上智2017/国語学演習Ⅲa の履歴(No.7) - OGI-Wiki

国語学演習Ⅲa

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