*日本語学講義(I) 日本語コーパス研究 [#nfef3a22] -授業に関するメールはこちらへ。小木曽 智信: ogiso@ogiso.net -[[授業資料/用語集リンク]] (わからないコンピュータ用語を調べてください) -授業フォルダ \\Linkstation\share\日本語コーパス //--[[シラバス>https://syllabus.hit-u.ac.jp/WebSyllabus/Syllabus/WFS02030S.aspx?target=_blank]] //**第6回 mini-corpus //edamame //**第5回 Excel //応用:Excelの列をエディタで編集 //**第4回 2009/05/01 正規表現 //-正規表現全般 //-タグ付き正規表現 // //***ひまわりの利用 // **第3回 2009/04/24 テキストエディタの利用 [#h5039c4a] -復習 --検索で初出行を調べる --置換で用例数を数える -grepとタグジャンプ --grep --タグジャンプ --grep結果の保存 ***grepと置換でKWIC(CSVファイル)を作る [#u3ab2d6f] -grep結果の置換による整形 -CSVファイルとは:テキストファイルで表を表現する [[用語:CSVファイル>http://e-words.jp/w/CSV.html]] -CSVファイルをExcelで開く -KWIC:KeyWord In Context ***テキストファイルと拡張子 [#c15ea011] -[[拡張子(wikipedia)>http://ja.wikipedia.org/wiki/%E6%8B%A1%E5%BC%B5%E5%AD%90]] -拡張子辞典:http://jisyo.com/viewer/list/list.html -TXT,CSV,HTM・・・ ***ショートカットキー [#f0022be4] -[[授業資料/覚えておきたいショートカットキー]] ***正規表現とは [#d216d4e0] -''正規表現'' [[>用語>http://e-words.jp/w/E6ADA3E8A68FE8A1A8E78FBE.html]] --文字を表すための特殊な文字(メタ文字) --置換・検索・grepで利用できる --記号はすべて半角 --特殊文字そのものを表す場合には\でエスケープする(特殊な意味を打ち消す) 例:1\+2 -文字クラス [ ] -文字クラスの否定(補集合)[^ ] -繰り返し ? + * **第2回 2009/04/17 テキストデータとテキストエディタ [#g53e1e46] ***コーパスについて [#k44345b6] この授業ではBCCWJ(モニター公開版)・太陽コーパスのほか、青空文庫・国会会議録などの広義のコーパスも取り扱う。 -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。 --Kotonoha (BCCWJ / CSJ / 太陽コーパス) -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、言語研究に利用可能。 --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 / 国会会議録) --Webデータ ---検索サイトの利用 ---WAC(Web as Corpus) ***授業で利用する主なソフトウェア [#i06478d2] |''[[秀丸エディタ>http://hide.maruo.co.jp/software/hidemaru.html]]''|テキストエディタ|検索・整形| |''[[ひまわり>http://www.kokken.go.jp/lrc/index.php?%C1%B4%CA%B8%B8%A1%BA%F7%A5%B7%A5%B9%A5%C6%A5%E0%A1%D8%A4%D2%A4%DE%A4%EF%A4%EA%A1%D9]]''|全文検索ソフト|検索・分析| |''[[MeCab>http://mecab.sourceforge.net/]]''|形態素解析器|形態素解析| |''[[UniDic>http://download.unidic.org]]''|形態素解析辞書|~| |''[[Excel>http://office.microsoft.com/ja-jp/excel/default.aspx]]''|表計算ソフト|集計・分析・グラフ作成| |''[[Access>http://office.microsoft.com/ja-jp/access/default.aspx]]''|データベースソフト|集計・分析| |''[[Word>http://office.microsoft.com/ja-jp/word/default.aspx]]''|ワープロ|レポート作成| このほかにWeb上で利用できるサービスも取り上げます。 最初に、テキストエディタを使ってテキストデータを扱うことからはじめます。 -共有フォルダの確認 --マイネットワーク>share>日本語コーパス ***テキストデータ [#wee47413] 全ての基本。テキストデータ≒テキストファイル≒電子化テキスト -テキストデータとはどんなものか --[[授業資料/テキストデータとは]] --[[授業資料/テキストデータ紹介]](広義のコーパス) ---参考 [[『国会会議録を使った日本語研究』>http://www.hituzi.co.jp/books/299.html]] #amazon(4894762994) --[[授業資料/文字コード関連リンク]] ***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基礎 [#l73e457c] -スタイル行番号(ワープロ的行番号)と論理行番号(エディタ的行番号) --cf. 見た目 と 構造 -検索と置換 -grep **2009/04/10 イントロダクション [#p494942d] -[[自己紹介]] -国語研コーパスの紹介([[KOTONOHA>http://www.kokken.go.jp/kotonoha/]]) --現代日本語書き言葉均衡コーパス(BCCWJ) [[日本語コーパス>http://www.tokuteicorpus.jp/]]:http://www.tokuteicorpus.jp/ --日本語話し言葉コーパス(CSJ) --太陽コーパス -授業の進め方について --シラバス確認 -デモンストレーション --茶まめ(形態素解析)+Excel -受講者アンケート --専門・関心領域 --PCスキル