一橋2009 の履歴(No.7) - OGI-Wiki

日本語学講義(I) 日本語コーパス研究†

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

第2回　2009/04/17 　テキストデータとテキストエディタ†

コーパスについて†

この授業ではBCCWJ（モニター公開版）・太陽コーパスのほか、青空文庫・国会会議録などの広義のコーパスも取り扱う。

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データ
  - 検索サイトの利用
  - WAC（Web as Corpus）

授業で利用する主なソフトウェア†

秀丸エディタ	テキストエディタ	検索・整形
ひまわり	全文検索ソフト	検索・分析
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
Excel	表計算ソフト	集計・分析・グラフ作成
Access	データベースソフト	集計・分析
Word	ワープロ	レポート作成

このほかにWeb上で利用できるサービスも取り上げます。

最初に、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

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/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)

授業資料/文字コード関連リンク

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

2009/04/10 イントロダクション†

自己紹介
国語研コーパスの紹介（KOTONOHA）
- 現代日本語書き言葉均衡コーパス（BCCWJ）日本語コーパス：http://www.tokuteicorpus.jp/
- 日本語話し言葉コーパス（CSJ）
- 太陽コーパス

授業の進め方について
- シラバス確認

デモンストレーション
- 茶まめ（形態素解析）＋Excel

受講者アンケート
- 専門・関心領域
- PCスキル