阪大2013/12月19日 の履歴(No.3)

• 履歴一覧
• 差分 を表示
• 現在との差分 を表示
• ソース を表示
• 阪大2013/12月19日 へ行く。
  • 1 (2013-12-15 (日) 14:12:36)
  • 2 (2013-12-16 (月) 11:34:48)
  • 3 (2013-12-16 (月) 11:34:48)
  • 4 (2013-12-18 (水) 16:08:29)
  • 5 (2013-12-19 (木) 10:14:41)
  • 6 (2013-12-19 (木) 16:21:35)

---

阪大2013

12月19日

日本語歴史コーパス（CHJ）の紹介

• 共同研究プロジェクト> 基幹型> 通時コーパスの設計
  • http://www.ninjal.ac.jp/research/project/pdf/a_corpus.pdf
• NINJAL通時コーパスプロジェクト ホームページ http://historicalcorpus.jp/

• 日本語歴史コーパス
  • http://www.ninjal.ac.jp/corpus_center/chj/
  • 第1弾「平安時代編」の先行公開中

日本語歴史コーパス（CHJ）の登録

• アカウントを作ります

日本語歴史コーパス（CHJ）を使う

• CHJ中納言
  • https://maro.ninjal.ac.jp

短単位について

• 資料参照

中納言の使い方

• 資料参照

Excelでの集計

調整頻度

• 100万語あたりの頻度
  • 語数データのダウンロード

テキストエディタの活用

• 前後文脈から不要な部分を消す
  • 正規表現を使った置換

Excelの文字列関数とIF関数

• LEFT, RIGHT, MID, LEN, SEARCH, SUBSTITUTE

• 品詞の大分類を使う

  =LEFT(<品詞>,SEARCH("-",<品詞>)-1)

• 後文脈の「。」より後を消す（「。」がない場合はそのまま）

  =IF(ISERROR(SEARCH("。",<後文脈>)),<後文脈>,LEFT(<後文脈>,SEARCH("。",<後文脈>)))

• 前文脈の「。」以前を消す（「。」がない場合はそのまま）*1

  =RIGHT(<前文脈>,LEN(<前文脈>)-(FIND("~",SUBSTITUTE("。"&<前文脈>,"。","~",LEN("。"&<前文脈>)-LEN(SUBSTITUTE("。"&<前文脈>,"。",""))),1)-1))

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

現代日本語書き言葉均衡コーパス（BCCWJ）

BCCWJについて

• BCCWJの概要 http://www.ninjal.ac.jp/corpus_center/bccwj/

• 少納言
• 中納言
• DVD

BCCWJ 少納言　http://shonagon.ninjal.ac.jp

• BCCWJの一般公開ページ
• 文字列検索のみ，表示500件などの制限
• 一部の正規表現が利用可能