上智2015/国語学演習IIIb の履歴(No.5) - OGI-Wiki

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://chunagon.ninjal.ac.jp/

2015/10/9

次回以降、USBメモリ（少なくとも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）

紙の資料からコーパスまで

(紙の)本文テキスト
(紙の)総索引
電子テキスト
構造化テキスト
形態論情報付きコーパス

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

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

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

2015/10/02

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

デモ

テキストエディタ

ひまわり
- Excelによる集計（ピボットテーブル）

「日本語歴史コーパス（CHJ）」
- CHJ中納言

形態素解析：茶まめ／MeCab+UniDic
- 形態素解析辞書UniDic
- http://www2.ninjal.ac.jp/lrc/index.php?UniDic

授業で利用する主なソフトウェア†

ソフトウェアの種類・名前	利用目的
テキストエディタサクラエディタ sakura2	正規表現を使ったテキストの検索・整形
全文検索ソフトひまわり	データの検索
表計算ソフトExcel	ピボットテーブルによる分析・グラフ作成
ワープロWord	「スタイル」を利用したレポート作成

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