一橋2011 の履歴(No.3) - OGI-Wiki

日本語学講義(I) 日本語コーパス研究入門†

授業に関するメールはこちらへ。小木曽智信： ogiso@ogiso.net
授業資料/用語集リンク（わからないコンピュータ用語を調べてください）
授業フォルダ \\Linkstation\share\日本語コーパス

BCCWJ中納言の申し込み

https://chunagon.ninjal.ac.jp/
- 申し込んでから使えるようになるまでに時間がかかるので早めに申し込んでください。

2011/10/07 　テキストデータとテキストエディタ

まずは、テキストエディタを使ってテキストデータを扱うことからはじめます。

共有フォルダの確認
- マイネットワーク＞share＞日本語コーパス

（補足）「コーパス」について†

この授業ではBCCWJのほかに、青空文庫・国会会議録などの広義のコーパス、自作のミニコーパスなども取り扱います。

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。
- Kotonoha (BCCWJ / CSJ / 太陽コーパス)
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、言語研究にも利用可能なもの。
- 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データ
  - 検索サイトの利用
  - WAC（Web as Corpus）

テキストデータ†

全ての基本。テキストデータ≒テキストファイル≒電子化テキスト

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/文字コード関連リンク
- 授業資料/テキストデータ紹介（広義のコーパス）
  - 参考『国会会議録を使った日本語研究』

#amazon(4894762994)

テキストファイルと拡張子†

拡張子(wikipedia)
拡張子辞典：http://jisyo.com/viewer/list/list.html
TXT,CSV,HTM・・・

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基礎†

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）
- cf. 見た目と構造
検索と置換、grep

2011/09/30 イントロダクション†

自己紹介
国立国語研究所（NINJAL）
国語研コーパス（KOTONOHA）
- 現代日本語書き言葉均衡コーパス（BCCWJ）
  - 特定領域日本語コーパス
  - 検索デモサイト
- 日本語話し言葉コーパス（CSJ）
- 太陽コーパス（明治・大正期の総合雑誌）
- 通時コーパス（設計中）

授業の進め方について
- 受講者のレベルにあわせて基礎的なことから始め、自分の研究に実際に活かせるようになることを目指します。
- シラバス確認 https://mercas.hit-u.ac.jp/

受講者アンケート
- 専門・関心領域
- PCスキル

デモンストレーション
- 茶まめ（形態素解析）＋Excel

授業で利用する主なソフトウェア†

名前	種類	利用目的
秀丸エディタ	テキストエディタ	検索・整形
Excel	表計算ソフト	集計・分析・グラフ作成
Access(時間があれば)	データベースソフト	集計・分析
Word	ワープロ	レポート作成
ひまわり	全文検索システム	検索・集計
MeCab	形態素解析器	形態素解析
UniDic	形態素解析辞書	形態素解析
BCCWJ：小納言	Webサービス(文字列検索)	コーパス検索
BCCWJ：前中納言	Webサービス（単語情報付き検索）
BCCWJ：中納言	Webサービス（単語情報付き検索）