上智2016/国語学演習IIIa の履歴(No.8) - OGI-Wiki

コーパス日本語学入門（近現代語コーパス）

前期・金曜4限
ogiso＠ogiso.net　←＠を@に直してください

中納言 https://chunagon.ninjal.ac.jp/

2016/05/06

「中納言」の登録について

日本語コーパスの形態論情報

短単位と長単位（前回資料）

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

UniDicによる形態素解析

MeCab（解析器）とUniDic（辞書）
現代語用のUniDic形態素解析辞書UniDic
Web茶まめ　http://chamame.ninjal.ac.jp/

形態論情報を利用した検索

2016/04/29（祝日授業実施日）

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3回コーパスの設計とサンプリング

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/
- BNCリファレンスガイド 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
- 現代日本語書き言葉均衡コーパス：サンプリング

日本語コーパスの形態論情報

短単位と長単位
- （配付資料）参照

2016/04/22

コーパス検索アプリケーション「中納言」の申込みについて（来週以降）

ショートメッセージ（SMS）が受け取れる携帯電話

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
- 登録不要
- 文字列検索のみ
- 500例まで表示
BCCWJ中納言
- 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）」と「日本語歴史コーパス（CHJ）」
「コーパス」以前の日本語研究用データとの違いは

（スライド参照）
- 第2回コーパスとは

2016/04/16

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
- 形態素解析辞書UniDic

デモ
「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）」
- BCCWJ少納言
- 中納言
Excelによる集計（ピボットテーブル）
形態素解析
- Web茶まめ

シラバス確認
- シラバス
- この授業の目的
- 授業の進め方
- 評価方法