- 追加された行はこの色です。
- 削除された行はこの色です。
[[阪大2013]]
*12月19日
#contents
**日本語歴史コーパス(CHJ)を使う
-CHJ中納言
--https://maro.ninjal.ac.jp
***短単位について
-資料参照
***中納言の使い方
-資料参照
**Excelでの集計
***調整頻度
-100万語あたりの頻度
--語数データのダウンロード
//--https://dl.dropboxusercontent.com/u/134600/BCCWJ_WC_v10.zip
***テキストエディタの活用
-前後文脈から不要な部分を消す
--正規表現を使った置換
***Excelの文字列関数とIF関数
-LEFT, RIGHT, MID, LEN, SEARCH, SUBSTITUTE
--品詞の大分類を使う
=LEFT(<品詞>,SEARCH("-",<品詞>)-1)
--後文脈の「。」より後を消す(「。」がない場合はそのまま)
=IF(ISERROR(SEARCH("。",<後文脈>)),<後文脈>,LEFT(<後文脈>,SEARCH("。",<後文脈>)))
--前文脈の「。」以前を消す(「。」がない場合はそのまま)((「。」が複数ある場合の処理があるので難しい。「~」は前文脈に決して出現しない文字を指定))
=RIGHT(<前文脈>,LEN(<前文脈>)-(FIND("~",SUBSTITUTE("。"&<前文脈>,"。","~",LEN("。"&<前文脈>)-LEN(SUBSTITUTE("。"&<前文脈>,"。",""))),1)-1))
***ランダムサンプリング調査
--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
**現代日本語書き言葉均衡コーパス(BCCWJ)
***BCCWJについて
-BCCWJの概要 http://www.ninjal.ac.jp/corpus_center/bccwj/
-少納言
-中納言
-DVD
***BCCWJ 少納言 http://shonagon.ninjal.ac.jp
-BCCWJの一般公開ページ
-文字列検索のみ,表示500件などの制限
-一部の正規表現が利用可能