上智2015/国語学演習IIIa の履歴(No.8) - OGI-Wiki

国語学演習IIIa / コーパス日本語学入門

前期・金曜4限
ogiso＠ogiso.net　←＠を@に直してください

BCCWJ中納言 https://chunagon.ninjal.ac.jp/

2015/05/01

BCCWJ「中納言」アカウントについて

先週申し込んだ人にはアカウントを発行しました。メールを確認してログインしてみて下さい。
- 誤って発行された『日本語歴史コーパス』（CHJ）のアカウントのメールは無視してください。

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

均衡コーパス（Balanced corpus）
- 「バランスがとれている」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://khnt.aksis.uib.no/icame/manuals/brown/
- 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

2015/04/24

BCCWJ「中納言」申込み

下記の書類は授業で配布しますが、書き損じた場合などには下記のリンク先のファイルを利用してください。

申込書（この授業用） BCCWJ_ApplicationForm.doc
契約書 BCCWJ_ContractOnline.pdf
- 契約書は両面印刷で2部必要。表面にも記入欄があるので注意

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）
- 第2回コーパスとは

2015/04/17

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
- 形態素解析辞書UniDic

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

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