成蹊2022
応用日本語講座（日本語・日本文学のためのコンピュータ）†
作品数の調査（用例数ではなく）†
- たとえば人称代名詞のように、一つの作品に偏って大量に用例がある場合
テキストエディタで「ひまわり」の検索結果を加工する†
06/10 さまざまな集計方法／レポートについて†
課題（復習）†
Himawari＋青空文庫(文学作品)パッケージを使って、「悲し」と「哀し」を検索し、検索結果にExcel上で作家の生年代（10年刻み）を付与したうえで、ピボットテーブルで集計して、生年代別に「悲し」「哀し」の用例数を示す表と使用割合を示すグラフを作成しなさい。
分類用の列を作って集計する†
サンプリング調査†
- 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数字が固定される
複数の検索結果を結合する†
一度にピボットテーブルで集計できるように検索結果1の表の下に検索結果2（列名なし）を貼り付けて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いると認識される）
ショートカットキーを活用すると便利
- Ctrl+↓（表の一番下の行に移動）, ↓（1行下へ）, Ctrl+V（貼り付け）
レポートテーマについて(予告)†
- 授業で紹介したエディタやひまわり、中納言、表計算ソフトの使い方を活かして、たとえば次のようなテーマでレポートをまとめてもらいます。データは授業で配布・紹介したものを自由に利用してください。
- 例：作家ごとの言葉の使い方の違い
- 例：類義語の意味の違い
- 例：語の用法の変化
- 例：語形・（表記）のゆれ
- などなど
06/03 検索結果のExcelによる集計(2)†
(復習)ピボットテーブルの使い方†
ひまわり検索結果をExcelで扱う†
- 例：「それきり」「それぎり」
- 「気持ち」「心持ち」
生年代による集計（通時的変化）†
- 文字列処理関数の利用
- 例： =LEFT(<文字列>,<文字数>)*1
- 生年代： =LEFT(<生年月日が入っているセル>,3)*10
- 生年月日データの書式について
- 下記の手順で「青空文庫」の生年月日が書式の自動変換でおかしくなるのを防ぐ必要がある
- Excelでは1900年以前の年月日は文字列、それ以降は日付として認識されるため
- Himawariで「すべて選択」後、「すべて選択」「コピー（列名含む）」をする
- Excelで生年月日の列が貼り付けられることになる列（NとO）を丸ごと選択し、書式を「文字列」とする
- Excelに貼り付ける
05/27 検索結果のExcelによる集計†
正規表現小テスト：答え合わせ†
「ひまわり」とその使い方†
ひまわり検索結果をExcelで扱う†
Excelの基本操作†
- 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【重要】
05/20 全文検索システム「ひまわり」†
全文検索システム「ひまわり」について†
「ひまわり」のインストール†
- ひまわり のダウンロードページからプログラム本体（zipファイル）をダウンロード
- zipファイルを右クリックしてプロパティを見る→「セキュリティ」の右の「許可する」をチェックして「OK」
- ダブルクリックして開き、中のフォルダをまるごと（USBメモリに）コピー
- フォルダ内のhimawari.exeをダブルクリックで起動（MacはHimawari.jar、または最初からMac版をインストール）
「青空文庫パッケージ」のインストール†
- 青空文庫パッケージのダウンロード
- ひまわり用「青空文庫」パッケージのダウンロードページから「日本文学／小説(ndc913) 」をダウンロードして保存
- himawari.exeを起動
- Himawari画面上にダウンロードしたzipファイルをドラッグ＆ドロップ*2
- しばらく待つと完了（数分から10分程度はかかる）
- 要らなくなったUSBメモリ上の青空文庫パッケージzipファイルは不要なので削除する
「ひまわり」とその使い方†
前回補足：Wordのワイルドカードと正規表現†
正規表現小テスト†
05/13 正規表現の応用／タグ付き正規表現†
ゲームの紹介†
- 正規表現を学ぶ狩りに出ようRegex Hunting
正規表現の応用†
- カタカナ語
- 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
タグ付き正規表現†
- 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いか
- 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…）を使う
- 授業資料/タグつき正規表現
最長一致の原則（greedy matching）†
- 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」「さようなら】
- 括弧の組ごとに置換するためには「([^」]+)」 → 【\1】 のように書かなければならない
- 「こんにちは」「さようなら」 → 【こんにちは】【さようなら】
- 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「?」をつける
検索文字列の中での後方参照†
- 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マッチ
- (.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†
「ひまわり」の準備†
05/06 正規表現†
正規表現を使ってみる†
- 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
正規表現とは†
- 正規表現 ＞用語
- 文字を表すための特殊な文字（メタ文字）を使って文字列のパターンを表現する
- テキストエディタでは置換・検索・grepで利用できる （エディタ以外にもさまざまなアプリケ－ションやコンピュータ言語で利用されている）
- 特殊な文字（メタ文字）はすべて半角
正規表現のいろいろ†
- 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 $
04/29（授業実施日） テキストエディタの利用†
放送予定†
- チコちゃんに叱られる! 4月29日(金)午後7:57
テキストデータ（青空文庫）の配布†
- 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
ショートカットキー†
grepと置換でKWIC(CSVファイル)を作る（簡易版）†
- 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
- KWIC：KeyWord In Context
04/22 テキストデータと文字コード†
文字コード†
テキストデータ†
テキストエディタ†
サクラエディタのダウンロードとインストール†
フリーソフトウェア（無償）のエディタを使います。（PC教室のパソコンにはインストール済み）
（以下は自分のPCで使う場合）
- インストールの手順
- ダウンロードしたzipファイルの中のsakura_install～.exeをダブルクリック
- 以下、画面の指示に従ってインストール
テキストエディタを使ってみる†
- テキストエディタの設定
- 行の折り返し
- 行番号表示
- 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）
- 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
04/15†
イントロダクション†
- 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
授業で利用する主なソフトウェア†
授業で利用する主なデータ†
- テキストエディタとgrep
- 全文検索システムひまわり
- Excel（ピボットテーブル）
- 形態素解析：Web茶まめ
![[PukiWiki]](image/pukiwiki.png "[PukiWiki]")
