上智2014/国語学演習Ia
をテンプレートにして作成
開始行:
[[上智2014]]
*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/
**期末レポートについて
-締切：7月31日（木）
-提出先：メールで直接送付（必ず返信を確認すること）
-分量：A4用紙で3～10枚
-メール・Wordファイルの両方に氏名・学籍番号を明記すること
--Wordファイルのサイズが大きくなりすぎる場合には、PDFファ...
**2014/07/18 最終回
-レポート完成に向けて作業を進めながら積極的に質問してくだ...
**2014/07/11 休講
**2014/07/04
***Wordでレポートを書く
-文書の構造化*
--スタイルと見出し
--ナビゲーション ウィンドウ（見出しマップ）の使い方
--章・節番号
-図表の貼り込み*
--「形式を選択して貼り付け」
--図表番号とキャプション
-脚注
--脚注と文末脚注
-相互参照
--節番号、図表番号と相互参照
--目次、図表目次
***レポート作成のためのコーパス検索・調査（2）
-レポート完成に向けて作業を進めながら積極的に質問してくだ...
**2014/06/27
-レポートテーマについて
***レポート作成のためのコーパス検索・調査（1）
考えてきたテーマについて、実際に用例を検索してレポート作...
積極的に質問して下さい。
-授業中、1億語全体の検索は極力避けて下さい。
**2014/06/20
***レポートテーマ案提出
-BCCWJ中納言の契約書を返却します。
-レポートテーマの案を提出してください。
***形態素解析
-リンク：[[形態素解析ウェブアプリUniDic-MeCab（複合名詞判...
#include(授業資料/形態素解析,notitle)
&br;
#hr
--形態素解析器[[MeCab>http://mecab.googlecode.com/svn/tru...
***授業用UniDic+MeCabパッケージのダウンロード
-https://dl.dropboxusercontent.com/u/134600/portable-unid...
***茶まめで形態素解析・Excelで集計
+茶まめで解析してみる（解析器はMeCab＋解析辞書はUniDic）
+Excelに出力する
+ピボットテーブルで集計する
-テキストのジャンルと語種，品詞の割合をグラフ化してみる
--ブログのテキストと新聞記事のテキストの解析結果を比較
**2014/06/13
***BCCWJ利用の落とし穴
-BCCWJはあくまでも「現代語」のためのコーパスなので通時的...
--レジスターによって母集団の年が違っている
---レジスターの偏りを年代の偏りと勘違いしないこと
--30年あるのは白書・ベストセラー・国会会議録など一部のも...
-もともとテキスト量の多いレジスターにたくさん用例があるか...
--cf.人口あたりの事故件数，１平方キロあたりの…etc.
--データ：語彙素「矢張り」 [[kwic-yahari.zip>https://www...
***調整頻度の計算
-粗頻度を総語数で割る
--レジスターごとの語数データ：中納言ページの「語数につい...
---語数ファイルをピボットテーブルで集計して分母に
-調整頻度には100万語あたりの頻度が比較的よく使われる
--粗頻度/総語数*1000000
---数字が小さくなりすぎないようにするため
-※割合の違いを比較するだけなら調整頻度を出す必要はない。
***ランダムサンプリング調査(Excelでの集計・補足)
--大量に用例があり、調査内容からすべて対象にできない場合
--ランダムに並べ替え→先頭n例を調査対象に
---ランダムな数字の列： =RAND()
---ランダムな数字の列をコピーして「値として貼り付ける」と...
--データ：「れる・られる」コアのみ（用法分類） [[kwic-ra...
***NINJAL LWP for BCCWJの紹介
-http://nlb.ninjal.ac.jp/
-ワードプロファイラー
-語の振る舞いの概略を見るのに手軽で便利
-注意点
--UniDicの見出し語体系でない（＝本来のBCCWJではない）
--自動係り受け解析結果は形態素解析以上に誤りが多い
**レポートテーマについて
-次回までにレポートテーマを考えてくること（全員提出のこと）
-他の授業で取り上げられたテーマや普段から見聞きする言葉に...
-図書館も活用すること
-ひとつの言葉から、同種の別の語や違う観点からの観察などへ...
***表記
--「雀」「すずめ」「スズメ」動植物名の表記・・・レジスタ...
--「卵」「玉子」「たまご」「タマゴ」・・・意味の違い？レ...
--「斡旋」「あっ旋」「あっせん」、「石鹸」「石けん」「せ...
***類義語・対義語
--「奇麗」と「美しい」・・・連体修飾する名詞の違い（→意味...
--「うるさい」「やかましい」「さわがしい」「かしましい」...
--「男性」と「女性」（「男」と「女」）・・・語彙の非対称...
***語形、語法
--「好ましい」「好もしい」・・・語形の揺れと文体差
--「煙草を吸う」と「煙草をのむ」・・・用例数の割合、「煙...
***新語・意味変化
--「断トツ」「定番」「夜ご飯」・・・新語の広がり
--「役不足」「確信犯」・・・”誤用”と”正用”
**2014/06/06
***Excelによる集計・つづき
-復習・補足
--語形レベルでの集計
---例：exhibition [[データダウンロード kwic-Exhibition.zi...
-「検索課題」（配付資料）
-複数の検索結果の結合
--例：蒲公英・向日葵・菫
---[[データダウンロード kwic-flowers.zip>https://www.drop...
-集計用の列を自分で用意する
--例：表記（ひらがな・かたかな・漢字）別集計
***Excelの文字列関数とIF関数
-例：ジャンル（NDC）の整理
--先頭の文字を取り出す（NDCの一次区分（＝類））
---=LEFT(<ジャンルのセル>,1)
--スラッシュで区切られた最初の部分（ジャンルの大分類）
---=LEFT(<ジャンルのセル>,SEARCH("/",<ジャンルのセル>)-1)
-集計用に用意した列で文字列処理関数を利用する
--LEFT
--RIGHT
--MID
--LEN
--SEARCH
--SUBSTITUTE
-応用例：品詞の大分類を使う
--=LEFT(<品詞>,SEARCH("-",<品詞>)-1)
**2014/05/30
***復習
+「中納言」による検索
+Excelでインポート
+ピボットテーブルで集計
***Excelの基礎
-並べ替え
--反転前文脈の使い方
-フィルタ
--テキストフィルタ
***検索の例
-男と女のレジスタ分布 [[データ kwic-MaleFemale.zip>https...
--男性と女性
--男と女と形容詞
--短単位で検索（unit="1"）
キー: (語彙素 LIKE "[男女]" AND (語彙素読み="オトコ" OR ...
WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
キー: (語彙素="男性" OR 語彙素 = "女性")
WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
--以下は長単位で検索（unit="2"）
キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
AND 後方共起: (語彙素 = "男性" OR 語彙素 = "女性") ON 1 ...
WITH OPTIONS unit="2" AND tglWords="10" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
AND 後方共起: (語彙素 LIKE "[男女]" AND (語彙素読み="オ...
WITH OPTIONS unit="2" AND tglWords="10" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
-「検索課題」配付資料
***補足
-[[ジップの法則>http://ja.wikipedia.org/wiki/%E3%82%B8%E3...
**2014/05/23
-資料「『中納言』の使い方」つづき 2.6～
***検索条件式の利用
キー: 語彙素 = "玉葱" WITH OPTIONS unit="1" AND tglWords...
AND endOfLine="CRLF" AND tglKugiri="|" AND encoding="UT...
***検索結果をExcelで利用する
-前回資料（4.）参照
***「中納言」検索結果のダウンロードとExcelでの利用
+ダウンロード
+アーカイブの展開（解凍）
+Excelでインポート
***【重要】ピボットテーブルの使い方
-ピボットテーブル
-ピボットグラフ
**2014/5/16
***「中納言」の利用：形態論情報を使った検索
-配布資料「『中納言』の使い方」
--1.３つの検索方法 ～ 2.5ワイルドカード まで
**2014/5/9
***「中納言」利用申込み
-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...
**コーパスの形態論情報
***短単位と長単位
-''（配付資料）''参照
-''（スライド）''参照
***品詞体系
-BCCWJはUniDicの品詞体系にもとづく
--形態論情報の例
-----
#include(授業資料/UniDicの品詞体系,notitle)
-----
#include(授業資料/UniDicの見出し語階層,notitle)
-----
***形態論情報を活かした検索
-「中納言」での指定方法
//-資料「『中納言』概説・実習」参照
**2014/5/2
***「中納言」利用申込み
-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...
***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2回コーパスの設計とサンプリング>https://www.dropbox...
-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/...
--[[BNCリファレンスガイド>http://www.natcorp.ox.ac.uk/doc...
-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>http://www.ninja...
--[[現代日本語書き言葉均衡コーパス：サンプリング>http://w...
**2014/4/25
***「中納言」利用申込み
-申込用紙を配布します。''押印して次回、必ず持ってきてくだ...
***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>http://shonagon.ninjal.ac.jp]]
--登録不要
--文字列検索のみ
--500例まで表示
-[[BCCWJ中納言>http://chunagon.ninjal.ac.jp]]
--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...
: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...
-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...
-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>https://www.dropbox.com/s/pjzsmnlda...
**2014/04/18
***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 htt...
-コーパスとは
--[[国立国語研究所コーパス開発センター>http://www.ninjal....
--[[形態素解析辞書UniDic>http://sourceforge.jp/projects/u...
-デモ
-「現代日本語書き言葉均衡コーパス（BCCWJ）」
--BCCWJ[[少納言>http://shonagon.ninjal.ac.jp]]
--BCCWJ[[中納言>http://chunagon.ninjal.ac.jp]]
-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>http://www.ogiso.net/wiki/index.php?plugin=a...
--この授業の目的
--授業の進め方
--評価方法
終了行:
[[上智2014]]
*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/
**期末レポートについて
-締切：7月31日（木）
-提出先：メールで直接送付（必ず返信を確認すること）
-分量：A4用紙で3～10枚
-メール・Wordファイルの両方に氏名・学籍番号を明記すること
--Wordファイルのサイズが大きくなりすぎる場合には、PDFファ...
**2014/07/18 最終回
-レポート完成に向けて作業を進めながら積極的に質問してくだ...
**2014/07/11 休講
**2014/07/04
***Wordでレポートを書く
-文書の構造化*
--スタイルと見出し
--ナビゲーション ウィンドウ（見出しマップ）の使い方
--章・節番号
-図表の貼り込み*
--「形式を選択して貼り付け」
--図表番号とキャプション
-脚注
--脚注と文末脚注
-相互参照
--節番号、図表番号と相互参照
--目次、図表目次
***レポート作成のためのコーパス検索・調査（2）
-レポート完成に向けて作業を進めながら積極的に質問してくだ...
**2014/06/27
-レポートテーマについて
***レポート作成のためのコーパス検索・調査（1）
考えてきたテーマについて、実際に用例を検索してレポート作...
積極的に質問して下さい。
-授業中、1億語全体の検索は極力避けて下さい。
**2014/06/20
***レポートテーマ案提出
-BCCWJ中納言の契約書を返却します。
-レポートテーマの案を提出してください。
***形態素解析
-リンク：[[形態素解析ウェブアプリUniDic-MeCab（複合名詞判...
#include(授業資料/形態素解析,notitle)
&br;
#hr
--形態素解析器[[MeCab>http://mecab.googlecode.com/svn/tru...
***授業用UniDic+MeCabパッケージのダウンロード
-https://dl.dropboxusercontent.com/u/134600/portable-unid...
***茶まめで形態素解析・Excelで集計
+茶まめで解析してみる（解析器はMeCab＋解析辞書はUniDic）
+Excelに出力する
+ピボットテーブルで集計する
-テキストのジャンルと語種，品詞の割合をグラフ化してみる
--ブログのテキストと新聞記事のテキストの解析結果を比較
**2014/06/13
***BCCWJ利用の落とし穴
-BCCWJはあくまでも「現代語」のためのコーパスなので通時的...
--レジスターによって母集団の年が違っている
---レジスターの偏りを年代の偏りと勘違いしないこと
--30年あるのは白書・ベストセラー・国会会議録など一部のも...
-もともとテキスト量の多いレジスターにたくさん用例があるか...
--cf.人口あたりの事故件数，１平方キロあたりの…etc.
--データ：語彙素「矢張り」 [[kwic-yahari.zip>https://www...
***調整頻度の計算
-粗頻度を総語数で割る
--レジスターごとの語数データ：中納言ページの「語数につい...
---語数ファイルをピボットテーブルで集計して分母に
-調整頻度には100万語あたりの頻度が比較的よく使われる
--粗頻度/総語数*1000000
---数字が小さくなりすぎないようにするため
-※割合の違いを比較するだけなら調整頻度を出す必要はない。
***ランダムサンプリング調査(Excelでの集計・補足)
--大量に用例があり、調査内容からすべて対象にできない場合
--ランダムに並べ替え→先頭n例を調査対象に
---ランダムな数字の列： =RAND()
---ランダムな数字の列をコピーして「値として貼り付ける」と...
--データ：「れる・られる」コアのみ（用法分類） [[kwic-ra...
***NINJAL LWP for BCCWJの紹介
-http://nlb.ninjal.ac.jp/
-ワードプロファイラー
-語の振る舞いの概略を見るのに手軽で便利
-注意点
--UniDicの見出し語体系でない（＝本来のBCCWJではない）
--自動係り受け解析結果は形態素解析以上に誤りが多い
**レポートテーマについて
-次回までにレポートテーマを考えてくること（全員提出のこと）
-他の授業で取り上げられたテーマや普段から見聞きする言葉に...
-図書館も活用すること
-ひとつの言葉から、同種の別の語や違う観点からの観察などへ...
***表記
--「雀」「すずめ」「スズメ」動植物名の表記・・・レジスタ...
--「卵」「玉子」「たまご」「タマゴ」・・・意味の違い？レ...
--「斡旋」「あっ旋」「あっせん」、「石鹸」「石けん」「せ...
***類義語・対義語
--「奇麗」と「美しい」・・・連体修飾する名詞の違い（→意味...
--「うるさい」「やかましい」「さわがしい」「かしましい」...
--「男性」と「女性」（「男」と「女」）・・・語彙の非対称...
***語形、語法
--「好ましい」「好もしい」・・・語形の揺れと文体差
--「煙草を吸う」と「煙草をのむ」・・・用例数の割合、「煙...
***新語・意味変化
--「断トツ」「定番」「夜ご飯」・・・新語の広がり
--「役不足」「確信犯」・・・”誤用”と”正用”
**2014/06/06
***Excelによる集計・つづき
-復習・補足
--語形レベルでの集計
---例：exhibition [[データダウンロード kwic-Exhibition.zi...
-「検索課題」（配付資料）
-複数の検索結果の結合
--例：蒲公英・向日葵・菫
---[[データダウンロード kwic-flowers.zip>https://www.drop...
-集計用の列を自分で用意する
--例：表記（ひらがな・かたかな・漢字）別集計
***Excelの文字列関数とIF関数
-例：ジャンル（NDC）の整理
--先頭の文字を取り出す（NDCの一次区分（＝類））
---=LEFT(<ジャンルのセル>,1)
--スラッシュで区切られた最初の部分（ジャンルの大分類）
---=LEFT(<ジャンルのセル>,SEARCH("/",<ジャンルのセル>)-1)
-集計用に用意した列で文字列処理関数を利用する
--LEFT
--RIGHT
--MID
--LEN
--SEARCH
--SUBSTITUTE
-応用例：品詞の大分類を使う
--=LEFT(<品詞>,SEARCH("-",<品詞>)-1)
**2014/05/30
***復習
+「中納言」による検索
+Excelでインポート
+ピボットテーブルで集計
***Excelの基礎
-並べ替え
--反転前文脈の使い方
-フィルタ
--テキストフィルタ
***検索の例
-男と女のレジスタ分布 [[データ kwic-MaleFemale.zip>https...
--男性と女性
--男と女と形容詞
--短単位で検索（unit="1"）
キー: (語彙素 LIKE "[男女]" AND (語彙素読み="オトコ" OR ...
WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
キー: (語彙素="男性" OR 語彙素 = "女性")
WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
--以下は長単位で検索（unit="2"）
キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
AND 後方共起: (語彙素 = "男性" OR 語彙素 = "女性") ON 1 ...
WITH OPTIONS unit="2" AND tglWords="10" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
AND 後方共起: (語彙素 LIKE "[男女]" AND (語彙素読み="オ...
WITH OPTIONS unit="2" AND tglWords="10" AND limitToSelfS...
endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16L...
-「検索課題」配付資料
***補足
-[[ジップの法則>http://ja.wikipedia.org/wiki/%E3%82%B8%E3...
**2014/05/23
-資料「『中納言』の使い方」つづき 2.6～
***検索条件式の利用
キー: 語彙素 = "玉葱" WITH OPTIONS unit="1" AND tglWords...
AND endOfLine="CRLF" AND tglKugiri="|" AND encoding="UT...
***検索結果をExcelで利用する
-前回資料（4.）参照
***「中納言」検索結果のダウンロードとExcelでの利用
+ダウンロード
+アーカイブの展開（解凍）
+Excelでインポート
***【重要】ピボットテーブルの使い方
-ピボットテーブル
-ピボットグラフ
**2014/5/16
***「中納言」の利用：形態論情報を使った検索
-配布資料「『中納言』の使い方」
--1.３つの検索方法 ～ 2.5ワイルドカード まで
**2014/5/9
***「中納言」利用申込み
-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...
**コーパスの形態論情報
***短単位と長単位
-''（配付資料）''参照
-''（スライド）''参照
***品詞体系
-BCCWJはUniDicの品詞体系にもとづく
--形態論情報の例
-----
#include(授業資料/UniDicの品詞体系,notitle)
-----
#include(授業資料/UniDicの見出し語階層,notitle)
-----
***形態論情報を活かした検索
-「中納言」での指定方法
//-資料「『中納言』概説・実習」参照
**2014/5/2
***「中納言」利用申込み
-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...
***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2回コーパスの設計とサンプリング>https://www.dropbox...
-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/...
--[[BNCリファレンスガイド>http://www.natcorp.ox.ac.uk/doc...
-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>http://www.ninja...
--[[現代日本語書き言葉均衡コーパス：サンプリング>http://w...
**2014/4/25
***「中納言」利用申込み
-申込用紙を配布します。''押印して次回、必ず持ってきてくだ...
***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>http://shonagon.ninjal.ac.jp]]
--登録不要
--文字列検索のみ
--500例まで表示
-[[BCCWJ中納言>http://chunagon.ninjal.ac.jp]]
--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...
: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...
-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...
-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>https://www.dropbox.com/s/pjzsmnlda...
**2014/04/18
***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 htt...
-コーパスとは
--[[国立国語研究所コーパス開発センター>http://www.ninjal....
--[[形態素解析辞書UniDic>http://sourceforge.jp/projects/u...
-デモ
-「現代日本語書き言葉均衡コーパス（BCCWJ）」
--BCCWJ[[少納言>http://shonagon.ninjal.ac.jp]]
--BCCWJ[[中納言>http://chunagon.ninjal.ac.jp]]
-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>http://www.ogiso.net/wiki/index.php?plugin=a...
--この授業の目的
--授業の進め方
--評価方法
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
