成蹊2022/応用日本語講座

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）†

• 金曜2限：10:40～12:20
• Mail: ogiso@ogiso.net
• CoursePower（成蹊大学）授業ページ

---

レポート提出について†

• 締切：8月6日（土）
• 分量：A4用紙で3～10枚
• 提出先：下記CoursePowerから提出
  • https://lms.seikei.ac.jp/lms/lginLgir/index?target=HTEFur8u
  • 都合によってメールで送る場合はメール本文とレポートファイルの両方に氏名・学籍番号を明記すること
• 埋め込みデータによってWordファイルのサイズが大きくなりすぎる場合には、PDFファイルとして保存して送ること

07/22　レポートテーマの予備調査結果発表（続き）／Wordでレポートを書く†

Wordでレポートを書く†

文書の構造化とWordの使い方（レポートの書き方）

• 文書の構造化*
  • スタイルと見出し
  • ナビゲーション ウィンドウ（見出しマップ）の使い方
  • 章・節番号
• 図表の貼り込み*
  • 「形式を選択して貼り付け」
  • 図表番号とキャプション
• 脚注
  • 脚注と文末脚注
• 相互参照
  • 節番号、図表番号と相互参照
  • 目次、図表目次
• ページ番号*
• PDFとして保存（ブックマークを付加）*

レポートの構成について†

• IMRAD

07/15　レポートテーマの予備調査結果発表（ライトニングトーク）†

• パワーポイントのスライドを使って説明してください。

07/08　コーパスと形態素解析（「Web茶まめ」の利用）／レポートテーマの調査と質問†

【前回補足】「中納言」の利用：形態論情報を使った検索†

この授業ではごく簡略に使い方を説明します（本格的な利用法は成蹊2022/日本語学講義Dで）

• 配布資料「『中納言』の使い方」

• コーパス検索アプリケーション「中納言」
  • 「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）
  • 「日本語日常会話コーパス」（CEJC）

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
  • 授業資料/UniDicの品詞体系
  • 授業資料/UniDicの見出し語階層

「Web茶まめ」の利用†

• https://chamame.ninjal.ac.jp/
• テキストの形態素解析結果をピボットテーブルで分析
• 複数のテキストの形態素解析結果を比較する

• サンプルデータ（漱石 こころ.txt）
  • sample.zip

Excel文字列関数の利用†

集計に必要な情報を既存のデータから取り出して集計に使う

• 授業資料/EXCELの文字列関数参照

07/01 （休み）学内運動競技大会†

06/24　レポートについて／コーパスの使い方†

レポートテーマ案†

• 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†

• コーパス検索アプリケーション「中納言」

• 「現代日本語書き言葉均衡コーパス」（BCCWJ）：現代語書き言葉との比較に
• 「日本語日常会話コーパス」（CEJC）：現代の話し言葉との比較に（量は少ないが発音が確認できる）
• 「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

• まずは文字列検索で調べる

青空文庫の集計結果との比較例†

• 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†

• 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†

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
  • sample

テキストエディタで「ひまわり」の検索結果を加工する†

• 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†

• 『国会会議録』パッケージ
• 『青空文庫』パッケージ（ 15000作品以上を収録）
• 『日本文学テキスト』パッケージ
• 『名大会話コーパス』パッケージ
• 近代語のコーパス

---

国立国語研究所のコーパス†

• コーパス開発センター
  • 「現代日本語書き言葉均衡コーパス」
  • 「日本語歴史コーパス」
  • 「日本語日常会話コーパス」

「中納言」の紹介†

• コーパス検索アプリケーション「中納言」

• 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†

• 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†

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†

• 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†

• 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*1+End*2　ファイルの末尾/表のいちばん右下に移動
• Shift+Ctrl+End*3　〃範囲を選択

1. 表をコピー
   • Ctrl+Home*4（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）
2. 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)†

• 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†

• 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†

• 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>)*5
    • 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

1. Himawariで「すべて選択」後、「すべて選択」「コピー（列名含む）」をする
2. 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
3. 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†

• 正解のPDFを配布して説明します

「ひまわり」とその使い方†

• 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†

• 例：
  • 「それきり」「それぎり」data
    • （作家／作品別の比較）

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】
  • ピボットグラフ

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†

• 全文検索システム「ひまわり」
  • 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†

1. 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
2. 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」
3. 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
4. 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†

1. 青空文庫パッケージのダウンロード
   1. 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
2. himawari.exeを起動
   1. 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*6
   2. しばらく待つと完了（数分から10分程度はかかる）
3. 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†

• 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†

• https://note.com/jinbunxshakai/n/n8070db080041

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
  • https://www.regex-hunting.com/
  • https://qiita.com/yukiHaga/items/8ef2051036e126eb00c6

正規表現の応用†

• 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†

• 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

• （参考）タグ付き正規表現の応用：grepと置換でKWICを作る

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†

• 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

「ひまわり」の準備†

• USBメモリ

05/06 正規表現†

• 今日の練習用テキストデータ
  • soseki2.zip （前回と同じもの）

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
  • 「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†

• ★soseki2.zip （今日の授業で使います）
  • （参考： aozoradoc2.zip（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†

• 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†

• 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）†

• 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†

• ㋿（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†

• 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
  • 拡張子(wikipedia)

• 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†

• 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†

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
  • (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†

• 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

• 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†

• 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（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
  • 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†

• 青空文庫の近代の小説
• 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」
  • 「日本語歴史コーパス」（一部）

デモ†

• 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

• 現代語コーパス
  • 少納言

最新の10件