上智2014/国語学演習Ia の履歴差分(No.21)

追加された行はこの色です。
削除された行はこの色です。
[[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


**2014/06/06


***Excelによる集計・つづき

-復習：語形レベルでの集計
--例：exhibition
---[[データダウンロード kwic-Exhibition.zip>https://www.dropbox.com/s/qi7w3d2razg2234/kwic-Exhibition.zip]]
-復習・補足
--語形レベルでの集計
---例：exhibition [[データダウンロード kwic-Exhibition.zip>https://www.dropbox.com/s/qi7w3d2razg2234/kwic-Exhibition.zip]]
-「検索課題」（配付資料）

-複数の検索結果の結合
--例：蒲公英・向日葵・菫
---[[データダウンロード kwic-flowers.zip>https://www.dropbox.com/s/rps83rgol4feglf/kwic-flowers.zip]]
-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

***Excelの文字列関数とIF関数

--例：ジャンル（NDC）の整理
--例：「～出す」

-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
-応用例：品詞の大分類を使う
--=LEFT(<品詞>,SEARCH("-",<品詞>)-1)

***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



**2014/05/30

***復習
+「中納言」による検索
+Excelでインポート
+ピボットテーブルで集計

***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

***検索の例
-男と女のレジスタ分布　[[データ kwic-MaleFemale.zip>https://www.dropbox.com/s/x3p6kimzj36enxn/kwic-MaleFemale.zip]]
--男性と女性
--男と女と形容詞

--短単位で検索（unit="2"）

 キー: (語彙素 LIKE "[男女]" AND (語彙素読み="オトコ" OR 語彙素読み = "オンナ")) 
 WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfSentence="0" AND 
 endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16LE" AND  tglFixVariable="2"

 キー: (語彙素="男性" OR 語彙素 = "女性") 
 WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfSentence="0" AND 
 endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16LE" AND tglFixVariable="2"

--以下は長単位で検索（unit="2"）

 キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%") 
 AND 後方共起: (語彙素 = "男性" OR 語彙素 = "女性") ON 1 WORDS FROM キー 
 WITH OPTIONS unit="2" AND tglWords="10" AND limitToSelfSentence="0" AND 
 endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16LE" AND tglFixVariable="2"

 キー: (品詞 LIKE "形容詞%" AND 活用形 LIKE "連体形%") 
 AND 後方共起: (語彙素 LIKE "[男女]" AND (語彙素読み="オトコ" OR 語彙素読み = "オンナ")) ON 1 WORDS FROM キー 
 WITH OPTIONS unit="2" AND tglWords="10" AND limitToSelfSentence="0" AND 
 endOfLine="CRLF" AND tglKugiri="|" AND encoding="UTF-16LE" AND tglFixVariable="2"


-「検索課題」配付資料



***補足
-[[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]]


**2014/05/23

-資料「『中納言』の使い方」つづき　2.6～

***検索条件式の利用
 キー: 語彙素 = "玉葱" WITH OPTIONS unit="1" AND tglWords="20" AND limitToSelfSentence="0" 
 AND endOfLine="CRLF" AND tglKugiri="|" AND  encoding="UTF-8" AND tglFixVariable="2"

***検索結果をExcelで利用する
-前回資料（4.）参照

***「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


***【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


**2014/5/16

***「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」
--1.３つの検索方法 ～ 2.5ワイルドカード まで

**2014/5/9

***「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。

**コーパスの形態論情報

***短単位と長単位
-''（配付資料）''参照
-''（スライド）''参照

***品詞体系
-BCCWJはUniDicの品詞体系にもとづく
--形態論情報の例

-----

#include(授業資料/UniDicの品詞体系,notitle)

-----

#include(授業資料/UniDicの見出し語階層,notitle)

-----



***形態論情報を活かした検索
-「中納言」での指定方法
//-資料「『中納言』概説・実習」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