- 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2016]]
-後期・金曜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
-[[コーパス検索アプリケーション「中納言」>http://chunagon.ninjal.ac.jp]]
*日本語学講義F
**2016/12/16
***Excelの文字列関数とIF関数
-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(<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(<ジャンルのセル>,SEARCH("/",<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(<品詞>,SEARCH("-",<品詞>)-1),<品詞>)
***【補足】Excelの文字列関数とIF関数
--後文脈の「#」より後を消す(「#」がない場合はそのまま)
=IF(ISERROR(SEARCH("#",<後文脈>)),<後文脈>,LEFT(<後文脈>,SEARCH("#",<後文脈>)))
--前文脈の「#」以前を消す(「#」がない場合はそのまま)((「#」が複数ある場合の処理があるので難しい。「~」は前文脈に決して出現しない文字を指定))
=RIGHT(<前文脈>,LEN(<前文脈>)-(FIND("~",SUBSTITUTE("#"&<前文脈>,"#","~",LEN("#"&<前文脈>)-LEN(SUBSTITUTE("#"&<前文脈>,"#",""))),1)-1))
***レポート課題の調査と小発表の準備
-考えてきたテーマについて、実際に用例を検索してレポート作成と次回のプレゼンテーション(小発表)の準備を進めます。
-積極的に質問して下さい。
-ライトニングトークについて
**2016/12/09
***検索の例
-男と女のレジスタ分布 //[[データ kwic-MaleFemale.zip>https://dl.dropboxusercontent.com/u/134600/kwic-MaleFemale.zip]]
--男性と女性
--男と女と形容詞
--短単位で検索(unit="1")
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")。一括検索なのでzipファイルに圧縮される。
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") 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 = "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 = "男" AND 語彙素読み="オトコ") 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 = "女" AND 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";
***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]]
***レポートテーマについて
-考えてきたテーマを聞き、コメントします。(今後変更があっても構いません)
**2016/12/02
***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
-ex.「全然」
**BCCWJ利用の落とし穴
-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
-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/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。
**レポートテーマについて
-次回までにレポートテーマを考えてくること(全員に聞きます)
-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
***表記
--「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
--「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
--「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
--「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”
**2016/11/25
-補講分提出物(ミニレポート)について
--未提出の人は次回までに
***復習
-「検索課題」
--配付資料参照
***『日本語歴史コーパス』の紹介
-http://pj.ninjal.ac.jp/corpus_center/chj/
--[[平安時代編>http://pj.ninjal.ac.jp/corpus_center/chj/heian.html]]
--[[鎌倉時代編>http://pj.ninjal.ac.jp/corpus_center/chj/kamakura.html]]
--[[室町時代編>http://pj.ninjal.ac.jp/corpus_center/chj/muromachi.html]]
--[[明治・大正編>http://pj.ninjal.ac.jp/corpus_center/chj/meiji_taisho.html]]
**&color(red){2016/11/18(欅祭)};
**&color(red){2016/11/11(休講)};
-課題:BCCWJ「中納言」で異表記を持つ食材または料理名を検索し、検索結果をExcelで表記・レジスター別に集計したものを作成し、できたシートをPDFにしたものを提出しなさい。
--次回の授業までに、メールで送るか、ポータルサイトの「課題提出」で提出すること。
**2016/11/4
-出席情報更新済み
***「中納言」検索結果のダウンロードとExcelでの利用
-前回配布資料「『中納言』の使い方」つづき (ポータルの「授業資料」からダウンロードできます)
+ダウンロード
+Excelでインポート
***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
***【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
//***「検索課題」
//--配付資料参照
**2016/10/28
***「中納言」の利用つづき
-前回配布資料「『中納言』の使い方」つづき (ポータルの「授業資料」からダウンロードできます)
***検索条件式の利用
キー: 語彙素 = "奇麗" IN core="true" WITH OPTIONS unit="1" AND tglWords="20" AND tglKugiri="|" AND tglFixVariable="2"
**2016/10/14
***「中納言」の利用:形態論情報を使った検索
-前回配布資料「『中納言』の使い方」 ([[SEIKEIポータル>https://portal.seikei.ac.jp/]]の「授業資料」からダウンロードできます)
--配布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。
**2016/10/07
***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
--[[授業資料/UniDicの品詞体系]]
--[[授業資料/UniDicの見出し語階層]]
**2016/09/30
***「中納言」利用オンライン申込み
-前回欠席者
***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
-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
***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://www.hit.uib.no/icame/brown/bcm.html]]
http://www.hit.uib.no/icame/brown/bcm.html
--[[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://pj.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://pj.ninjal.ac.jp/corpus_center/bccwj/sampling.html]]
**2016/9/23
***「中納言」オンライン利用申込み
-https://chunagon.ninjal.ac.jp/useraccount/register
***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)''
**2016/09/17
***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://pj.ninjal.ac.jp/corpus_center/]] http://pj.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)」>http://pj.ninjal.ac.jp/corpus_center/bccwj/]]
--BCCWJ[[少納言>http://shonagon.ninjal.ac.jp]]
--[[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
--[[Web茶まめ>http://chamame.ninjal.ac.jp]]
-シラバス確認
--[[シラバス>http://www.ogiso.net/wiki/index.php?plugin=attach&pcmd=open&file=2016%B8%E5%B4%FC_SEIKEI%20PORTAL%281%29.pdf&refer=%C0%AE%EC%FE2016%2F%C6%FC%CB%DC%B8%EC%B3%D8%B9%D6%B5%C1F]]
--この授業の目的
--授業の進め方
--評価方法
--アンケート