コーパス言語学実践 2006年度2学期第6回本日の内容 • 前回までのまとめ – 今現在の状態の確認 – 追いついていない人→追いつく • Excelへの読み込み • 分析１ – 品詞構成比率の計算 2 前回までの確認 • cabochaの利用で文節を作る y:\corpus>CaboCha\bin\cabocha I0 –O2 gingatetsudo05.txt > gignatetsudo06.txt 全部1行で記す！オプションなどの間には空白を入れること！ – -I0 アイのゼロ –O2 オーの2 3 前回までの確認（文節の中から自立語を取り出す） • tangotoridasi.plの利用の前に – 文字コードをutf-8というコードに変換 – *06.txtの文字コードをutf-8にしておく必要あり． ●やり方1：TeraPadで*06.txtを開く． [ファイル]→[漢字改行コード指定保存]→ 漢字コードUTF-8 改行コードCR+LF の状態で保存！ ●やり方2：メモ帳で*06.txtを開く． [ファイル]→[名前を付けて保存] 文字コード(E): UTF-8 にして保存！ 4 前回までの確認（文節の中から自立語を取り出す） • tangotoridasi.plの利用 y:\corpus>perl –s tangotoridasi.pl –fn=“gingatetsudo” < gingatetsudono_yoru06.txt > gingatetsudono_yoru07.txt 全部 1行に書く!! 見出し語;品詞;0;表層形\tヨミ\t基本形\t品詞..........*;出展ここは出展情報なので自由に記述してよい（どの作品か分かる程度） 5 前回までの確認（もう少し整形を） • seikei01.pl をダウンロード y:\corpus > perl seikei01.pl < gingatetsudono_yoru07.txt > gingatetsudono_yoru08.txt これにより，見出し語 \t ヨミ（不完全） \t 表記 \t 品詞 \t 単複 \t 出展（ここで \t はタブ記号を表す） 6 前回までの確認 • seikei01.plまでの処理を行う＊08.txt が完成見出し語 \t ヨミ（不完全） \t 表記 \t 品詞 \t 単複 \t 出展（ここで \t はタブ記号を表す） 7 Excelでの読み込み • MS-Excelで作成したデータを読み込む [スタート]→［すべてのプログラム］→［Microsoft Office］→［Microsoft Office Excel 2003］起動したら，ファイル→開く→ gingatetsudono_yoru08.txt を選ぶ 8 Excelでの読み込み（2） • UTF-8 • カンマやタブなどの区切り文字．．．を選ぶ次へ 9 Excelでの読み込み（3） • 次の画面ではタブのチェックを確認次へ 10 Excelで読み込む（4） • そのまま完了を押すちゃんと読み込まれることを確認！ 11 分析１（品詞構成比率） • Ｅｘｃｅｌを使って品詞ごとの数を数える • 品詞構成比率を計算する • この作業をする 12 品詞構成比率（2） • まずは各テキストごとの各品詞ごとの数を数える Excelに読み込んだファイルここをクリック 13 品詞構成比率（3） • まずは各テキストごとの各品詞ごとの数を数える Excelに読み込んだファイルここをクリック 14 品詞構成比率（4） • まずは各テキストごとの各品詞ごとの数を数える Excelに読み込んだファイル「データ」→「フィルタ」→「オートフィルタ」 15 品詞構成比率（5） • まずは各テキストごとの各品詞ごとの数を数える Excelに読み込んだファイル名詞を選ぶ 16 品詞構成比率（6） • まずは各テキストごとの各品詞ごとの数を数える Excelに読み込んだファイル名詞をだけが選ばれる 17 品詞構成比率（7） • まずは各テキストごとの各品詞ごとの数を数える品詞構成を計算しよう名詞動詞形容詞副詞連体詞接続詞感動詞記号合計度数比率％ 18 品詞構成比率２（1） • 先ほどは，品詞のカウントが延べ語数だった． • 今度は異なり語数でカウントしてみる． →次回にするので，方法を考えてみよう． 19