成蹊2017/日本語学講義E の履歴(No.7) - OGI-Wiki

前期・金曜2限
ogiso＠ogiso.net　←＠を@に直してください

コーパス検索アプリケーション「中納言」

日本語学講義E

2017/04/28

コーパスの形態論情報：短単位と長単位

配布資料参照

品詞体系と見出し語の階層

BCCWJ,CHJはUniDicの品詞体系にもとづく

形態論情報を使った検索

まずは文字列検索で確認する

（参考）Web茶まめ

http://chamame.ninjal.ac.jp/

2017/04/21

日本語コーパスの紹介（2）コーパスの設計とサンプリング

（スライド参照）　第3回コーパスの設計とサンプリング
- Seikei Portalの「授業資料」参照

均衡コーパス（Balanced corpus）
- 「バランスがとれている」「代表性」とは？
- コーパスの母集団の設定とサンプリング
- BCCWJのサブコーパス
- 可変長と固定長
著作権をめぐる問題

参考リンク

英語のコーパスリファレンス
- ブラウンコーパスマニュアル http://www.hit.uib.no/icame/brown/bcm.html
- BNCリファレンスガイド http://www.natcorp.ox.ac.uk/docs/URG/
現代日本語書き言葉均衡コーパス（BCCWJ）
- 現代日本語書き言葉均衡コーパス：概要
- 現代日本語書き言葉均衡コーパス：サンプリング

2017/4/14

「中納言」オンライン利用申込み

https://chunagon.ninjal.ac.jp/useraccount/register

現代日本語書き言葉均衡コーパス（BCCWJ）とは

BCCWJについて、まず最小限のことを説明します。

BCCWJ少納言
- 登録不要
- 文字列検索のみ
- 500例まで表示
BCCWJ中納言
- 要登録
- 形態論情報を使った検索
- 全件（一度に最大10万例まで）ダウンロード可

日本語コーパスの紹介（1）コーパスとはどんなものか

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。
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。

この授業で扱うのは狭義のコーパス。中でも「現代日本語書き言葉均衡コーパス（BCCWJ）」
日本語コーパス以前のデータとBCCWJの違いは

（スライド参照）

2017/04/07

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 http://pj.ninjal.ac.jp/corpus_center/

デモ
- 「現代日本語書き言葉均衡コーパス（BCCWJ）」
  - BCCWJ少納言
  - 中納言
- Excelによる集計（ピボットテーブル）
- 形態素解析
  - Web茶まめ

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

アンケート