#author("2022-06-23T13:49:03+00:00","default:ogiwiki","ogiwiki")
[[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) [#v8457c9d]
-金曜2限:''10:40~12:20''
-Mail: ogiso@ogiso.net
-[[CoursePower(成蹊大学)授業ページ>https://lms.seikei.ac.jp/lms/corsColl/doIndex;SID=s180286c6cc5c9b1f05dfc0a8ae]]
------

**06/24 レポートについて/コーパスの使い方 [#j387eaa0]

***レポートテーマ案 [#d7bd1354]
-一人ずつ口頭で簡単に考えているレポートテーマを説明してもらいます
--後で変更してもかまいません

***「中納言」の紹介 [#l5ec1957]
-[[コーパス検索アプリケーション「中納言」>https://chunagon.ninjal.ac.jp]]

-「現代日本語書き言葉均衡コーパス」(BCCWJ):現代語との比較に
-「日本語歴史コーパス」(CHJ):近代の文学作品以外との比較や、近代以前との比較、より長いスパンでの言語変化の調査に

***青空文庫の集計結果との比較例 [#ae02e1d9]
-明治大正時代の変化はその後どうなったか:BCCWJとの比較
--それぎり
--心持ち
-近代の雑誌や教科書ではどうなっているか:CHJ(雑誌・教科書)との比較
-明治大正より前(江戸時代以前)はどうなっているか:CHJ(江戸時代以前)との比較

***ひまわり+Excelの復習 [#n9a2dc03]
-例:「細君」「妻君」
--類義語「妻(つま)」「妻(さい)」「奥さん」etc.
--対義語「夫」「主人」「旦那」etc.
-例:「障碍」「障害」 [[ケーススタディ/障がい]]
-例:「~的な」「~的の」
--二字漢語+的な/の の通時的変化

**06/17 さまざまな集計方法(2)/コーパスの紹介 [#sf5afa5c]


***作品数の調査(用例数ではなく) [#qee8d8b6]
-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
--[[sample>https://www.dropbox.com/scl/fi/tw8k7brtfef3gn3nszaah/.xlsx?dl=1&rlkey=o6q3f33zibvgvgpw2ts7wanvw]]

***テキストエディタで「ひまわり」の検索結果を加工する [#j3fd8ed9]
-例:正規表現をつかった置換で前後文脈を整える


***「ひまわり」で利用可能なその他のデータについて [#h3ce7acd]

--[[『国会会議録』パッケージ>https://csd.ninjal.ac.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/%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9/%A1%D8%B9%F1%B2%F1%B2%F1%B5%C4%CF%BF%A1%D9%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]
--[[『青空文庫』パッケージ( 15000作品以上を収録)>https://csd.ninjal.ac.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/%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9/%A1%D8%C0%C4%B6%F5%CA%B8%B8%CB%A1%D9%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]
--[[『日本文学テキスト』パッケージ>https://csd.ninjal.ac.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/%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9/%A1%D6%C6%FC%CB%DC%CA%B8%B3%D8%A5%C6%A5%AD%A5%B9%A5%C8%A1%D7%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]
--[[『名大会話コーパス』パッケージ>https://csd.ninjal.ac.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/%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9/%A1%D8%CC%BE%C2%E7%B2%F1%CF%C3%A5%B3%A1%BC%A5%D1%A5%B9%A1%D9%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]
--[[近代語のコーパス>https://ccd.ninjal.ac.jp/cmj/]]

----

***国立国語研究所のコーパス [#n1cf4ee0]
-[[コーパス開発センター>https://clrd.ninjal.ac.jp/]]
--[[「現代日本語書き言葉均衡コーパス」>https://clrd.ninjal.ac.jp/bccwj/]]
--[[「日本語歴史コーパス」>https://clrd.ninjal.ac.jp/chj/]]


***「中納言」の紹介 [#mb1dc870]

-[[コーパス検索アプリケーション「中納言」>https://chunagon.ninjal.ac.jp]]

-授業アカウントを配布します


------

***【次回予告】レポートテーマ案について [#vfcf903a]
-一人ずつ口頭で簡単に考えているレポートテーマを説明してもらいます
-後で変更してもかまいません


**06/10 さまざまな集計方法/レポートについて [#rb474b11]


***課題(復習) [#be955334]
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 [#qcbc1b30]
-入力用の列を作り手作業で意味分類する
--例:「新聞紙」の意味・用法の変化


***サンプリング調査 [#m5567f46]
-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 [#f6dce18e]
-一度の検索では探せない語群を集計する場合
--「幸せ」「仕合わせ」


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((Macの場合はCommand))+End((EndキーはノートPCではしばしばFn+→)) ファイルの末尾/表のいちばん右下に移動
-Shift+Ctrl+End((EndがFn+→の場合は、Shift+Ctrl+Fn+→を同時押し)) 〃範囲を選択

+表をコピー
--Ctrl+Home((EndキーはノートPCではしばしばFn+←))(表の左上へ移動), ↓(列名は選択しないようにするため1行下へ),Shift+Ctrl+End, Ctrl+C(コピー)
+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(貼り付け)


***レポートテーマについて(予告) [#x67f47de]
-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) [#y616cc45]

***(復習)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


***ひまわり検索結果をExcelで扱う[#k187ca82]
--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) [#a3ab9dec]

-文字列処理関数の利用
--例: =LEFT(<文字列>,<文字数>)((LEFTのような関数名は小文字でも構わないが、記号も含め、必ず半角))
---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 [#b54075de]

***正規表現小テスト:答え合わせ [#ye6b8d74]
-正解のPDFを配布して説明します

***「ひまわり」とその使い方 [#a3d55af3]

-ひまわりの動作確認
-検索方法の説明
-ひまわりの正規表現について([[授業資料/Himawariの正規表現]])
-ふりがなの検索

***ひまわり検索結果をExcelで扱う [#k187ca82]
-例:
--「それきり」「それぎり」[[data>https://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=sorekiri.xlsx&refer=%C0%AE%EC%FE2022%2F%B1%FE%CD%D1%C6%FC%CB%DC%B8%EC%B9%D6%BA%C2]]
---(作家/作品別の比較)

***Excelの基本操作 [#n45bc002]

-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】
--ピボットグラフ



**05/20 全文検索システム「ひまわり」 [#ufc26106]

***全文検索システム「ひまわり」について [#tc106bbb]
&ref(Himawari_SS.png,,50%);

-[[全文検索システム「ひまわり」>http://www2.ninjal.ac.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]]
--ただのテキストファイル(プレーンテキスト)ではなく、XML形式にして、インデックスを付けた専用のデータを利用

***「ひまわり」のインストール [#o7207f74]
+[[ひまわり のダウンロードページ>https://www2.ninjal.ac.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/%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9/%A1%D8%A4%D2%A4%DE%A4%EF%A4%EA%A1%D9ver.1.6]]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 [#q65dfc0e]
+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>http://www2.ninjal.ac.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%2F%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9%2F%A1%D8%C0%C4%B6%F5%CA%B8%B8%CB%A1%D9%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]から「日本文学/小説(ndc913) 」をUSBメモリに直接ダウンロードして保存(サイズが大きいのでPCにダウンロードできない)
++[[ひまわり用「青空文庫」パッケージのダウンロードページ>http://www2.ninjal.ac.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%2F%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9%2F%A1%D8%C0%C4%B6%F5%CA%B8%B8%CB%A1%D9%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]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((または、メニューのファイル>インストールをえらび、青空文庫パッケージのzipファイルを指定))
++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 [#a3d55af3]

-ひまわりの動作確認
-検索方法の説明
-ひまわりの正規表現について([[授業資料/Himawariの正規表現]])
-ふりがな(ルビ)の検索

-------

***前回補足:Wordのワイルドカードと正規表現 [#ob585ec6]
-https://note.com/jinbunxshakai/n/n8070db080041

***正規表現小テスト [#d780d343]

//-ZoomのチャットでPDFファイルを配布します。
//-下記のCourse Powerのサイトから提出してください。


**05/13 正規表現の応用/タグ付き正規表現 [#ne15725c]

***ゲームの紹介 [#k337bfef]
-正規表現を学ぶ狩りに出ようRegex Hunting
--https://www.regex-hunting.com/
--https://qiita.com/yukiHaga/items/8ef2051036e126eb00c6

***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)


***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) [#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


-(参考)タグ付き正規表現の応用:[[grepと置換でKWICを作る>授業資料/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 [#w86de08b]
-サクラエディタの正規表現:http://sakura-editor.sourceforge.net/htmlhelp/HLP000089.html
-正規表現に関する本 [[amazonで検索>https://www.amazon.co.jp/s?k=%E6%AD%A3%E8%A6%8F%E8%A1%A8%E7%8F%BE]]

***「ひまわり」の準備 [#a1c1b435]
-USBメモリ


**05/06 正規表現 [#c333d4cf]

-今日の練習用テキストデータ
--[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tki/soseki2.zip?dl=1]] (前回と同じもの)


***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)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
//--特殊な文字そのものを表す場合には\でエスケープする(特殊な意味を打ち消す) 例:1\+2


***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 $




**04/29(授業実施日) テキストエディタの利用 [#ca0dd8a2]

***放送予定 [#w5292560]
-チコちゃんに叱られる! 4月29日(金)午後7:57
--「私は」は「は」と書くのになぜ「わ」という?
--https://www.nhk.jp/p/chicochan/ts/R12Z9955V3/episode/te/P2PV9VL5XX/

***テキストデータ(青空文庫)の配布 [#bd04ed6f]
-★[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tki/soseki2.zip?dl=1]] (今日の授業で使います)
--(参考:
[[aozoradoc2.zip>https://www.dropbox.com/s/t3udkej39grd7h1/aozoradoc2.zip?dl=1]](ちょっと古い青空文庫の全テキスト))
-ダウンロードして展開(解凍)してください


***復習[#j546f1d9]
-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 [#da449f25]
-[[授業資料/覚えておきたいショートカットキー]]
-Mac のキーボードショートカット https://support.apple.com/ja-jp/HT201236


***grepと置換でKWIC(CSVファイル)を作る(簡易版) [#u3ab2d6f]
-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]]
-KWIC:KeyWord In Context


**04/22 テキストデータと文字コード [#d34ebd0b]


***文字コード [#g8eacf69]
-&#13055;(令和)の話
--[[授業資料/文字コード関連リンク]]

***テキストデータ [#k896318b]
-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
--テキストデータとテキストファイル

-TXT,CSV,HTM…
--ファイルの種類と拡張子 参考:[[拡張子辞典>http://www.7key.jp/data/ext_new/]]
--[[拡張子(wikipedia)>http://ja.wikipedia.org/wiki/%E6%8B%A1%E5%BC%B5%E5%AD%90]]

-授業で使うテキストデータ
--[[授業資料/テキストデータ紹介]]

***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]]

***サクラエディタのダウンロードとインストール [#bf5ea59f]
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)
-★[[サクラエディタのダウンロード:https://github.com/sakura-editor/sakura/releases/download/v2.4.1/sakura-tag-v2.4.1-build2849-ee8234f-Win32-Release-Installer.zip]]
---(参考) サクラエディタホームページ:https://sakura-editor.github.io/

-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 [#zc42842b]
-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)

-練習用サンプルデータ(漱石 こころ.txt)
--[[sample.zip>https://www.dropbox.com/s/fi5kg860wvlgwir/sample.zip?dl=1]]

-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 [#n5d114e2]

***イントロダクション [#j7eb4b41]

-[[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 https://www.ninjal.ac.jp/
--[[言語資源開発センター>https://clrd.ninjal.ac.jp/]](先月までコーパス開発センター)


-シラバス確認
--この授業の[[シラバス>https://portal.seikei.ac.jp/campusweb/slbssbdr.do?risyunen=2022&semekikn=1&kougicd=125236130]]
--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 [#i06478d2]

|ソフトウェアの種類・名前|利用目的|h
|[[テキストエディタ ''サクラエディタ''>http://sourceforge.net/projects/sakura-editor/]]|正規表現を使ったテキストの検索・整形|
|[[全文検索ソフト''ひまわり''>http://www2.ninjal.ac.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]]|データの検索|
|表計算ソフト''Excel''|ピボットテーブルによる分析・グラフ作成|
|ワープロ''Word''|文書構造を意識したレポート作成|


***授業で利用する主なデータ [#g7f34e64]
-[[青空文庫>https://www.aozora.gr.jp/]]の近代の小説
-国立国語研究所のコーパス
--[[「現代日本語書き言葉均衡コーパス」>https://clrd.ninjal.ac.jp/bccwj/]]
--[[「日本語歴史コーパス」(一部)>https://clrd.ninjal.ac.jp/chj/]]

***デモ [#hb184f26]
--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/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]]
--Excel(ピボットテーブル)
--形態素解析:[[Web茶まめ>https://chamame.ninjal.ac.jp]]

-現代語コーパス
--[[少納言>https://shonagon.ninjal.ac.jp]]

トップ   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS