[[上智2014]] *コーパス日本語学入門 -前期・金曜4限 -ogiso@ogiso.net ←@を@に直してください **2014/5/9 ***コーパスの形態論情報 -[[UniDic>http://download.unidic.org]]の品詞体系 -UniDicマニュアル ***学校文法との違い --品詞:名詞-普通名詞-一般 (大分類>中分類>小分類) --活用型:下一段-ア行 (大分類>行分類(>小分類)) --可能性に基づく品詞 ---名詞-普通名詞-サ変可能 --形状詞 (=形容動詞語幹) --助動詞「う」が付いた形を意志推量形として扱う --漢語サ変動詞を名詞(語幹)と動詞(「する」)に分割 ***見出し語の階層構造 -語彙素(語彙素読み) --語形 ---書字形 -矢張り(ヤハリ) 32887 --ヤハリ 19876 ---やはり 19781 ---ヤハリ 0 ---矢張り 93 --ヤッパリ ---やっぱり ---ヤッパリ --ヤッパシ ---やっぱし ---ヤッパシ --ヤッパ ---やっぱ ---ヤッパ ***形態論情報を活かした検索 -資料「『中納言』概説・実習」(2.)参照 **2014/5/2 ***「中納言」利用申込み -先週申し込んだ人にはアカウントを発行しました。メールを確認してログインして下さい。 ***日本語コーパスの紹介(2) コーパスの設計とサンプリング -''(スライド参照)'' --[[第2回コーパスの設計とサンプリング>https://www.dropbox.com/s/j9yt940pvhjlqym/20140502_%E4%B8%8A%E6%99%BA%E3%83%BB%E7%AC%AC3%E5%9B%9E%E3%82%B3%E3%83%BC%E3%83%91%E3%82%B9%E3%81%AE%E8%A8%AD%E8%A8%88%E3%81%A8%E3%82%B5%E3%83%B3%E3%83%97%E3%83%AA%E3%83%B3%E3%82%B0.pptx]] -均衡コーパス(Balanced corpus) --「バランスがとれている」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 -英語のコーパス リファレンス --[[ブラウンコーパス マニュアル>http://khnt.aksis.uib.no/icame/manuals/brown/]] http://khnt.aksis.uib.no/icame/manuals/brown/ --[[BNCリファレンスガイド>http://www.natcorp.ox.ac.uk/docs/URG/]] http://www.natcorp.ox.ac.uk/docs/URG/ -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:概要>http://www.ninjal.ac.jp/corpus_center/bccwj/index.html]] --[[現代日本語書き言葉均衡コーパス:サンプリング>http://www.ninjal.ac.jp/corpus_center/bccwj/sampling.html]] **2014/4/25 ***「中納言」利用申込み -申込用紙を配布します。''押印して次回、必ず持ってきてください。'' ***現代日本語書き言葉均衡コーパス(BCCWJ)とは -BCCWJについて、まず最小限のことを説明します。 -[[BCCWJ少納言>http://shonagon.ninjal.ac.jp]] --登録不要 --文字列検索のみ --500例まで表示 -[[BCCWJ中納言>http://chunagon.ninjal.ac.jp]] --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 ***日本語コーパスの紹介(1)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)」 -日本語コーパス以前のデータとBCCWJの違いは -''(スライド参照)'' --[[第2回コーパスとは>https://www.dropbox.com/s/pjzsmnldan5hfpo/20140425_%E4%B8%8A%E6%99%BA%E3%83%BB%E7%AC%AC2%E5%9B%9E%E3%82%B3%E3%83%BC%E3%83%91%E3%82%B9%E3%81%A8%E3%81%AF.pptx]] **2014/04/18 ***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/ -コーパスとは --[[国立国語研究所コーパス開発センター>http://www.ninjal.ac.jp/corpus_center/]] --[[形態素解析辞書UniDic>http://sourceforge.jp/projects/unidic/]] -デモ -「現代日本語書き言葉均衡コーパス(BCCWJ)」 --BCCWJ[[少納言>http://shonagon.ninjal.ac.jp]] --BCCWJ[[中納言>http://chunagon.ninjal.ac.jp]] -Excelによる集計(ピボットテーブル) -形態素解析:茶まめ/MeCab+UniDic -シラバス確認 --[[シラバス>http://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=%A5%B7%A5%E9%A5%D0%A5%B9%C5%D0%CF%BF%20%5BLOYOLA%5D%C1%B0%B4%FC.pdf&refer=%BE%E5%C3%D22014%2F%B9%F1%B8%EC%B3%D8%B1%E9%BD%ACIa]] --この授業の目的 --授業の進め方 --評価方法