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
© Copyright 2024 ExpyDoc