総覧』

テキストファイル

• テキストデータとはどんなものか
  • 授業資料/テキストデータとは
  • 授業資料/テキストデータ紹介（広義のコーパス）
• テキストエディタ
  • 授業資料/テキストエディタ

プレーンテキストからタグ付きテキストへ

• 2000年代（タグ付きテキスト「コーパス」へ）
  • 狭義の「コーパス」登場
    • 『太陽コーパス』2005

2014/10/03

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
  • 形態素解析辞書UniDic
    • http://www2.ninjal.ac.jp/lrc/index.php?UniDic

• デモ
• 「日本語歴史コーパス（CHJ）」
  • CHJ中納言
  • Excelによる集計（ピボットテーブル）
• ひまわり（「太陽コーパス」）
• 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