コーパス言語学実践 2006 年度 2 学期 第 2 回
2 本日の内容 前半の作業について – 語彙調査の演習 – 用語の説明 語彙，単位語，延べ語，異なり語，見出し 語 作成作業 その１ – データ収集開始
3 前半の作業について コーパス言語学や計量言語学では．．． – 言葉に関するデータを何らかの形で数値化（数量 化） – 一番の基本は，単語として語の数を数える – ある言語データに存在する語彙を調査 → 語彙調査 語彙調査の実践を行う
4 語彙調査 どんな調査がありうるか – 語類構成比率 品詞の構成比率 語種（和語，漢語，カタカナ語．．．）の構成比 率 – 使用率分布 語の使用率 使用率の順位 （ジップ則） – 同一見出し語の出現間隔 同一語の繰り返しの分布
5 語彙調査 どんな調査がありうるか – 一語の長さ 分野やジャンルの違いと 1 語の長さの関係 語の使用率と語の長さの関係 – 使用率と多義性の関係 使用率が高い語ほど，意味が多い（多義性が高 い？） – 延べ語数と異なり語数の関係 文章の展開が進むにつれ，異なり語数がどのよう に変化していくか．話題の展開の様子
6 語彙調査 どんな調査がありうるか – 一語の長さ 分野やジャンルの違いと 1 語の長さの関係 語の使用率と語の長さの関係 – 使用率と多義性の関係 使用率が高い語ほど，意味が多い（多義性が高 い？） – 延べ語数と異なり語数の関係 文章の展開が進むにつれ，異なり語数がどのよう に変化していくか．話題の展開の様子 こういったことも，語彙を取 り出すことによって調査可能 に
7 語彙調査 調査の流れ – 調査対象の決定 どんなテキストを収集するか どのくらいの量を収集するか など – 素材テキストの収集 実際に収集 手直しや，加工 – 単位など調査規則の設定 – 語彙の分析
8 語彙調査 調査の流れ – 調査対象の決定 – 素材テキストの収集 – 単位など調査規則の設定 単位の認定規則設定（長い単位，短い単位など） 見出し語／単位語の基準設定 – 語彙の分析 語彙表の作成 分析対象とする語の決定 など
9 用語の説明 語彙 – 語の集まり 延べ語数 – 同じ語でも，１つ２つと数える，数え方 異なり語数 – 同じ語は１つと数える，数え方 例： パンダの親指は解剖学的には親指ではない．親 指だとすると指が 6 本ということになる．あれは パンダの手首の骨が変形してできたものだそう だ．
10 用語の説明 語彙 – 語の集まり 延べ語数 – 同じ語でも，１つ２つと数える，数え方 異なり語数 – 同じ語は１つと数える，数え方 例： パンダの親指は解剖学的には親指ではない．親 指だとすると指が 6 本ということになる．あれは パンダの手首の骨が変形してできたものだそう だ． 名詞を対象 とすると 12 語
11 用語の説明 語彙 – 語の集まり 延べ語数 – 同じ語でも，１つ２つと数える，数え方 異なり語数 – 同じ語は１つと数える，数え方 例： パンダの親指は解剖学的には親指ではない．親 指だとすると指が 6 本ということになる．あれは パンダの手首の骨が変形してできたものだそう だ． 名詞を対象 とすると 9 語
12 用語の説明 単位語 – 延べ語数に数えられた 1 語として数えられる 単語 見出し語 – 異なり語数で数えられる単語のこと 延べ語と異なり語 – 計量言語学では呼ばない – 計算言語学では呼ぶ
13 実習：語彙調査 調査対象の決定 – 対象テキスト：近代小説の文章 – 収集量：眺めの作品を 4 作品 素材テキストの収集 – 手作業で入力 → 素材テキストは青空文庫から – 加工，修正は手作業を中心に行う． 単位など調査規則の設定 語彙の分析
14 調査対象の決定 都合により．．． – 宮沢賢治 『銀河鉄道の夜』 – 芥川龍之介 『蜘蛛の糸』 – 夏目漱石 『吾輩は猫である』 – 森鴎外 『最後の一句』
15 収集方針 手入力ではなく → 公開素材を用いる パソコンでの作業を楽にするための加工， 修正は手作業で行う． タグ付けも手作業で行う． 素材テキストができた後の処理では自動 化も視野に入れる
16 素材の収集 作業１： – 青空文庫から，素材テキストを入手 – 青空文庫にアクセス – 作品の ルビ付き zip ファイルをダウンロード その前に．．．
17 素材の収集（ 0 ） これからの準備 作業場所 –Y: ドライブ （ネットワークドライブ） –Y:\corpus というフォルダを作成 今後はここを作業場所に使用 フォルダ作成方法 1 ：マイコンピュータから フォルダ作成方法 2 ：コマンドプロンプトから
18 素材の収集 青空文庫 青空文庫は、利用に対価を求めない、インターネット電 子図書館です。 著作権の消滅した作品と、「自由に読んでもらってかま わない」とされたものを、テキストと XHTML （一部は HTML ）形式でそろえています。 （青空文庫のサイト上，青空文庫早分かりより抜粋）
19 素材の収集 続きは，授業中に