#author("2020-08-23T02:36:39+00:00","default:ogiwiki","ogiwiki") *2020清泉女子大学 集中講義 [#u04c15ce] -10:00 - 15:30 -オンライン(Zoom) -学びの泉:[[授業ページ>https://izumi.seisen-u.ac.jp/campus/Course/14055/21/#/detail/21529/58647]] -シラバス:[[清泉ポータル シラバス参照>https://portal.seisen-u.ac.jp/portal/slbssbdr.do?value(risyunen)=2020&value(semekikn)=1&value(kougicd)=JLSS2000&value(crclumcd)=]] -日程 --8月18日(火) --8月19日(水) --8月20日(木) --8月21日(金) --9月7日(月) ------ #contents ------ *8月18日(火) [#s7e54b5b] **第1回 イントロダクション [#l70c36fa] ***[[自己紹介]] [#b1b12793] --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/ --[[コーパス開発センター>https://pj.ninjal.ac.jp/corpus_center/]] ***授業内容の紹介 [#hb480786] ***授業で利用する主なソフトウェア・Webアプリケーション [#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''>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]]|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| |[[コーパス検索アプリケーション''「中納言」''>https://chunagon.ninjal.ac.jp/]]|コーパスの検索| |[[Web茶まめ>https://chamame.ninjal.ac.jp/]]|形態素解析| ***デモ [#s3c96af7] --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]] --[[「現代日本語書き言葉均衡コーパス(BCCWJ)」>https://pj.ninjal.ac.jp/corpus_center/bccwj/]] ---BCCWJ[[少納言>https://shonagon.ninjal.ac.jp/]] ---[[中納言>https://chunagon.ninjal.ac.jp]] --[[「日本語歴史コーパス(CHJ)」>https://pj.ninjal.ac.jp/corpus_center/chj/]] --Excelによる集計(ピボットテーブル) --形態素解析 ---[[Web茶まめ>https://chamame.ninjal.ac.jp]] ***シラバス確認 [#d7ce20bc] -シラバス:[[清泉ポータル シラバス参照>https://portal.seisen-u.ac.jp/portal/slbssbdr.do?value(risyunen)=2020&value(semekikn)=1&value(kougicd)=JLSS2000&value(crclumcd)=]] --この授業の目的 --授業の進め方 --評価方法 ***受講者アンケート [#r2dcb5af] -関心分野・時代 -PC歴 ***国語研のコーパス利用申し込み(「中納言」) [#v2c9932d] -「中納言」オンライン利用申込み --https://chunagon.ninjal.ac.jp/useraccount/register **第2回 電子化テキストとテキストエディタ [#h5298adf] ***文字コード [#g8eacf69] -㋿(令和)の話 --[[授業資料/文字コード関連リンク]] ***テキストデータとは [#q080d5da] -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>https://www.sophia-it.com/extension/]] --[[拡張子(wikipedia)>http://ja.wikipedia.org/wiki/%E6%8B%A1%E5%BC%B5%E5%AD%90]] --[[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] -★[[サクラエディタのダウンロード:https://github.com/sakura-editor/sakura/releases/download/v2.4.0/sakura-tag-v2.4.0-build2686-782347a-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ファイルの中にあるsakura-install*.exeをデスクトップにコピー --exeファイルを右クリックして「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+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]] -★サンプルデータ2(漱石・文末で改行) --[[soseki2.zip>https://www.dropbox.com/s/gw1j25svf2s9tki/soseki2.zip?dl=1]] (夏目漱石作品) ***テキストエディタの基本 [#kc63a17a] -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 ***参考:テキストデータ(青空文庫)の配布 [#bd04ed6f] -[[aozoradoc2.zip>https://www.dropbox.com/s/t3udkej39grd7h1/aozoradoc2.zip?dl=1]](青空文庫全テキスト) --必要な人のみダウンロードしてUSBメモリで持ち帰ってください **第3回 テキストエディタと正規表現 [#k800eb2d] ***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 ***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 $ ------ *8月19日(水) [#xf0d599d] **「中納言」申し込み状況の確認 [#p3f04665] -ログインの確認 -https://chunagon.ninjal.ac.jp/ **第4回 正規表現の応用/タグ付き正規表現 [#l81fe819] ***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) ***タグ付き正規表現とは [#qd746f67] -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 ***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]] ***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:https://sakura-editor.github.io/help/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]] **第5回 全文検索ソフト「ひまわり」 [#q73807da] ***全文検索システム「ひまわり」について [#u543ed7f] &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.1.6]] プログラム本体 -[[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]] 検索対象のデータセット ***「ひまわり」本体のインストール [#taa83497] -[[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.1.6]]からプログラム本体をダウンロード ++ダウンロードしたファイルのセキュリティブロックを解除 ++解凍後、フォルダごとUSBメモリにコピー ***「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「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」の使い方 [#of0bca27] -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]]) -振り仮名の検索 **第6回 Excelによる検索結果の集計(ピボットテーブル) [#a590d445] ***ひまわりの検索結果をExcelに [#ne2dbb61] -検索結果のコピー ++すべて選択>コピー(列名を含む) ++Excelを起動して貼り付け ***Excelの基本操作 [#k6d831b9] -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 [#qa5d4c97] -ピボットテーブルとピボットグラフ --''例:「気持ち」「心持ち」'' --''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) [#f3bb8246] -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 +新しいExcelのシート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 ***サンプリング調査 [#zfa5069a] -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 ***ひまわりで利用可能なデータについて [#p8928529] -現代語のデータ --国会会議録データ --法令データベース --口コミサイト -[[近代語のデータ>http://www.ninjal.ac.jp/corpus_center/cmj/]] --太陽コーパス --近代女性雑誌コーパス --明六雑誌コーパス --国定高等小学読本 -古典文学作品のデータ *8月20日(木) [#ie1ba41c] **「ひまわり」復習・補足 [#s58155e8] ***分類用の列を作って集計する [#m6ba8a5a] -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 ---ランダムに並べ替えた後、できる範囲で意味分類を記入→ピボットテーブル **第7回 日本語コーパスの紹介 [#g4e44235] ***コーパスとは [#t54768fa] :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)」 ***「現代日本語書き言葉均衡コーパス」(BCCWJ)の構成とサンプリング [#s89fe505] -https://pj.ninjal.ac.jp/corpus_center/bccwj/ -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 ***「日本語歴史コーパス」(CHJ)の構成 [#x9f78d1c] -https://pj.ninjal.ac.jp/corpus_center/chj/ **第8回 Web版コーパス検索ツールの利用(1) [#edb3eca1] ***BCCWJ, CHJの検索ツール [#h491bc93] -[[BCCWJ少納言>https://shonagon.ninjal.ac.jp]] --登録不要 --文字列検索のみ --500例まで表示 -[[中納言>https://chunagon.ninjal.ac.jp]](BCCWJ, CHJほか) --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 ***コーパスの形態論情報:短単位と長単位 [#ecb15440] -''(スライド参照)'' 短単位と長単位 -配布資料参照 ***品詞体系と見出し語の階層 [#i59ec779] -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]] **第9回 Web版コーパス検索ツールの利用(2) [#s6627175] ***「中納言」の利用 [#v8cc2e34] -資料「中納言の使い方」 --[[BCCWJ版「中納言の使い方」>https://docs.google.com/document/d/e/2PACX-1vTW6HBV0qtmwRPjry89do1aHb43aoC4GXSt4oiE-1A2ovbJsp0EtJkhl05SsPlCHDdMFvZmP3lMCYA9/pub]] --[[CHJ版「中納言の使い方」>https://docs.google.com/document/d/e/2PACX-1vTG2vm9cOJ0AMGpXmctvpvubYoRE1bnudR_rMEzLlQEmzrhpNQ0qqReYQV3qoM4Yk8tI1Atb7gdqa-e/pub]] ***形態論情報を使った検索のまえに [#ud5a79ba] -まずは文字列検索で確認する ***レポートテーマについて [#da8ed441] -できるだけ、明日までにレポートテーマを考えてくること *8月21日(金) [#q593459f] **第10回 Web版コーパス検索ツールの利用(3) [#i3c722c9] ***形態論情報を使った検索 [#ke92454a] -資料[[BCCWJ版「中納言の使い方」>https://docs.google.com/document/d/e/2PACX-1vTW6HBV0qtmwRPjry89do1aHb43aoC4GXSt4oiE-1A2ovbJsp0EtJkhl05SsPlCHDdMFvZmP3lMCYA9/pub]]参照 ***検索条件式の利用 [#re063263] 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" **第11回 検索結果の集計と分析 [#jd0d1f48] ***「中納言」検索結果のダウンロードとExcelでの利用 [#lacc1ae4] ***Excelの基礎ふたたび(略) [#e7d3a548] -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 -ピボットテーブル -ピボットグラフ ***複数の検索結果の結合 [#rcbbf5e2] -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+↓, ↓, Ctrl+V, Ctrl+Home ***集計用の列を自分で用意する [#ndd8c72b] -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」 [#k3822f55] --配付資料参照 **第12回 レポートテーマ探索と調査 [#u0286599] -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 **現代語の場合の参考資料と例 [#cbfe98c9] --[[〈参考〉 国語に関する世論調査の結果について(文化庁)>http://www.bunka.go.jp/tokei_hakusho_shuppan/tokeichosa/kokugo_yoronchosa/]] --[[〈参考〉国語研・ことばの疑問>https://kotobaken.jp/qa/]] --[[〈参考〉NHK放送文化研究所・ことばの研究>https://www.nhk.or.jp/bunken/research/kotoba/index.html]] ***表記 [#lcc23c11] --「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 [#k3074faa] --「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、語法の変化・使い分け [#f036ad40] --「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 ***新語、意味変化 [#z9285e8e] --「断トツ」「定番」「夜ご飯」・・・新語の広がり --「役不足」「確信犯」・・・”誤用”と”正用” ***検索の例 [#p5531325] -男と女・男性と女性の非対称性 //[[データ kwic-MaleFemale.zip>https://www.dropbox.com/s/x3p6kimzj36enxn/kwic-MaleFemale.zip?dl=1]] --男性と女性 --男と女と形容詞 ''&color(,yellow){9月7日までにレポートテーマを考えてくること。};'' *9月7日(月) [#e1bcd211] **第13回 データの加工と集計 (Excel) [#r30b13be] ***出現サンプル数の調査(重複の削除) [#sd31554f] 用例数ではなく、用例が一つでも出現したサンプル(作品)の数を調べたい場合 -たとえば一人称代名詞など、サンプル毎に偏って多数現れる語の調査 「データ」→「重複の削除」 ***Excelの文字列関数とIF関数 [#ofb7b9e9] -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(&color(red){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(&color(red){ジャンルのセル};,SEARCH("/",&color(red){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(&color(red){品詞};,SEARCH("-",&color(red){品詞};)-1),&color(red){品詞};) ***【参考】 [[授業資料/EXCELの文字列関数]] [#f97261dd] -[[授業資料/EXCELの文字列関数]] -[[ジップの法則>http://ja.wikipedia.org/wiki/%E3%82%B8%E3%83%83%E3%83%97%E3%81%AE%E6%B3%95%E5%89%87]] ***ランダムサンプリング調査(Excelでの集計)ふたたび [#jb35fbdd] -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 ***BCCWJ利用の落とし穴 [#lb4d6166] -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 [#n30a8131] -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。 -例:[[kwic-yahari.zip>https://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=kwic-yahari.zip&refer=%C0%B6%C0%F42018%BD%B8%C3%E6]] ***発展(Excelの活用) [#b3f8ad8f] -[[VLOOKUP関数>授業資料/VLOOKUP関数]]