上智2017/国語学演習Ⅲa の履歴(No.9) - OGI-Wiki

国語学演習Ⅲa

2017/5/19（休講）

出張のため休講とします。

2017/05/12

日本語コーパスの形態論情報

短単位と長単位（スライド・配付資料）

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

UniDicによる形態素解析

MeCab（解析器）とUniDic（辞書）
Web茶まめ　http://chamame.ninjal.ac.jp/

形態論情報を使った検索（詳しくは次回）

まずは文字列検索を行って形態論情報がどうなっているか確認する

2017/04/28

BCCWJの紹介コーパスの設計とサンプリング

（スライド参照）

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

2017/04/21

「現代日本語書き言葉均衡コーパス（BCCWJ）」と「日本語歴史コーパス（CHJ）」と

※当面、BCCWJを中心に解説し、その後CHJ明治大正編に

BCCWJとCHJ、これらを利用するインターフェイスについて、まず最小限のことを説明します。

少納言 BCCWJ
- 登録不要
- 文字列検索のみ
- 500例まで表示
中納言 BCCWJ，CHJほか
- 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

「中納言」オンライン利用申込み

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

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）」と「日本語歴史コーパス（CHJ）」
「コーパス」以前の日本語研究用データとの違いは

（スライド参照）
- 第2回コーパスとは

2017/04/14

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/
- 国立国語研究所コーパス開発センター

デモ
- 「現代日本語書き言葉均衡コーパス（BCCWJ）」
- 「日本語歴史コーパス（CHJ）」
  - 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
  - 形態素解析辞書UniDic
  - Web茶まめ

シラバス確認
- この授業のシラバス
- この授業の目的
- 授業の進め方
- 評価方法