成蹊2019

  • 前期・金曜2限
  • ogiso@ogiso.net ←@を@に直してください

日本語学講義E

【休講予定】2019/07/12

2019/06/21

レポート課題の調査

  • 積極的に質問して下さい。

検索の例

発展(Excelの活用)

補足

レポートテーマに関するプレゼンテーションについて

  • (小発表/ライトニングトーク) 7月19日?

2019/06/14

レポートテーマ確認

Excelの文字列関数とIF関数

  • 例:ジャンル(NDC)の整理
    • 先頭の文字を取り出す(NDCの一次区分(=類))
      • =LEFT(ジャンルのセル,1)
    • スラッシュで区切られた最初の部分(ジャンルの大分類)
      • =LEFT(ジャンルのセル,SEARCH("/",ジャンルのセル)-1)
  • 集計用に用意した列で文字列処理関数を利用する
    • LEFT
    • RIGHT
    • MID
    • LEN
    • SEARCH
    • SUBSTITUTE
  • 条件わけ:IF
  • エラー対応:IFERROR
  • 応用例:品詞の大分類を使う
    • =IFERROR(LEFT(品詞,SEARCH("-",品詞)-1),品詞)

【参考】 授業資料/EXCELの文字列関数

2019/06/07

ランダムサンプリング調査(Excelでの集計・補足)

  • 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
  • ex.「全然」

BCCWJ利用の落とし穴

  • BCCWJはあくまでも「現代語」のためのコーパスなので通時的な調査には向かない
    • レジスターによって母集団の年が違っている
      • レジスターの偏りを年代の偏りと勘違いしないこと
    • 30年あるのは白書・ベストセラー・国会会議録など一部のものだけ
  • もともとテキスト量の多いレジスターにたくさん用例があるからといって「そのレジスターでよく使われる」とはいえない→調整頻度の計算
    • cf.人口あたりの事故件数,1平方キロあたりの…etc.

調整頻度の計算

  • 粗頻度を総語数で割る
    • レジスターごとの語数データ:中納言ページの「語数について」からExcelでダウンロードできる
      • 語数ファイルをピボットテーブルで集計して分母に
  • 調整頻度には100万語あたりの頻度(pmw)が比較的よく使われる
    • 粗頻度/コーパス総語数*1000000
      • 数字が小さくなりすぎないようにするため
  • ※割合の違いを比較するだけなら調整頻度を出す必要はない。

レポートテーマについて

  • 次回までにレポートテーマを考えてくること(全員に聞きます)
  • 普段から見聞きする言葉に気をつけるとともに、図書館も活用すること
  • ひとつの言葉から、同種の別の語や違う観点からの観察などへと膨らませていく

*1

  • 表記
    • 「雀」「すずめ」「スズメ」動植物名の表記・・・レジスター別用例数、文体差
    • 「卵」「玉子」「たまご」「タマゴ」・・・意味の違い?文体差?
    • 「斡旋」「あっ旋」「あっせん」、「石鹸」「石けん」「せっけん」・・・常用漢字表外字を含む漢語の表記の揺れ
  • 類義語・対義語
    • 「奇麗」と「美しい」・・・連体修飾する名詞の違い(→意味の違い)
    • 「うるさい」「やかましい」「さわがしい」「かしましい」「かまびすしい」類義語・・・共起語、文体差
    • 「男性」と「女性」(「男」と「女」)・・・語彙の非対称性、社会言語学的分析
  • 語形、語法
    • 「好ましい」「好もしい」・・・語形の揺れと文体差
    • 「煙草を吸う」と「煙草をのむ」・・・用例数の割合、「煙草をのむ」の出現条件
  • 意味変化・新語
    • 「役不足」「確信犯」・・・”誤用”と”正用”
    • 「断トツ」「定番」「夜ご飯」・・・新語の広がり

2019/05/31

複数の検索結果の結合(再)

  • 例:蒲公英・向日葵・菫

ショートカットキーを活用すると便利

  • Ctrl+End ファイルの末尾/表のいちばん右下に移動
  • Shift+Ctrl+End 〃範囲を選択
  1. 表をコピー
    • Ctrl+Home, ↓(列名はコピーしないようにする),Shift+Ctrl+End, Ctrl+C
  2. コピーした表を既存の表の下に貼り付け
    • Ctrl+↓, ↓, Ctrl+V, Ctrl+Home

集計用の列を自分で用意する

  • 例:表記(ひらがな・かたかな・漢字)別集計
  • 例:用法分類

「検索課題」

  • 配付資料参照

2019/05/24

  • 配布資料「『中納言』の使い方」つづき

「中納言」検索結果のダウンロードとExcelでの利用

  1. ダウンロード
  2. アーカイブの展開(解凍)
  3. Excelでインポート

Excelの基礎

  • 並べ替え
    • 反転前文脈の使い方
  • フィルタ
    • テキストフィルタ

【重要】ピボットテーブルの使い方

  • ピボットテーブル
  • ピボットグラフ

2019/05/18(土)

  • 金曜授業実施日ですが,休講です。
  • 提出課題がありますので、ポータルサイトで確認してください。
    • 掲出が遅れたため28日〆切です。
    • 質問があったらメールで連絡して下さい。

2019/05/17

「中納言」の利用:形態論情報を使った検索

  • 配布資料「『中納言』の使い方」つづき

検索条件式の利用

キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%")
 AND 後方共起: 語彙素="言葉" ON 1 WORDS FROM キー
 WITH OPTIONS tglKugiri="|" AND tglBunKugiri="#" AND limitToSelfSentence="1"
AND tglFixVariable="2" AND tglWords="20" AND unit="1" AND encoding="UTF-16LE" AND endOfLine="CRLF"

2019/05/10

前回の復習

品詞体系と見出し語の階層

  • BCCWJ,CHJはUniDicの品詞体系にもとづく
  • 配布資料「『中納言』の使い方」
    • 配布資料は次回以降も使いますので必ず持ってきてください。

(参考)Web茶まめ

2019/04/26

  • スライドはCoursePowerの授業教材を参照

(前回続き)

  • (スライド参照) コーパスの設計とサンプリング
    • 可変長と固定長
  • 著作権をめぐる問題

コーパスの形態論情報:短単位と長単位

  • (スライド参照) 短単位と長単位

2019/04/19

日本語コーパス(BCCWJ)の紹介

  • 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)」

「中納言」オンライン利用申込み

  • BCCWJ少納言
    • 登録不要
    • 文字列検索のみ
    • 500例まで表示
  • BCCWJ中納言
    • 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

日本語コーパス(BCCWJ)の設計

  • (スライド参照) コーパスの設計とサンプリング
  • 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

2019/04/12

イントロダクション

  • シラバス確認
    • シラバス
    • この授業の目的
    • 授業の進め方
    • 評価方法
  • アンケート

*1 実際に検索してみてできそうなものと難しそうなものが含まれています

トップ   編集 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS