成蹊2018/日本語日本文学のためのコンピュータ の履歴差分(No.16)

• 履歴一覧
• 現在との差分 を表示
• ソース を表示
• 履歴 を表示
• 成蹊2018/日本語日本文学のためのコンピュータ へ行く。
  • 1 (2018-09-21 (金) 07:24:29)
  • 2 (2018-09-21 (金) 07:25:10)
  • 3 (2018-09-28 (金) 08:51:59)
  • 4 (2018-10-04 (木) 22:33:56)
  • 5 (2018-10-10 (水) 21:30:31)
  • 6 (2018-10-10 (水) 21:30:31)
  • 7 (2018-10-24 (水) 06:33:57)
  • 8 (2018-10-26 (金) 05:40:22)
  • 9 (2018-10-26 (金) 10:49:27)
  • 10 (2018-11-01 (木) 22:50:16)
  • 11 (2018-11-07 (水) 14:54:07)
  • 12 (2018-11-08 (木) 23:01:42)
  • 13 (2018-11-15 (木) 10:49:25)
  • 14 (2018-11-16 (金) 10:54:58)
  • 15 (2018-11-29 (木) 20:49:58)
  • 16 (2018-12-06 (木) 23:25:21)
  • 17 (2018-12-13 (木) 17:48:09)
  • 18 (2018-12-14 (金) 12:16:12)
  • 19 (2018-12-21 (金) 06:28:23)
  • 20 (2019-01-11 (金) 09:09:39)

• 追加された行はこの色です。
• 削除された行はこの色です。

[[成蹊2018]]

-日本語学・日本文学を研究していく上で必要なコンピュータの知識・技術（テキストエディタ・正規表現・表計算ソフト・文書の構造化）を学びます。　
-後期2限
-7号館3階 301パソコン教室
-ogiso＠ogiso.net　←＠を@に直してください

*日本語日本文学のためのコンピュータ

***アルバイトについて

**2018/12/7　CHJ「中納言」検索結果の集計

***「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"


***「中納言」検索結果のダウンロードとExcelでの利用
+ダウンロード
//+アーカイブの展開（解凍）
+Excelでインポート


***複数の検索結果の結合
-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

+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
+コピーした表を既存の表の下に貼り付け
--Ctrl+End, Home, ↓, Ctrl+V, Ctrl+Home


***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。
-※ひまわりの検索結果でも同じことだが、語数の代わりに文字数で代用する。


***現代語との比較 ―BCCWJ中納言
-「気持ち」「心持」を例に、青空文庫の集計結果と比較
-BCCWJ内部でも生年による違いがある

***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

**2018/11/30　CHJ中納言の使い方

***「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」
--この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。

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


***形態論情報を使った検索
-まずは文字列検索で確認する

***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]]



**2018/11/23（欅祭）


**2018/11/16　検索結果のExcelによる集計(2)

***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


***ひまわりによる検索・補足
-振り仮名の検索
-正規表現を使った検索
--ひまわりの正規表現について（[[授業資料/Himawariの正規表現]]）

***『日本語歴史コーパス』と「中納言」
「[[日本語歴史コーパス（CHJ）>http://pj.ninjal.ac.jp/corpus_center/chj/]]」
-[[中納言>http://chunagon.ninjal.ac.jp]]
-要登録
-単語の情報（形態論情報）が付いているのが特長
--検索方法も文字列検索とは変わってくる
-一度に最大10万例までダウンロード可


***「中納言」の利用：形態論情報を使った検索
-登録申し込み


**2018/11/9　検索結果のExcelによる集計

***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★
--ピボットグラフ

***ひまわり検索結果をExcelで扱う [#k187ca82]
-ピボットテーブルとピボットグラフ
--例：「それきり」「それぎり」
--例：「～的な」「～的の」
---※「目的」「標的」などをフィルタで除去


***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>)
---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
--「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
---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

+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


**2018/11/2　全文検索システム「ひまわり」

-27日分検索課題（seikei portal）について

-正規表現小テスト


***「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>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「青空文庫パッケージ」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）
+USBメモリにコピーしたフォルダ内のhimawari.exeを起動
++Himawari画面上にドラッグ＆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
&ref(himawari_aozora.png,,50%);

-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]]）


***ひまわり検索結果をExcelで扱う [#k187ca82]
-例：
--「気持ち」「心持ち」



**2018/10/27（金曜授業実施日）　休講
-課題：SEIKEI Portalにて 

**2018/10/26　やや高度な正規表現

***検索文字列の中での後方参照（復習）
-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

***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

***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>http://www.amazon.co.jp/s/ref=nb_ss_gw?__mk_ja_JP=%83J%83%5E%83J%83i&url=search-alias%3Daps&field-keywords=%90%B3%8BK%95%5C%8C%BB&Go.x=0&Go.y=0&Go=Go]]

#amazon(4873114500)
#amazon(4873113598)
#clear


-（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]]

// ^(.*?,.*?,.*?,)(.*?,)(読[まみむめもん],)(.+,)(読[まみむめもん])(,.+)
//↓
// \1\2\3\4\n\1\4\5\6


***全文検索システム「ひまわり」について
//&ref(himawari_aozora.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%A4%D2%A4%DE%A4%EF%A4%EA%A1%D9ver.1.5]]　プログラム本体
-[[ひまわり用「青空文庫TOP100」パッケージ>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/%A5%C0%A5%A6%A5%F3%A5%ED%A1%BC%A5%C9/%A1%D8%C0%C4%B6%F5%CA%B8%B8%CBTOP100%A1%D9%A5%D1%A5%C3%A5%B1%A1%BC%A5%B8]]　検索対象のデータセット（お試し用小サイズデータ）


***「ひまわり」の導入
// -Web Collaboration : /temporary/ogiso/
-動作確認


***正規表現小テスト


**2018/10/12　正規表現

-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）

***テキストエディタ・正規表現（文字クラス）の復習
-文字クラス
--例：読[まみむめもん]

***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 $

***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

-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]]

***検索文字列の中での後方参照 [#j9966c0d]
-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


**2018/10/05　テキストエディタの利用

-今回からUSBメモリを利用します。

------

-テキストデータ（青空文庫）の配布
---[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tki/soseki2.zip?dl=1]] （今日の授業で使います）
---[[aozoradoc2.zip>https://www.dropbox.com/s/t3udkej39grd7h1/aozoradoc2.zip?dl=1]]（青空文庫全テキスト・参考）
--ダウンロードしてUSBメモリに展開（解凍）してください

-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
--サブフォルダのgrep

***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]]


***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


***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
--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


-[[授業資料/正規表現]]
--文字クラス [ ]
--文字クラスの補集合（それ以外の文字）[^ ]



**2018/09/28　テキストデータとテキストエディタ

-USBメモリの準備
--次回の授業からUSBメモリを使います。2GB（できれば4GB）以上の空きのあるUSBメモリを用意してください。

***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]] 
--バイナリファイル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.jisyo.com/viewer/]]
--[[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
--★[[サクラエディタのダウンロード:sakura2.zip>http://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=sakura2.zip&refer=%C0%AE%EC%FE2017%2F%C6%FC%CB%DC%B8%EC%C6%FC%CB%DC%CA%B8%B3%D8%A4%CE%A4%BF%A4%E1%A4%CE%A5%B3%A5%F3%A5%D4%A5%E5%A1%BC%A5%BF]]
---(参考) サクラエディタホームページ：http://sourceforge.net/projects/sakura-editor/

-zipファイルの展開（解凍）
--解凍しないままでも開けるが必ず解凍すること

-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＋芥川）
--[[sample.zip>http://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=sample.zip&refer=%C0%AE%EC%FE2013%2F%C6%FC%CB%DC%B8%EC%C6%FC%CB%DC%CA%B8%B3%D8%A4%CE%A4%BF%A4%E1%A4%CE%A5%B3%A5%F3%A5%D4%A5%E5%A1%BC%A5%BF]]

-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
--サブフォルダのgrep

**2018/09/21

***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 http://www.ninjal.ac.jp/
--[[コーパス開発センター>http://pj.ninjal.ac.jp/corpus_center/]]

-デモ
--テキストエディタとgrep
--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]]
--Excel（ピボットテーブル）
--形態素解析：[[Web茶まめ>http://chamame.ninjal.ac.jp]]


-シラバス確認
--[[シラバス>https://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=SEIKEI2018b_syllabus.pdf&refer=%C0%AE%EC%FE2018%2F%C6%FC%CB%DC%B8%EC%C6%FC%CB%DC%CA%B8%B3%D8%A4%CE%A4%BF%A4%E1%A4%CE%A5%B3%A5%F3%A5%D4%A5%E5%A1%BC%A5%BF]]（PDF）
--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''|「スタイル」を利用したレポート作成|

--アンケート