サルではわからんコーパスOn the Web 97/04

?????

目次




■はじめに
■第１部：コーパスとは
■第２部：コーパス利用のためのソフトウェア
■第３部：データの収集
■投稿規定

はじめに



　「サルではわからんコーパス」はCorpus Wizard for Winのヘルプでは書ききれないことを中心にまとめたものです。現在はホームページ上で閲覧できるようになりました。
　でコーパスでなにができんの

投稿規定



　「サルではわからんコーパス」への投稿をお待ちしています。
分量：自由
対象：初心者か中級以上
締切：随時
応募先：浜口宛に電子メール で御願いします。
内容の審査はしませんが、形式上の変換(長い行に改行を入れるとか、関連項目にリ ンクを張るなど)はやらせていただきます。
中級以上には「コーパスの鉄人」を計画しています。

質問はこちらから送れます。質問コーナー

コーパスとは



コーパスというのはですね、一定の目的を持って収集された言語データの集合体で、情
報検索に便利な形にしたものとでもいいましょうか。機械可読形式であれば面倒な作業
はソフトウェアが代行してくれますので、人間はどのような情報を取り出せばいいのか
考えればいいだけです。これが難しいんですけどね。
話はかわりますが、4th Workshop on Very Large Corpora の投稿募集のメールには
Large Corpora は10の４乗(10,000)から９乗(1,000,000,000)語の範囲のものらしいで
す。10,000語程度ならなんとかなりそうですね(^_^;)でもveryがつくものっていった
いどんなものなんでしょうか。
■ コーパスっていったい何？
■ 世界のコーパス
■ 日本のコーパス

コーパス利用のためのソフト



オンラインソフト
　MS-DOS用
　Windows用
　Macintosh用
市販ソフト
　MS-DOS用
　Windows用
　Macintosh用

オンラインソフト(MS-DOS)



国産ソフト
▲ KKC for DOS
▲ AYUDAシリーズ
▲ WGREP
▲ CGREP
▲ JGREP
海外ソフト
▲ UC Berkley Humanity Tools

KKC for DOS & AYUDAシリーズ



　KKC for DOSは検索ソフトの一種で指定されたキーワードを含む行を標準出力に出力します。機能としてはCorpus Wizardのサブセットです。

オンラインソフト(Windows用)



国産ソフト
▲ Corpus Wizard for Win16
▲ Corpus Wizard for Win16機能拡張DLL
▲ Corpus Wizard for Win32
▲ QGREP
▲ NekoGREP
▲ SGREP
▲ ファイル検索犬ポチfor Windows
海外ソフト
▲ MonoConc for Windows

オンラインソフト(Macintosh用)



国産ソフト
▲ ファイル検索犬ポチ

市販ソフト(MS-DOS用)



準備中

市販ソフト(Windows用)



準備中

市販ソフト(Macintosh用)



準備中

AYUDAシリーズ



　KKC for DOSの検索結果を加工することによってなんとかコンコーダンサー的な使い方ができないかと工夫を重ねて作ってみました。


　　KKC for DOSのページもあります。

Corpus Wizard for Win16



　KKC for DOSと同じ検索結果をWindows上でも得られるようにするだけのプログラムとしてスタートしましたが、現在では検索結果のソート、コロケーション統計、位置指定絞込み再検索など市販コンコーダンサーの代用となるよう機能強化が図られました。強化された機能を利用するにはKKCWTOOL.DLLがインストールされている必要があります。

　　Corpus Wizard for Win16/Win32のページもあります。

Corpus Wizard Plus!



　Corpus Wizard for Win16は日本語テキストに対しても検索は出来るんですが、ソートなど結果の加工処理については対応できませんので、別プログラムとしてCorpus Wizard Plus!を作成し、必要に応じて併用していただく形に落ち着きました。ただし、単語検索等の関係で多言語対応はWin32版で対処することになりました(^_^;)

　　Corpus Wizard for Win16/Win32のページもあります。

Corpus Wizard for Win32



Corpus Wizard for Win16 +Corpus Wizard Plus! を統合し、32ビット化したものです。コロケーション統計の高速化などが図られています。現在では多言語対応も夢ではない内部構造になっています。なお、登録ユーザー向けに以下のツールがおまけとして提供されます。
　Boreal for Win32/Win16 単語出現頻度計数
　Dr.Count for Win32/Win16 単語数計数
　Zephyr for Win32 簡易CSV,TSV閲覧ツール
　DelHyph for Win ハイフネーション削除ツール
 これらのおまけツールは登録ユーザー以外の方にはシェアウェアとして公開されます。

　　Corpus Wizard for Win16/Win32のページもあります。

UCB Humanity Tools



テキスト処理に便利なソフトが多数含まれています。
所在
NIFTY FLM LIB 5　#1,#2,#3

データの入手方法



どのようなテキストを収集するかというのを決めたら以下に紹介する方法で集めてみましょう。
■ オンライン上のテキスト
■ 市販CD-ROM
CD-ROM取り扱い店情報

オンラインテキスト



以下のフォーラム・SIGにはシェイクスピアなどをはじめとするテキストが登録されています。
NIFTY-Serve英会話フォーラム16番ライブラリ
PC-VAN KOTOBA OSL #4
以下のメッセージからのコメントツリーにはCNNのWWWで提供されているtranscriptに関する情報があります。
　FENG MES 12 #1351(改装前)

CNNに行ってみましょう
TIME誌も良いでしょう

出版社・新聞社へのリンク集はこちら

市販CD-ROM



最近はTIME, USA TODAYなどCD-ROMがたくさん発売されていますので、そちらの方のご利用もおすすめします。

　量はあまりありませんが法律関係では

ちょっと工夫が必要ですが、CD-ROM Treasure PACK I(WAYZATA Technology) には


が入っています。ただし検索のために特殊なフォーマットになっいますのでKKCをはじめとする検索ソフトで使うには事前の加工が必要です。クリップボード経由で転送するとか・・・いつまでたっても終わりませんが・・・
　他にもInternetに流れているFAQを収録したCD-ROMもありますので近いうちに確認したいとおもっています。といいつつ、一番活用しているのはネットニュースだったりします。
　テキストデータ系CD-ROMの入手情報もお待ちしております。
ネットワーク上の入手情報 もあります。
汎例
★ 私が購入し実際に使っているもの
▼ 店頭で見かけただけ
◇カタログで見つけたもの

で、TIME Magazine Multimedia Almanacには1989年1月から1995年6月までの記事が収録 されていますが、残念ながらテキストデータではありませんでした(^_^;)

CD-ROM紹介記事



『英語教育』1995年9月号で井出　清氏が英語教育にも役立つCD-ROM２枚の紹介をされています。

CD-ROM所在情報



　著作権などの関係で、ネット上の情報をまとめて引用することはしません。直接該当するネットワークにアクセスして下さい。所在情報なら引っ掛からないでしょう(^_^;)
米国のTVのtranscriptionを収録したCD-ROMについての情報が
　FENGC MES 12 #436(リフォーム前)
　FENGC MES 12 #929(リフォーム前)
にあリます。

ファイル検索犬ポチ



作者：仲谷賢一さん
種別：シェアウェア(\1000) NIF送金代行番号1583
On Line Today Japan 1995/12号 p.84 フリーソフトウェア・ナウ　第27回
Windows版もあるらしい

コーパスで何が出来る



そ、それだけはきかんといでぐで〜〜〜〜〜〜(*o*)

アドレス



以下のアドレスに御願いします。
NIFTY : NBC03301
PC-VAN: NED30616
インターネット: htakashi@mse.biglobe.ne.jp

WGREP



圧縮書庫内のファイルも検索できる検索ソフトです。LHAの書庫は搭載している解凍ルーチンで対応していますが、-lh6-形式のファイルは-xオプションでLHA.EXE(ver.2.5x以降)を呼び出してやれば検索できます。

CGREP



　CGREP のC はContextのCです。キーワードとマッチした行だけではなく、前後の行も一緒に出力させることも出来ます。

JGREP



　オプションが多少複雑ですが、そのぶんきめ細かい検索が出来るはず(^_^;)JGREPはPC98用ですが、JGSLIMというDOS汎用版もあります。

CD-ROM取扱店情報



近畿
　兵庫県
　　神戸市
　　

PC-PORT三宮



星電社PC-PORT三宮3F(DOS/Win),4F(Mac)
　会員カード(来店/買上ポイント特典付)あり
　　650 神戸市中央区三宮町1丁目5-8
　　　JR/阪急/阪神/ポートライナー三宮下車

周辺案内 　　　　　　　　　　　　　　　　地下鉄三宮[地下]
　 [〓〓〓〓〓〓〓〓〓〓〓〓〓阪急三宮〓〓〓〓〓〓〓〓〓〓〓〓〓〓〓〓至梅田
□■□■□■□■□■□■□■□■□■ＪＲ三宮□■□■□■□■□■□■□至大阪
　　　　　　　　　　　　　　　　　　　　　ﾎﾟｰﾄﾗｲﾅｰ ---+　
　　　　　　　　　　　　　　　　　　　　　　　　　　　|　ダイエー
　　　　　　　　　　　　　　　　　　阪神三宮[地下]　　|
　　　　　　　　　　　　　　　　　　　　そごう　　　　|
　　　　　　　　　　　　　　　　住友BK　　　　　　　　|
　　　　　　　　　PCXTOWN　 ★　富士BK　国際会館　　　|
　　　　　　　　　　　　　PC−PORT　　　　　　　　　　|
　　　　　　　　　　　　　　　　　　　　　　　　上新　|
　大丸神戸店　　　　　　　　　　　　　　　　　至ポートアイランド

交通案内
　現在星電社三宮店本館は建設工事中ですのでセンター街から直接入ることは出来ま せん。富士銀行と住友銀行の間の道路を利用してください。

PC-PORTハーバーランド



星電社PC-PORTハーバーランド[星電社ハーバーランド店4F]
　会員カード(来店/買上ポイント特典付)あり
　　　JR神戸/神戸高速鉄道高速神戸下車
　　　市営地下鉄大倉山下車

周辺案内 　　　　　　　　　　　　　　　　　中央図書館
　　　　　　　　　　　　　　地下鉄大倉山[地下]
　　　　　　　　　　　　　　　湊川神社
　　　　　　　　　　　　　高速神戸[地下]
　　　　　　　　　　　　　Duo Kobe[地下街]
□■□■□■□■□■□■□■ＪＲ神戸□■□■□■□■□■□■□至三宮・大阪
　　　　　　　　　　　　　Duo Kobe[地下街]
=====================阪神高速神戸線[高架]/国道２号線[地平]==============
　　　　　　　　ハーバーサーカス
　　　　　　　　[4F : Sofmap]　　　　メガバンドール ★
　　　　　　　　　　　　　　　　　[6F : PC売場]　　PC-PORT
　　　　　　　　　　　　　　　　　　阪急百貨店　　　　　　　モ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ザ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　イ
　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　ク
 交通案内
　土日休日は周辺道路の渋滞が激しいです。自動車を使わない方が無難です。電車バスをご利用ください。自転車でも渋滞に巻き込まれて苦労しますので(^_^;)　横断歩道以外での横断は危険ですから止めましょう。これまで何人ひき殺しかけたことか・・・

作業用スペース

|　 ２号館トップへ |　 ３号館へ 　|

御意見・御要望はこちらへどうぞm(__)m :
<htakashi@mse.biglobe.ne.jp>