自分のコーパスを作成する
Download
Report
Transcript 自分のコーパスを作成する
自分のコーパスを作成する
北尾 謙治
補足
BNCweb (CQP-Edition)
http://www.bncweb.info./
Access to the BNC via BNCweb at Lancaster
University
年齢、性別、ジャンラ、出版年など細かい設定をしたサブ
コーパスを独自に作成できる
子どもと大人
女性と男性
など
コーパス
広義の定義
言語分析に利用できる話し言葉と書き言葉の集
積
狭義の定義
言語分析のために、分析対象となる言語、また
は、様々な言語変種を代表するように収集さ
れ、コンピュータ処理可能な状態にされた実
際に話されたり書かれたりしたテキストの集合
体
あるデザインに基づいて作成
情報タグが付与
適正なサイズ
コーパスの大きさより、検索対象のサンプ
ルの数
ヒット数が3ケタ
可能であれば、それ以上
2ケタ?
1ケタでは小さすぎる
種類
サンプルコーパス
Brown, LOB, BNCなど
モニターコーパス
時代とともにサンプルを追加
Bnak of English
COCA
汎用コーパス
BNC, Brownなど
特殊目的コーパス
話し言葉 MICASE (Michigan Corpus of
Academic Spoken English)
映画 映画検索
ビジネスレターコーパス Business Letter
Corpus Online KWIC Concordancer
創ろう! マイ・データベース
http://www.babeledu.jp/mtsg/corpus/index.htm
情報が多少古いので注意
信頼できるデータ
大きな規模の方が信頼性は増す
誰が作成した者か
確認をするべき
論文にはソースを明記
WEBやCD-ROMのように電子化されたも
のが便利
目的に最も適したもの
著作権などに注意
作り方
目的に合わせてコーパスを作成
コンピュータに文字を打ち込み、保存する
印刷物はスキャナーで読み込む
WEB・ CD-ROMにある文字はコピーする
音声を書き起こして、入力する
電子図書館を利用
http://www.cis.doshisha.ac.jp/kkitao/library/reso
urce/corpus/corpus.htm#texts
整形
エラーの修正
ゴミや特殊なものなどを取り除く
文字化けも直す
ルピ
余分なタグ
必要なら1行1文になおす
分かち書きをする (日本語)
プロジェクト
新島コーパスの構築
(328通の手紙)
新島譲はどのような英語を書いていたか
その内容は?
受け取り人による差異
年代による差異
新島の英語は母語者のと異なるか
映画のDVD
(約1000本)
会話・談話分析
話し言葉の特徴
卑語や特殊な用例
感情をどのように表現
話者による異なり 年齢、性別、職業など
話し言葉と書き言葉の差異
大学入試英語テストの分析
10数年分数百大学の入試問題
入試によく出る語彙
英語の文章の難易度
上記の年代の変化
話し言葉と書き言葉の差異
関関同立の英語テストの比較
中学校・高等学校の英語教科書
2002-2005
2006-
中学校の3冊のみ
アメリカ英語とイギリス英語の比較
英米の新聞の比較
日本人のよくする英語の間違い
日本人学習者の英作文のエラーアナリシス
学習者コーパス
JEFLL Corpus 日本の中学・高校生英語学習者による自
由英作文コーパス
大学生の英作文
NICE
NICEの使用方法
NICEの検索ページ
NICE学習者の英文とネイティブの添削した英文のパラレ
ルコーパス
試作のソフトなど
CEEAUS アジア圏英語学習者コーパス
和泉 絵美, 井佐原 均 , 内元 清貴 (2005) 日本人1200
人の英語スピーキングコーパス 東京:アルク
パラレルコーパスの構築
カタカナ英語
ESPコーパスの構築
文化情報学部に役立つコーパス
論文の表現
天気予報の語彙と用例
株価の語彙と用例
広告の語彙と用例
カタカナ英語のパラレルコーパス
日本語のコーパス
太陽
近代女性雑誌コーパス
現代日本語書き言葉コーパス
男性のことば
女性のことば
戦時中の話ことば
新潮の100冊
38人の作家 775作品
大学の国語の入試問題
毎日新聞 約20年分
読売新聞 2005-2008
The End