東京外大2017

Japan Studies 2:コーパス日本語学入門


アクティブラーニングについて

2018/1/11 発表 第7回 / ミニコーパスを作る

自分用のミニコーパスを作る

(テキストデータは別途用意するのを前提として)

  1. プレーンテキスト:テキストエディタ(grepと正規表現) →今回
  2. 構造化テキスト(旧「太陽コーパス」など):XMLと「ひまわり」  →今回
  3. 形態素解析済みテキスト(BCCWJ,CHJなど):「中納言」相当←自分で作るには、Web茶まめ・ChaKi.net

プレーンテキストのミニコーパス

構造化テキストのミニコーパス

XMLとひまわり

ひまわり

全文検索システム「ひまわり」について

テキストデータを「ひまわり」で利用できるようにする

日本語のテキストの性質に関する古典的な指標とその出し方

2017/12/21 発表 第6回 / 主成分分析

主成分分析の解説

コーパスと統計的手法に関する参考資料

2017/12/14 発表 第5回

2017/12/7 発表 第4回

2017/11/30 発表 第3回

特徴語抽出

特定のサブコーパスに特有の語彙を抽出するための指標を使う

(ミニコーパス作成に向けて)

ジップ(Zipf)の法則

特徴語抽出

2017/11/16 発表 第2回

2017/11/9 発表 第1回

2017/11/2 対応分析(コレスポンデンス分析)

前回補足・タグつき正規表現

対応分析

クロス集計表からのコレスポンデンス分析

yahari<-matrix(c(
1,2,0,9,4,0,
20,12,1,30,23,0,
31,54,13,17,31,2
)
,3,6,byrow = T)
colnames(yahari)<-c("雑誌","書籍","新聞","ブログ","知恵袋","白書")
rownames(yahari)<-c("ヤッパ","ヤッパリ","ヤハリ")

#MASSパッケージを読み込む 
library(MASS)
(yahari.ca<-corresp(yahari,nf=3))
biplot(yahari.ca)

#固有値
固有値<-yahari.ca$cor^2 
round(固有値,3)
#累積寄与率
round(100*固有値/sum(固有値),2)

参考リンク:Rと対応分析

データをファイルから読み込む

setwd("C:/Users/ユーザー名/Desktop")
x <- read.table("bccwjcore_adj_register.txt",
header=T, row.names=1, sep=",", fileEncoding="UTF-8")

#MASSパッケージを読み込む 
library(MASS)
(x.ca<-corresp(x, nf=6)) #nf=行と列の数の小さいほうの値からさらに1引いた値
biplot(x.ca)

2017/10/26 テキストデータとエディタ

テキストエディタと正規表現

授業用サクラエディタのダウンロード

テキストエディタの基礎

正規表現

正規表現に関する参考資料

#amazon(4873114500) #amazon(4873113598)

2017/10/19 Rを使ってみる(2)

発表順

前回までの復習

2017/10/12 (前期の復習)中納言による検索と集計 / Rを使ってみる

(前期の復習)中納言による検索と集計

Rを使ってみる

雑誌書籍新聞ブログ知恵袋白書
ヤッパ1294
ヤッパリ201213023
ヤハリ31541317312

独立性の検定(χ二乗検定)

data <- matrix(c( 9,4,30,23,17,31), ncol=2, byrow=T)

chisq.test(data)

帰無仮説(H0):二つのレジスターで「やはり」類の使用頻度には差がない

検定の結果、p<0.05であれば0.05(= 5%)水準でH0は棄却される =二つのレジスターで差がある(レジスターと関係がないのに偶然こうなる可能性は5%以下)

クラスター分析

yahari<-matrix(c(
1,2,0,9,4,0,
20,12,1,30,23,0,
31,54,13,17,31,2
)
,3,6,byrow = T)
colnames(yahari)<-c("雑誌","書籍","新聞","ブログ","知恵袋","白書")
rownames(yahari)<-c("ヤッパ","ヤッパリ","ヤハリ")

yahari <- t(yahari) #行と列を入れ替え
yahari.d<-dist(yahari) #距離の計算
yahari.d

result <- hclust(yahari.d, method="ward.D") #word法でクラスター分析
plot(result,hang=-1) #デンドログラムを描く
#amazon(4274065707)

2017/10/05 イントロダクション

シラバスより

講義・演習の別
演習
授業の目標
日本語コーパスを研究に利用することができるようになるためのやや高度な知識と技術を身につける。
授業の概要
日本語コーパスを活用するための技術、統計的指標や手法について講義する。参加者は実際にコーパスとこれらの技術を利用した調査研究と発表を行う。
授業の計画
実際にコーパスを利用する演習発表をとおして、コロケーションや特徴語抽出のための指標、クラスタリングや主成分分析などの統計的手法、関係データベースを利用したデータの処理、ミニコーパスを自作する方法など、コーパスを研究に活用するための方法について学ぶ。 最初に講義形式でコーパスの利用法を説明した後は、毎回参加者による演習発表形式で授業を行う。
成績の評価
授業態度・期末レポート等を総合して評価する。
事前学習等
担当教員の前期の授業(Japan Studies 1)を履修するなどして日本語コーパスの基本的な利用方法を身につけておくこと。

トップ   新規 一覧 検索 最終更新   ヘルプ   最終更新のRSS