成蹊2018/日本語学講義E の履歴(No.13)

成蹊2018

前期・金曜2限
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」

日本語学講義E

↑

2018/06/16（土曜授業日）

『日本語歴史コーパス』を中心に解説・質疑を行います。

参加できない人は次のいずれかの課題を提出して下さい。いずれも、できたExcelファイルをポータルサイト経由またはメールで6月21日までに提出すること。
1. 好きな形容詞を一つ選び、その形容詞の連体形の直後に来る名詞を（BCCWJ）中納言で検索し、その名詞の用例数付きのリスト（用例数が多いもの順）をExcelを使って作成しなさい。
2. レポートテーマ案を考え、その言葉を「中納言」で検索し、ピボットテーブルで集計しなさい。

↑

2018/06/15

↑

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/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。

↑

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”

↑

2018/06/08

↑

複数の検索結果の結合

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+End, Home, ↓, Ctrl+V, Ctrl+Home

↑

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
例：用法分類

↑

「検索課題」

配付資料参照

↑

2018/06/01

↑

(復習)形態論情報を使った検索

資料「中納言の使い方」参照

↑

検索条件式の利用

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"

↑