九大2021
をテンプレートにして作成
開始行:
*九州大学：国語学講義 III / 日本語学方法論特論 III [#td0e...
**コーパス日本語学 [#f20f4b84]
-前期木曜2限：10:30-12:00
-Mail: ogiso@ogiso.net
//-初回（2021年4月8日）の授業は下記のZoomミーティングで行...
//--https://zoom.us/j/95570759062
//-パスコードは授業シラバスのページの特記事項の欄を見てく...
//-''&color(red){2021年4月15日以降の授業はTeamsミーティン...
//-''2021年4月15日以降の授業はTeamsミーティングで行います...
-授業はTeamsミーティングで行います。授業のURLは下記の[[Mo...
--&color(red){https://moodle.s.kyushu-u.ac.jp/course/view...
//--コースはMoodleで「コーパス日本語学」や「小木曽」で検...
------
//-''質問コーナー''（授業のことで質問があったら下記に記入...
//--https://moodle.s.kyushu-u.ac.jp/mod/questionnaire/vie...
-[[中納言>https://chunagon.ninjal.ac.jp]] https://chunago...
**期末レポートについて [#s2b660c6]
-授業で紹介したコーパスや調査手法を活かして、日本語の研究...
-〆切：8月24日
-分量：A4用紙で3～10枚
-提出先：Moodleの下記アドレスから提出
--https://moodle.s.kyushu-u.ac.jp/mod/assign/view.php?id=...
--都合によってメールで送る場合はメール本文とWordファイル...
--埋め込みデータによってWordファイルのサイズが大きくなり...
**7月29日（第15回：最終回） レポートについて [#mfc93265]
-国語研「通時コーパス」のアルバイトについて
--今日3時から説明会（録画あり）
-総研大について
--https://www.soken.ac.jp/news/7062/
***コロケーション強度（補足） [#b716b964]
-コロケーション計算シート（BCCWJ語彙表対応）
--https://moodle.s.kyushu-u.ac.jp/mod/resource/view.php?i...
***特徴語抽出 [#y8625f01]
複数コーパスの語彙を比較してコーパスに特徴的な語を抽出する
-[[授業資料/対数尤度比による特徴語抽出]]
***Wordでレポートを書く [#pc6b7b3b]
文書の構造化とWordの使い方（レポートの書き方）
-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
-ページ番号*
-PDFとして保存（ブックマークを付加）*
***レポートの構成について [#ee2b2c83]
-[[IMRAD>https://ja.wikipedia.org/wiki/IMRAD]]
***いっそうのコーパス活用のために [#icbefa10]
-この授業は基本的に''Excel（＋エディタ）縛り''
-より進んだコーパス活用のために、下記の知識を身につけると...
--（参考リンク）[[『日本語歴史コーパス』 活用ワークショッ...
-Python
--例：[[Colaboratory/正規表現でテキストの前処理>https://c...
-R
--例：[[授業資料/Rの利用]]
-SQL (関係データベース)
--[[CHJBootCamp2019/DAY1-1]]
**7月15日（第14回） 正規表現を使ったインラインタグの利用...
***アルバイトについて [#w1d9fe7a]
-通時コーパスでアルバイトを募集中（在宅・長期）
-小木曽までメールを
***レポートテーマについて [#l6cf653b]
***正規表現を使った「中納言」インラインタグの利用 [#j317b...
-前後文脈に埋め込んだタグから、エディタと正規表現を使って...
-例：「こそ～已然形」の上接語と結びを取り出す
-例：形容詞の連続を取り出して傾向を調べる
--cf.英語：OPSHACOM
※同じことは、文字列関数の組み合わせや、キーの位置を変えた...
***コロケーション強度 [#y45adc9c]
-[[授業資料/コロケーション強度]]
--参考資料：[[小木曽（2014）「コーパス活用の勘所(第6回)【...
-「玉葱」と共起する動詞の例
--https://moodle.s.kyushu-u.ac.jp/mod/resource/view.php?i...
-[[VLOOKUP>授業資料/VLOOKUP関数]]で、語彙表から調査対象語...
--https://moodle.s.kyushu-u.ac.jp/mod/resource/view.php?i...
--BCCWJ語彙表 https://ccd.ninjal.ac.jp/bccwj/bcc-chu.htm
--CHJ語彙表 https://ccd.ninjal.ac.jp/chj/chj-wc.html
------
''&color(red){※以下、前回補足};''
***タグ付き正規表現 [#z9ef50e5]
-走[らりるれろ] でgrepした結果を置換するにはどうしたらい...
--次のように置換するととんでもないことに…
---検索文字列：走[らりるれろっ]
---置換文字列：★走[らりるれろっ]
-タグ付き正規表現・カッコ（半角丸カッコ）と\1（\2，\3…）...
-[[授業資料/タグつき正規表現]]
***最長一致の原則（greedy matching） [#y047e9bd]
-正規表現は、パターンが一致する最も長い範囲にマッチする
--例：''あ+'' → ''【\1】''
---ああああああああ → 【ああああああああ】
そのせいで…
--例：''「(.+)」'' → ''【\1】''
---「こんにちは」「さようなら」 → 【こんにちは」「さよう...
--括弧の組ごとに置換するためには''「([^」]+)」'' → ''【\1...
---「こんにちは」「さようなら」 → 【こんにちは】【さよう...
-よりかんたんに指定するには（最短一致，ものぐさ指定）
--''「(.+?)」「(.*?)」''のように、繰り返し指定の+*の後に...
-（参考）タグ付き正規表現の応用：[[grepと置換でKWICを作る...
***検索文字列の中での後方参照 [#ra28185d]
-検索語の中で\1を使う
--(..)\1 「ころころ」「毎日毎日」など二文字の繰り返しに...
--(.ろ)\1 「ころころ」「どろどろ」「へろへろ」などにマッチ
--(..)\1\1
--(...)\1
***正規表現に関する参考資料 [#w86de08b]
-サクラエディタの正規表現：http://sakura-editor.sourcefor...
-正規表現に関する本 [[amazonで検索>https://www.amazon.co...
**7月8日（第13回） テキストエディタと正規表現によるデー...
***レポートテーマ（仮）提出について [#qc4c8d52]
-''&color(red){次回7月15日までに下記のアンケートで期末レ...
--複数でも、今後変更しても構いません。現時点で考えている...
--可能な範囲で、コーパス調査への適否や調査方法などについ...
-提出先：https://moodle.s.kyushu-u.ac.jp/mod/assign/view....
***デモ [#ob57bd7c]
Excelで中納言検索結果の列を丸ごとコピーし、エディタで整形...
-前後文脈の整理（キーが現れた文以外を消す）
--前文脈：.+#((を空文字列に置換。以下同じ)) 後文脈：#.+
-値の一部を取り出す
--品詞大分類：-.+ ジャンル大分類：/.+
※慣れると文字列関数よりも早くて便利
***テキストデータについて [#k896318b]
-テキストデータとは：すべての基本、文字が並ぶだけのデータ
-[[授業資料/テキストデータとは]]
--バイナリデータとテキストデータ
-テキストファイルの拡張子：TXT,CSV,HTM…
--ファイルの種類と拡張子 参考：[[拡張子辞典>http://www.ji...
--[[拡張子(wikipedia)>http://ja.wikipedia.org/wiki/%E6%8B...
-サンプルデータ
--★[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tk...
***テキストエディタ [#q7ae852c]
-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ダウンロードとインストール [#bf5ea59f]
-★[[サクラエディタのダウンロード:https://github.com/sakur...
---(参考) サクラエディタホームページ：https://sakura-edit...
-インストールの手順
--ダウンロードしたzipファイルの中にあるsakura-install*.ex...
--exeファイルを右クリックして「セキュリティ」の右の「許可...
--ダブルクリックしてインストール
***Macの場合（miのダウンロードとインストール） [#c84ab588]
-miのダウンロード https://www.mimikaki.net/
--ダウンロードされたファイルをダブルクリック
***テキストエディタの基本操作 [#ub1360ec]
-検索・置換、grep
--検索で初出行を調べる
--置換で用例数を数える
--grepで用例リストを作る
--タグジャンプで文脈を確認する
-たいていのことはショートカットキーでできる
***正規表現とは [#d216d4e0]
-''正規表現'' [[＞用語>http://e-words.jp/w/E6ADA3E8A68FE...
--文字を表すための特殊な文字（メタ文字）を使って文字列の...
--テキストエディタでは置換・検索・grepで利用できる （エ...
--特殊な文字（メタ文字）はすべて半角
//--特殊な文字そのものを表す場合には\でエスケープする（特...
***正規表現を使ってみる [#u471d57b]
-文字クラス
--例：読[まみむめもん]
---半角ブラケットの中に文字を並べる→並べた文字いずれか1文字
***正規表現のいろいろ [#q514651f]
-[[授業資料/正規表現]]
--文字クラス [ ]
--文字クラスの否定（補集合）[^ ]
--繰り返し ? + *
--グループ化 ()
--or（論理和） |
--文頭 ^、文末 $
***正規表現の応用 [#c7a3ea2d]
-カタカナ語
--カタカナ（外来語）の形容動詞語幹
-送りがなの揺れ（行う／行なう）
-会話文中（"「"で始まる文中）の用例を検索する
-同一文中での共起
--全然～ない。
--もし～なら（ば）
**7月1日（第12回） VLOOKUP関数の利用[#c5066ccc]
***VLOOKUP関数の利用 [#tf76047b]
-[[授業資料/VLOOKUP関数]]参照
***辞書引き集計 [#k380e1c9]
自分で作った（または誰かが用意してくれた）辞書データ（コ...
-例：形容詞の意味分類付与
--（参考）分類語彙表 https://ccd.ninjal.ac.jp/goihyo.html
***アノテーションの利用 [#qbe9ddda]
自分で作った（または誰かが用意してくれた）コーパスへのア...
-例：中古ラレルの用法分類
--[[『日本語歴史コーパス』中古「る」「らる」用法分類アノ...
------
***「中納言」インラインタグ機能の利用 [#h1e23ecf]
-前後文脈に埋め込んだタグから、必要な情報を取り出して利用
--エディタと正規表現を使うと便利
---（参考）[[授業資料/正規表現]]
**6月24日（第11回） 文字列関数の利用 [#adc99055]
***Excelの文字列関数 [#r56f9082]
集計に必要な情報をフィールドから切り出すことで集計に使う
-[[授業資料/EXCELの文字列関数]]参照
-（参考）Mac版Excelと文字種
--フィルタのオプションで平仮名と片仮名が区別されないので...
---=unicode(文字列) ：文字列の先頭文字の文字コード（Unico...
**6月17日（第10回） 調整頻度の計算[#kb5ce1d6]
***ランダムサンプリング調査（再） [#eaabe4ad]
-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...
-例：「られる」「全然」
***出現サンプル数の調査（重複の削除） [#ma197696]
用例数ではなく、用例が一つでも出現したサンプルの数を調べ...
-たとえば同一サンプル内での繰り返しが多いものを調査すると...
--「データ」→「重複の削除」
-例：「俺・僕・私」
***BCCWJ利用の落とし穴 [#le968f3e]
-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...
--→調整頻度の計算
---cf.人口あたりの事故件数，１平方キロあたりの…etc.
-BCCWJの語数
--https://ccd.ninjal.ac.jp/bccwj/bcc-chu-suw.html
-短単位語数表をピボットテーブルで集計
--短単位語数表：http://doi.org/10.15084/00003226
***調整頻度（pmw） [#v1c12e52]
-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（pmw）がよく使われる
--粗頻度/コーパス総語数*1000000
---数字が小さくなりすぎないようにするため
-例：「パソコン」「立ち上げる」
-例：「矢張り」
-※割合を比較するだけなら調整頻度を出す必要はない。
***（Excel基礎）セルの相対参照と絶対参照 [#e418e4aa]
-A1：相対参照
-$A$1：絶対参照
-$A1：列のみ絶対参照
***調整頻度の例：『日本語歴史コーパス』[#ac7fae2a]
-頻度で見る「あはれ」「をかし」と源氏・枕
--※最低限、調査対象の語数を考慮した（＝調整頻度による）比...
**6月10日（第9回） Excelによる検索結果の集計2 ：ちょっ...
***複数の検索結果の結合（復習） [#l9b3620b]
-例：ワイン・葡萄酒 ※単位数が違うので検索条件式でも一つ...
キー: 語彙素="ワイン";
キー: 語彙素="葡萄" AND 後方共起: 語彙素="酒" ON 1 WORDS...
一度にピボットテーブルで集計できるように一つの表にまとめる
-※必ず表をくっつけること（空行を入れるとそこで表が切れて...
ショートカットキーを活用すると便利
-Ctrl((Macの場合はCommand))+End((EndキーはノートPCではし...
-Shift+Ctrl+End((EndがFn+→の場合は、Shift+Ctrl+Fn+→を同時...
+表をコピー
--Ctrl+Home((EndキーはノートPCではしばしばFn+←))（表の左...
+コピーした表を既存の表の下に貼り付け
--Ctrl+↓（表の一番下の行に移動）, ↓（1行下へ）, Ctrl+V（...
***（補足）ショートカットキーについて [#da449f25]
-[[授業資料/覚えておきたいショートカットキー]]
***集計用の列を自分で用意する [#ccae4a87]
-検索例：蒲公英・向日葵・蓮華
--表記（ひらがな・カタカナ・漢字）別集計
-応用：用法分類などなど
***ランダムサンプリング調査 [#j4516bb3]
-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...
-例：「られる」「全然」
**6月3日（第8回） 「Excelによる検索結果の集計 [#ja1397c8]
-[[中納言の使い方 (PDF)>https://moodle.s.kyushu-u.ac.jp/p...
--6.3. 検索結果のダウンロードから
***「中納言」検索結果のダウンロードとExcelでの利用 [#m04a...
+ダウンロード
+Excelでインポート
-データの形式
--タブ区切りテキストの各列
***Excelの基礎 [#t5ba152a]
-並べ替え（ソート）
--反転前文脈の使い方
-フィルタ（絞り込み）
--テキストフィルタ
--多重フィルター（複数の条件指定）
***【重要】ピボットテーブルの使い方 [#d0a7589d]
-ピボットテーブル
-ピボットグラフ
--例：CHJの犬と猫
//***「中納言」の検索指定についての質問 [#q4de9556]
//「中納言」の検索指定のやりかたについて、質問があったら...
//--https://moodle.s.kyushu-u.ac.jp/mod/questionnaire/vie...
**5月27日（第7回） 「中納言」の使い方2：検索条件の指定 [#...
-「中納言」 https://chunagon.ninjal.ac.jp/
--BCCWJ: https://chunagon.ninjal.ac.jp/bccwj-nt
--CHJ: https://chunagon.ninjal.ac.jp/chj
-[[中納言の使い方 (PDF)>https://moodle.s.kyushu-u.ac.jp/p...
--3.5から
//***前回の復習と質問 [#q4de9556]
//「中納言」の検索指定のやりかたについて、質問があったら...
//--https://moodle.s.kyushu-u.ac.jp/mod/questionnaire/vie...
***位置情報と用例へのパーマリンク [#fecf8e21]
-位置検索
--''サンプルID,開始位置''((サンプル先頭からの文字数を10倍...
--位置検索での区切り記号はカンマのほかタブやスペースでも可
-用例へのpermalink
--CHJ源氏冒頭の「やんごとなし」：https://chunagon.ninjal....
***検索条件式の利用 [#wa3409db]
キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
AND 後方共起: 語彙素="言葉" ON 1 WORDS FROM キー
WITH OPTIONS tglKugiri="|" AND tglBunKugiri="#" AND lim...
AND tglFixVariable="2" AND tglWords="20" AND unit="1" AN...
***検索結果のダウンロードとExcelでの利用 [#y34bd27c]
-並べ替え（ソート）
-フィルター（絞り込み）
--テキストフィルター
--多重フィルター（複数の条件指定）
-ピボットテーブル★
--ピボットグラフ
**5月20日（第6回） コーパス検索アプリケーション「中納言」...
-「中納言」 https://chunagon.ninjal.ac.jp/
--BCCWJ: https://chunagon.ninjal.ac.jp/bccwj-nt
--CHJ: https://chunagon.ninjal.ac.jp/chj
-[[中納言の使い方>https://moodle.s.kyushu-u.ac.jp/pluginf...
**5月13日（第5回） コーパスの形態論情報(2) [#j39590ef]
***品詞体系 [#d6776112]
-BCCWJ・CHJは[[UniDic>https://ja.osdn.net/projects/unidic...
--[[授業資料/UniDicの品詞体系]]
--[[授業資料/UniDicの見出し語階層]]
***形態素解析を試してみる [#gf5bf622]
-[[Web茶まめ>https://chamame.ninjal.ac.jp/]]
--https://chamame.ninjal.ac.jp/
***形態素解析とその仕組み [#hf81dcf2]
-[[授業資料/形態素解析]]
***中納言の使い方 [#mf5d144c]
-資料：[[中納言の使い方>https://moodle.s.kyushu-u.ac.jp/p...
**5月6日（第4回） コーパスの形態論情報 [#ab202b7c]
//-''&color(red){都合により、30分程度遅れて開始します。（...
-''都合により、30分程度遅れて開始します。（11:00ごろ～12:...
***紙の資料からコーパスまで ～テキストの電子化とアノテー...
+(紙の)本文
+(紙の)総索引（コンコーダンス）
+電子テキスト：テキスト （199x年代～）
--[[授業資料/テキストデータ紹介]]
+構造化テキスト：テキスト+XMLによる構造化タグ （200x年代...
--[[太陽コーパス>https://ccd.ninjal.ac.jp/cmj/taiyou/]]など
+単語情報付きのコーパス：テキスト+XMLによる構造化タグ+形...
--[[現代日本語書き言葉均衡コーパス（BCCWJ）>https://ccd.n...
--[[日本語歴史コーパス（CHJ）>https://ccd.ninjal.ac.jp/ch...
***電子化とアノテーション（明六雑誌コーパスを例に） [#nb9...
-明六雑誌コーパス：https://ccd.ninjal.ac.jp/cmj/meiroku/
-ファイル形式と実例
++電子テキスト：プレーンテキスト
++構造化テキスト：XMLファイル
++単語情報付きデータ：単語情報を埋め込んだXML ／XMLファ...
--（発展）XMLの限界とスタンドオフアノテーション
-それぞれの利用アプリケーション
++電子テキスト：テキストエディタ＋grepなど
++構造化テキスト：全文検索システム[[「ひまわり」>https://...
++単語情報付きデータ：中納言（オンライン）／[[Chaki.Net>h...
***コーパスの形態論情報（1） [#w3c3c79b]
--https://ccd.ninjal.ac.jp/bccwj/morphology.html
-短単位と長単位
--[[（スライド）長単位と短単位>https://moodle.s.kyushu-u....
--[[長単位と短単位・資料>https://moodle.s.kyushu-u.ac.jp/...
--（参考）動画：コーパス検索システムの言語単位『短単位』 ...
-コーパス検索アプリケーション「中納言」と短単位と長単位
--[[中納言の使い方>https://moodle.s.kyushu-u.ac.jp/plugin...
**4月22日（第3回） コーパスの設計2 [#ab202b7c]
（''[[Moodleに置いたスライド>https://moodle.s.kyushu-u.ac...
-ともかく「[[中納言>https://chunagon.ninjal.ac.jp/]]」（[...
***「現代日本語書き言葉均衡コーパス」（BCCWJ）の構成とサ...
-https://ccd.ninjal.ac.jp/bccwj/
-均衡コーパス（Balanced corpus）
--「バランスがとれている」「代表性がある（representative...
--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★ここから↓（スライド41ページ）
--可変長と固定長
-著作権をめぐる問題
***「日本語歴史コーパス」（CHJ）の構成 [#x9f78d1c]
-https://ccd.ninjal.ac.jp/chj/
-残された資料に限りがある（そもそも偏りがある）歴史的なコ...
:近世以前|残されている資料が少なく、できるだけ（可能なら...
:近世（後期）以降|偏りはあるものの選べるだけの資料がある...
-[[『日本語歴史コーパス』>https://ccd.ninjal.ac.jp/chj/]]...
--中世以前は重要な資料をまるごと対象に
--近世の洒落本・人情本：年代・著者（・地域）のバランスを...
***近代語コーパスの場合 [#p0de8288]
-近代雑誌（現在はCHJの一部）
--多様な記事を含む「総合雑誌」を対象とすることでバランス...
--発行年での大まかなサンプリング
---[[「太陽コーパス」>https://ccd.ninjal.ac.jp/cmj/taiyou...
--その後の雑誌コーパスも8年おきに収録
---明六雑誌・東洋学芸雑誌・国民之友・太陽（・中央公論・文...
-近代小説
※明日の夕方に公開予定
--複数の有識者が日本語資料として選定・投票した結果（1980...
--https://www.jpling.gr.jp/taikai/happyo/yosi/2019/b/yosi...
***利用する側から見たコーパスの設計 [#p142476c]
-BCCWJでもCHJでも、どのように設計されているかを知らないと...
--サブコーパスのサイズを無視した比較
--バランスのとれていない項目間の単純比較（BCCWJの年代、CH...
**4月15日（第2回） コーパスの設計 [#d3ad8ff2]
***「中納言」のアカウントについて [#q6b1b11e]
-授業アカウントの配布
（以下、''[[Moodleに置いたスライド>https://moodle.s.kyush...
***コーパスとは [#t54768fa]
: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...
--現代日本語書き言葉均衡コーパス（BCCWJ） / 日本語歴史コ...
: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...
--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...
---[[「ひまわり」パッケージ>https://www2.ninjal.ac.jp/lrc...
--Web上のデータ
---検索サイトの利用
---WAC（Web as Corpus）
-言語学分野では前者、自然言語処理分野などでは後者の意味で...
-この授業で主に扱うのは狭義のコーパス。中でも「現代日本語...
***コーパスに求められるもの [#h042f3fe]
-コーパス以前の電子化日本語資料（とその限界）
--個人研究者による電子化テキスト
---cf. [[日本文学等テキストファイル(岡島昭浩)>http://www....
--出版社による電子出版物（CD-ROM）
---新潮文庫の100冊 etc.
--新聞のデータベース（CD-ROM）
---毎日新聞CD-ROM etc.
--Web上のテキストアーカイブ
---青空文庫 etc.
--Webそのもの
---Web as Corpus
-（現代語）コーパスへの要請
--大規模であること
--各種のテキストが含まれていて、ジャンルなどのバランスが...
--著作権の問題がないこと
--言語研究に利用できる情報がついていること
***「現代日本語書き言葉均衡コーパス」（BCCWJ）の構成とサ...
-https://ccd.ninjal.ac.jp/bccwj/
-均衡コーパス（Balanced corpus）
--「バランスがとれている」「代表性がある（representative...
--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 [#o1a9da5c]
-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>https://ccd.ninj...
--BCCWJの基本設計：https://ccd.ninjal.ac.jp/bccwj/basic-d...
--サンプリング：https://ccd.ninjal.ac.jp/bccwj/sampling.h...
--XMLによる電子化：https://ccd.ninjal.ac.jp/bccwj/XML.html
**4月8日（第1回）イントロダクション/日本語コーパスの紹介 ...
***イントロダクション [#z7ffa4ea]
-[[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...
--[[国立国語研究所コーパス開発センター>https://ccd.ninjal...
-（参考）国語研オープンハウス2020 https://www2.ninjal.ac...
--動画「日本語歴史コーパス」の紹介 https://youtu.be/tKvVR...
***授業内容等の確認 [#e55ee18f]
-[[シラバス>https://www2.lit.kyushu-u.ac.jp/~syllabus/cgi...
--この授業の目的
--授業の進め方
--評価方法
-受講者アンケート
--関心のある分野について
--PC等のスキルについて
***「中納言」アカウントについて [#t6709ede]
-「授業アカウント」について
-「中納言」オンライン利用申込み
--https://chunagon.ninjal.ac.jp/useraccount/register
***授業で利用する主なソフトウェア・Webアプリケーション（...
|ソフトウェアの種類・名前|利用目的|h
|[[コーパス検索アプリケーション''「中納言」''>https://chu...
|表計算ソフト''Excel''|ピボットテーブルによる分析・グラフ...
|[[Web茶まめ>https://chamame.ninjal.ac.jp/]]|形態素解析|
|[[テキストエディタ ''サクラエディタ''>http://sourceforge...
|ワープロ''Word''|「スタイル」を利用したレポート作成|
|[[全文検索ソフト''ひまわり''>https://www2.ninjal.ac.jp/l...
|[[R>https://www.r-project.org/]]|データの統計分析|
***授業内容デモ [#kc4ae1c5]
-コーパスの利用
--[[「現代日本語書き言葉均衡コーパス（BCCWJ）」>https://c...
---[[梵天（BCCWJ文字列検索）>https://bonten.ninjal.ac.jp/...
---[[中納言>https://chunagon.ninjal.ac.jp]]
--[[「日本語歴史コーパス（CHJ）」>https://ccd.ninjal.ac.j...
-Excelによる集計（ピボットテーブル）
-形態素解析
--[[Web茶まめ>https://chamame.ninjal.ac.jp]]
-テキストエディタとgrep
-全文検索システム[[ひまわり>https://www2.ninjal.ac.jp/lrc...
-[[R>https://www.r-project.org/]]
終了行:
*九州大学：国語学講義 III / 日本語学方法論特論 III [#td0e...
**コーパス日本語学 [#f20f4b84]
-前期木曜2限：10:30-12:00
-Mail: ogiso@ogiso.net
//-初回（2021年4月8日）の授業は下記のZoomミーティングで行...
//--https://zoom.us/j/95570759062
//-パスコードは授業シラバスのページの特記事項の欄を見てく...
//-''&color(red){2021年4月15日以降の授業はTeamsミーティン...
//-''2021年4月15日以降の授業はTeamsミーティングで行います...
-授業はTeamsミーティングで行います。授業のURLは下記の[[Mo...
--&color(red){https://moodle.s.kyushu-u.ac.jp/course/view...
//--コースはMoodleで「コーパス日本語学」や「小木曽」で検...
------
//-''質問コーナー''（授業のことで質問があったら下記に記入...
//--https://moodle.s.kyushu-u.ac.jp/mod/questionnaire/vie...
-[[中納言>https://chunagon.ninjal.ac.jp]] https://chunago...
**期末レポートについて [#s2b660c6]
-授業で紹介したコーパスや調査手法を活かして、日本語の研究...
-〆切：8月24日
-分量：A4用紙で3～10枚
-提出先：Moodleの下記アドレスから提出
--https://moodle.s.kyushu-u.ac.jp/mod/assign/view.php?id=...
--都合によってメールで送る場合はメール本文とWordファイル...
--埋め込みデータによってWordファイルのサイズが大きくなり...
**7月29日（第15回：最終回） レポートについて [#mfc93265]
-国語研「通時コーパス」のアルバイトについて
--今日3時から説明会（録画あり）
-総研大について
--https://www.soken.ac.jp/news/7062/
***コロケーション強度（補足） [#b716b964]
-コロケーション計算シート（BCCWJ語彙表対応）
--https://moodle.s.kyushu-u.ac.jp/mod/resource/view.php?i...
***特徴語抽出 [#y8625f01]
複数コーパスの語彙を比較してコーパスに特徴的な語を抽出する
-[[授業資料/対数尤度比による特徴語抽出]]
***Wordでレポートを書く [#pc6b7b3b]
文書の構造化とWordの使い方（レポートの書き方）
-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
-ページ番号*
-PDFとして保存（ブックマークを付加）*
***レポートの構成について [#ee2b2c83]
-[[IMRAD>https://ja.wikipedia.org/wiki/IMRAD]]
***いっそうのコーパス活用のために [#icbefa10]
-この授業は基本的に''Excel（＋エディタ）縛り''
-より進んだコーパス活用のために、下記の知識を身につけると...
--（参考リンク）[[『日本語歴史コーパス』 活用ワークショッ...
-Python
--例：[[Colaboratory/正規表現でテキストの前処理>https://c...
-R
--例：[[授業資料/Rの利用]]
-SQL (関係データベース)
--[[CHJBootCamp2019/DAY1-1]]
**7月15日（第14回） 正規表現を使ったインラインタグの利用...
***アルバイトについて [#w1d9fe7a]
-通時コーパスでアルバイトを募集中（在宅・長期）
-小木曽までメールを
***レポートテーマについて [#l6cf653b]
***正規表現を使った「中納言」インラインタグの利用 [#j317b...
-前後文脈に埋め込んだタグから、エディタと正規表現を使って...
-例：「こそ～已然形」の上接語と結びを取り出す
-例：形容詞の連続を取り出して傾向を調べる
--cf.英語：OPSHACOM
※同じことは、文字列関数の組み合わせや、キーの位置を変えた...
***コロケーション強度 [#y45adc9c]
-[[授業資料/コロケーション強度]]
--参考資料：[[小木曽（2014）「コーパス活用の勘所(第6回)【...
-「玉葱」と共起する動詞の例
--https://moodle.s.kyushu-u.ac.jp/mod/resource/view.php?i...
-[[VLOOKUP>授業資料/VLOOKUP関数]]で、語彙表から調査対象語...
--https://moodle.s.kyushu-u.ac.jp/mod/resource/view.php?i...
--BCCWJ語彙表 https://ccd.ninjal.ac.jp/bccwj/bcc-chu.htm
--CHJ語彙表 https://ccd.ninjal.ac.jp/chj/chj-wc.html
------
''&color(red){※以下、前回補足};''
***タグ付き正規表現 [#z9ef50e5]
-走[らりるれろ] でgrepした結果を置換するにはどうしたらい...
--次のように置換するととんでもないことに…
---検索文字列：走[らりるれろっ]
---置換文字列：★走[らりるれろっ]
-タグ付き正規表現・カッコ（半角丸カッコ）と\1（\2，\3…）...
-[[授業資料/タグつき正規表現]]
***最長一致の原則（greedy matching） [#y047e9bd]
-正規表現は、パターンが一致する最も長い範囲にマッチする
--例：''あ+'' → ''【\1】''
---ああああああああ → 【ああああああああ】
そのせいで…
--例：''「(.+)」'' → ''【\1】''
---「こんにちは」「さようなら」 → 【こんにちは」「さよう...
--括弧の組ごとに置換するためには''「([^」]+)」'' → ''【\1...
---「こんにちは」「さようなら」 → 【こんにちは】【さよう...
-よりかんたんに指定するには（最短一致，ものぐさ指定）
--''「(.+?)」「(.*?)」''のように、繰り返し指定の+*の後に...
-（参考）タグ付き正規表現の応用：[[grepと置換でKWICを作る...
***検索文字列の中での後方参照 [#ra28185d]
-検索語の中で\1を使う
--(..)\1 「ころころ」「毎日毎日」など二文字の繰り返しに...
--(.ろ)\1 「ころころ」「どろどろ」「へろへろ」などにマッチ
--(..)\1\1
--(...)\1
***正規表現に関する参考資料 [#w86de08b]
-サクラエディタの正規表現：http://sakura-editor.sourcefor...
-正規表現に関する本 [[amazonで検索>https://www.amazon.co...
**7月8日（第13回） テキストエディタと正規表現によるデー...
***レポートテーマ（仮）提出について [#qc4c8d52]
-''&color(red){次回7月15日までに下記のアンケートで期末レ...
--複数でも、今後変更しても構いません。現時点で考えている...
--可能な範囲で、コーパス調査への適否や調査方法などについ...
-提出先：https://moodle.s.kyushu-u.ac.jp/mod/assign/view....
***デモ [#ob57bd7c]
Excelで中納言検索結果の列を丸ごとコピーし、エディタで整形...
-前後文脈の整理（キーが現れた文以外を消す）
--前文脈：.+#((を空文字列に置換。以下同じ)) 後文脈：#.+
-値の一部を取り出す
--品詞大分類：-.+ ジャンル大分類：/.+
※慣れると文字列関数よりも早くて便利
***テキストデータについて [#k896318b]
-テキストデータとは：すべての基本、文字が並ぶだけのデータ
-[[授業資料/テキストデータとは]]
--バイナリデータとテキストデータ
-テキストファイルの拡張子：TXT,CSV,HTM…
--ファイルの種類と拡張子 参考：[[拡張子辞典>http://www.ji...
--[[拡張子(wikipedia)>http://ja.wikipedia.org/wiki/%E6%8B...
-サンプルデータ
--★[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tk...
***テキストエディタ [#q7ae852c]
-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ダウンロードとインストール [#bf5ea59f]
-★[[サクラエディタのダウンロード:https://github.com/sakur...
---(参考) サクラエディタホームページ：https://sakura-edit...
-インストールの手順
--ダウンロードしたzipファイルの中にあるsakura-install*.ex...
--exeファイルを右クリックして「セキュリティ」の右の「許可...
--ダブルクリックしてインストール
***Macの場合（miのダウンロードとインストール） [#c84ab588]
-miのダウンロード https://www.mimikaki.net/
--ダウンロードされたファイルをダブルクリック
***テキストエディタの基本操作 [#ub1360ec]
-検索・置換、grep
--検索で初出行を調べる
--置換で用例数を数える
--grepで用例リストを作る
--タグジャンプで文脈を確認する
-たいていのことはショートカットキーでできる
***正規表現とは [#d216d4e0]
-''正規表現'' [[＞用語>http://e-words.jp/w/E6ADA3E8A68FE...
--文字を表すための特殊な文字（メタ文字）を使って文字列の...
--テキストエディタでは置換・検索・grepで利用できる （エ...
--特殊な文字（メタ文字）はすべて半角
//--特殊な文字そのものを表す場合には\でエスケープする（特...
***正規表現を使ってみる [#u471d57b]
-文字クラス
--例：読[まみむめもん]
---半角ブラケットの中に文字を並べる→並べた文字いずれか1文字
***正規表現のいろいろ [#q514651f]
-[[授業資料/正規表現]]
--文字クラス [ ]
--文字クラスの否定（補集合）[^ ]
--繰り返し ? + *
--グループ化 ()
--or（論理和） |
--文頭 ^、文末 $
***正規表現の応用 [#c7a3ea2d]
-カタカナ語
--カタカナ（外来語）の形容動詞語幹
-送りがなの揺れ（行う／行なう）
-会話文中（"「"で始まる文中）の用例を検索する
-同一文中での共起
--全然～ない。
--もし～なら（ば）
**7月1日（第12回） VLOOKUP関数の利用[#c5066ccc]
***VLOOKUP関数の利用 [#tf76047b]
-[[授業資料/VLOOKUP関数]]参照
***辞書引き集計 [#k380e1c9]
自分で作った（または誰かが用意してくれた）辞書データ（コ...
-例：形容詞の意味分類付与
--（参考）分類語彙表 https://ccd.ninjal.ac.jp/goihyo.html
***アノテーションの利用 [#qbe9ddda]
自分で作った（または誰かが用意してくれた）コーパスへのア...
-例：中古ラレルの用法分類
--[[『日本語歴史コーパス』中古「る」「らる」用法分類アノ...
------
***「中納言」インラインタグ機能の利用 [#h1e23ecf]
-前後文脈に埋め込んだタグから、必要な情報を取り出して利用
--エディタと正規表現を使うと便利
---（参考）[[授業資料/正規表現]]
**6月24日（第11回） 文字列関数の利用 [#adc99055]
***Excelの文字列関数 [#r56f9082]
集計に必要な情報をフィールドから切り出すことで集計に使う
-[[授業資料/EXCELの文字列関数]]参照
-（参考）Mac版Excelと文字種
--フィルタのオプションで平仮名と片仮名が区別されないので...
---=unicode(文字列) ：文字列の先頭文字の文字コード（Unico...
**6月17日（第10回） 調整頻度の計算[#kb5ce1d6]
***ランダムサンプリング調査（再） [#eaabe4ad]
-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...
-例：「られる」「全然」
***出現サンプル数の調査（重複の削除） [#ma197696]
用例数ではなく、用例が一つでも出現したサンプルの数を調べ...
-たとえば同一サンプル内での繰り返しが多いものを調査すると...
--「データ」→「重複の削除」
-例：「俺・僕・私」
***BCCWJ利用の落とし穴 [#le968f3e]
-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...
--→調整頻度の計算
---cf.人口あたりの事故件数，１平方キロあたりの…etc.
-BCCWJの語数
--https://ccd.ninjal.ac.jp/bccwj/bcc-chu-suw.html
-短単位語数表をピボットテーブルで集計
--短単位語数表：http://doi.org/10.15084/00003226
***調整頻度（pmw） [#v1c12e52]
-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（pmw）がよく使われる
--粗頻度/コーパス総語数*1000000
---数字が小さくなりすぎないようにするため
-例：「パソコン」「立ち上げる」
-例：「矢張り」
-※割合を比較するだけなら調整頻度を出す必要はない。
***（Excel基礎）セルの相対参照と絶対参照 [#e418e4aa]
-A1：相対参照
-$A$1：絶対参照
-$A1：列のみ絶対参照
***調整頻度の例：『日本語歴史コーパス』[#ac7fae2a]
-頻度で見る「あはれ」「をかし」と源氏・枕
--※最低限、調査対象の語数を考慮した（＝調整頻度による）比...
**6月10日（第9回） Excelによる検索結果の集計2 ：ちょっ...
***複数の検索結果の結合（復習） [#l9b3620b]
-例：ワイン・葡萄酒 ※単位数が違うので検索条件式でも一つ...
キー: 語彙素="ワイン";
キー: 語彙素="葡萄" AND 後方共起: 語彙素="酒" ON 1 WORDS...
一度にピボットテーブルで集計できるように一つの表にまとめる
-※必ず表をくっつけること（空行を入れるとそこで表が切れて...
ショートカットキーを活用すると便利
-Ctrl((Macの場合はCommand))+End((EndキーはノートPCではし...
-Shift+Ctrl+End((EndがFn+→の場合は、Shift+Ctrl+Fn+→を同時...
+表をコピー
--Ctrl+Home((EndキーはノートPCではしばしばFn+←))（表の左...
+コピーした表を既存の表の下に貼り付け
--Ctrl+↓（表の一番下の行に移動）, ↓（1行下へ）, Ctrl+V（...
***（補足）ショートカットキーについて [#da449f25]
-[[授業資料/覚えておきたいショートカットキー]]
***集計用の列を自分で用意する [#ccae4a87]
-検索例：蒲公英・向日葵・蓮華
--表記（ひらがな・カタカナ・漢字）別集計
-応用：用法分類などなど
***ランダムサンプリング調査 [#j4516bb3]
-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...
-例：「られる」「全然」
**6月3日（第8回） 「Excelによる検索結果の集計 [#ja1397c8]
-[[中納言の使い方 (PDF)>https://moodle.s.kyushu-u.ac.jp/p...
--6.3. 検索結果のダウンロードから
***「中納言」検索結果のダウンロードとExcelでの利用 [#m04a...
+ダウンロード
+Excelでインポート
-データの形式
--タブ区切りテキストの各列
***Excelの基礎 [#t5ba152a]
-並べ替え（ソート）
--反転前文脈の使い方
-フィルタ（絞り込み）
--テキストフィルタ
--多重フィルター（複数の条件指定）
***【重要】ピボットテーブルの使い方 [#d0a7589d]
-ピボットテーブル
-ピボットグラフ
--例：CHJの犬と猫
//***「中納言」の検索指定についての質問 [#q4de9556]
//「中納言」の検索指定のやりかたについて、質問があったら...
//--https://moodle.s.kyushu-u.ac.jp/mod/questionnaire/vie...
**5月27日（第7回） 「中納言」の使い方2：検索条件の指定 [#...
-「中納言」 https://chunagon.ninjal.ac.jp/
--BCCWJ: https://chunagon.ninjal.ac.jp/bccwj-nt
--CHJ: https://chunagon.ninjal.ac.jp/chj
-[[中納言の使い方 (PDF)>https://moodle.s.kyushu-u.ac.jp/p...
--3.5から
//***前回の復習と質問 [#q4de9556]
//「中納言」の検索指定のやりかたについて、質問があったら...
//--https://moodle.s.kyushu-u.ac.jp/mod/questionnaire/vie...
***位置情報と用例へのパーマリンク [#fecf8e21]
-位置検索
--''サンプルID,開始位置''((サンプル先頭からの文字数を10倍...
--位置検索での区切り記号はカンマのほかタブやスペースでも可
-用例へのpermalink
--CHJ源氏冒頭の「やんごとなし」：https://chunagon.ninjal....
***検索条件式の利用 [#wa3409db]
キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
AND 後方共起: 語彙素="言葉" ON 1 WORDS FROM キー
WITH OPTIONS tglKugiri="|" AND tglBunKugiri="#" AND lim...
AND tglFixVariable="2" AND tglWords="20" AND unit="1" AN...
***検索結果のダウンロードとExcelでの利用 [#y34bd27c]
-並べ替え（ソート）
-フィルター（絞り込み）
--テキストフィルター
--多重フィルター（複数の条件指定）
-ピボットテーブル★
--ピボットグラフ
**5月20日（第6回） コーパス検索アプリケーション「中納言」...
-「中納言」 https://chunagon.ninjal.ac.jp/
--BCCWJ: https://chunagon.ninjal.ac.jp/bccwj-nt
--CHJ: https://chunagon.ninjal.ac.jp/chj
-[[中納言の使い方>https://moodle.s.kyushu-u.ac.jp/pluginf...
**5月13日（第5回） コーパスの形態論情報(2) [#j39590ef]
***品詞体系 [#d6776112]
-BCCWJ・CHJは[[UniDic>https://ja.osdn.net/projects/unidic...
--[[授業資料/UniDicの品詞体系]]
--[[授業資料/UniDicの見出し語階層]]
***形態素解析を試してみる [#gf5bf622]
-[[Web茶まめ>https://chamame.ninjal.ac.jp/]]
--https://chamame.ninjal.ac.jp/
***形態素解析とその仕組み [#hf81dcf2]
-[[授業資料/形態素解析]]
***中納言の使い方 [#mf5d144c]
-資料：[[中納言の使い方>https://moodle.s.kyushu-u.ac.jp/p...
**5月6日（第4回） コーパスの形態論情報 [#ab202b7c]
//-''&color(red){都合により、30分程度遅れて開始します。（...
-''都合により、30分程度遅れて開始します。（11:00ごろ～12:...
***紙の資料からコーパスまで ～テキストの電子化とアノテー...
+(紙の)本文
+(紙の)総索引（コンコーダンス）
+電子テキスト：テキスト （199x年代～）
--[[授業資料/テキストデータ紹介]]
+構造化テキスト：テキスト+XMLによる構造化タグ （200x年代...
--[[太陽コーパス>https://ccd.ninjal.ac.jp/cmj/taiyou/]]など
+単語情報付きのコーパス：テキスト+XMLによる構造化タグ+形...
--[[現代日本語書き言葉均衡コーパス（BCCWJ）>https://ccd.n...
--[[日本語歴史コーパス（CHJ）>https://ccd.ninjal.ac.jp/ch...
***電子化とアノテーション（明六雑誌コーパスを例に） [#nb9...
-明六雑誌コーパス：https://ccd.ninjal.ac.jp/cmj/meiroku/
-ファイル形式と実例
++電子テキスト：プレーンテキスト
++構造化テキスト：XMLファイル
++単語情報付きデータ：単語情報を埋め込んだXML ／XMLファ...
--（発展）XMLの限界とスタンドオフアノテーション
-それぞれの利用アプリケーション
++電子テキスト：テキストエディタ＋grepなど
++構造化テキスト：全文検索システム[[「ひまわり」>https://...
++単語情報付きデータ：中納言（オンライン）／[[Chaki.Net>h...
***コーパスの形態論情報（1） [#w3c3c79b]
--https://ccd.ninjal.ac.jp/bccwj/morphology.html
-短単位と長単位
--[[（スライド）長単位と短単位>https://moodle.s.kyushu-u....
--[[長単位と短単位・資料>https://moodle.s.kyushu-u.ac.jp/...
--（参考）動画：コーパス検索システムの言語単位『短単位』 ...
-コーパス検索アプリケーション「中納言」と短単位と長単位
--[[中納言の使い方>https://moodle.s.kyushu-u.ac.jp/plugin...
**4月22日（第3回） コーパスの設計2 [#ab202b7c]
（''[[Moodleに置いたスライド>https://moodle.s.kyushu-u.ac...
-ともかく「[[中納言>https://chunagon.ninjal.ac.jp/]]」（[...
***「現代日本語書き言葉均衡コーパス」（BCCWJ）の構成とサ...
-https://ccd.ninjal.ac.jp/bccwj/
-均衡コーパス（Balanced corpus）
--「バランスがとれている」「代表性がある（representative...
--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★ここから↓（スライド41ページ）
--可変長と固定長
-著作権をめぐる問題
***「日本語歴史コーパス」（CHJ）の構成 [#x9f78d1c]
-https://ccd.ninjal.ac.jp/chj/
-残された資料に限りがある（そもそも偏りがある）歴史的なコ...
:近世以前|残されている資料が少なく、できるだけ（可能なら...
:近世（後期）以降|偏りはあるものの選べるだけの資料がある...
-[[『日本語歴史コーパス』>https://ccd.ninjal.ac.jp/chj/]]...
--中世以前は重要な資料をまるごと対象に
--近世の洒落本・人情本：年代・著者（・地域）のバランスを...
***近代語コーパスの場合 [#p0de8288]
-近代雑誌（現在はCHJの一部）
--多様な記事を含む「総合雑誌」を対象とすることでバランス...
--発行年での大まかなサンプリング
---[[「太陽コーパス」>https://ccd.ninjal.ac.jp/cmj/taiyou...
--その後の雑誌コーパスも8年おきに収録
---明六雑誌・東洋学芸雑誌・国民之友・太陽（・中央公論・文...
-近代小説
※明日の夕方に公開予定
--複数の有識者が日本語資料として選定・投票した結果（1980...
--https://www.jpling.gr.jp/taikai/happyo/yosi/2019/b/yosi...
***利用する側から見たコーパスの設計 [#p142476c]
-BCCWJでもCHJでも、どのように設計されているかを知らないと...
--サブコーパスのサイズを無視した比較
--バランスのとれていない項目間の単純比較（BCCWJの年代、CH...
**4月15日（第2回） コーパスの設計 [#d3ad8ff2]
***「中納言」のアカウントについて [#q6b1b11e]
-授業アカウントの配布
（以下、''[[Moodleに置いたスライド>https://moodle.s.kyush...
***コーパスとは [#t54768fa]
: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...
--現代日本語書き言葉均衡コーパス（BCCWJ） / 日本語歴史コ...
: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...
--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...
---[[「ひまわり」パッケージ>https://www2.ninjal.ac.jp/lrc...
--Web上のデータ
---検索サイトの利用
---WAC（Web as Corpus）
-言語学分野では前者、自然言語処理分野などでは後者の意味で...
-この授業で主に扱うのは狭義のコーパス。中でも「現代日本語...
***コーパスに求められるもの [#h042f3fe]
-コーパス以前の電子化日本語資料（とその限界）
--個人研究者による電子化テキスト
---cf. [[日本文学等テキストファイル(岡島昭浩)>http://www....
--出版社による電子出版物（CD-ROM）
---新潮文庫の100冊 etc.
--新聞のデータベース（CD-ROM）
---毎日新聞CD-ROM etc.
--Web上のテキストアーカイブ
---青空文庫 etc.
--Webそのもの
---Web as Corpus
-（現代語）コーパスへの要請
--大規模であること
--各種のテキストが含まれていて、ジャンルなどのバランスが...
--著作権の問題がないこと
--言語研究に利用できる情報がついていること
***「現代日本語書き言葉均衡コーパス」（BCCWJ）の構成とサ...
-https://ccd.ninjal.ac.jp/bccwj/
-均衡コーパス（Balanced corpus）
--「バランスがとれている」「代表性がある（representative...
--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 [#o1a9da5c]
-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>https://ccd.ninj...
--BCCWJの基本設計：https://ccd.ninjal.ac.jp/bccwj/basic-d...
--サンプリング：https://ccd.ninjal.ac.jp/bccwj/sampling.h...
--XMLによる電子化：https://ccd.ninjal.ac.jp/bccwj/XML.html
**4月8日（第1回）イントロダクション/日本語コーパスの紹介 ...
***イントロダクション [#z7ffa4ea]
-[[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...
--[[国立国語研究所コーパス開発センター>https://ccd.ninjal...
-（参考）国語研オープンハウス2020 https://www2.ninjal.ac...
--動画「日本語歴史コーパス」の紹介 https://youtu.be/tKvVR...
***授業内容等の確認 [#e55ee18f]
-[[シラバス>https://www2.lit.kyushu-u.ac.jp/~syllabus/cgi...
--この授業の目的
--授業の進め方
--評価方法
-受講者アンケート
--関心のある分野について
--PC等のスキルについて
***「中納言」アカウントについて [#t6709ede]
-「授業アカウント」について
-「中納言」オンライン利用申込み
--https://chunagon.ninjal.ac.jp/useraccount/register
***授業で利用する主なソフトウェア・Webアプリケーション（...
|ソフトウェアの種類・名前|利用目的|h
|[[コーパス検索アプリケーション''「中納言」''>https://chu...
|表計算ソフト''Excel''|ピボットテーブルによる分析・グラフ...
|[[Web茶まめ>https://chamame.ninjal.ac.jp/]]|形態素解析|
|[[テキストエディタ ''サクラエディタ''>http://sourceforge...
|ワープロ''Word''|「スタイル」を利用したレポート作成|
|[[全文検索ソフト''ひまわり''>https://www2.ninjal.ac.jp/l...
|[[R>https://www.r-project.org/]]|データの統計分析|
***授業内容デモ [#kc4ae1c5]
-コーパスの利用
--[[「現代日本語書き言葉均衡コーパス（BCCWJ）」>https://c...
---[[梵天（BCCWJ文字列検索）>https://bonten.ninjal.ac.jp/...
---[[中納言>https://chunagon.ninjal.ac.jp]]
--[[「日本語歴史コーパス（CHJ）」>https://ccd.ninjal.ac.j...
-Excelによる集計（ピボットテーブル）
-形態素解析
--[[Web茶まめ>https://chamame.ninjal.ac.jp]]
-テキストエディタとgrep
-全文検索システム[[ひまわり>https://www2.ninjal.ac.jp/lrc...
-[[R>https://www.r-project.org/]]
ページ名:
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
