2019/02/08 対訳コーパス CORPORA で日本語検索

2019/02/08 対訳コーパス CORPORA で日本語検索

辞書に英和だけでなく和英もあるように、対訳コーパス CORPORA でも日本語から英語を調べることができるようになった。

もくじ

[ 優しい ] を引いてみる
[ 猫 ] を漏れなく引く工夫は？
日本語検索の文法
日本語検索と共起フィルタ
リンク

..[↓] 1
1	[ 優しい ] を引いてみる	もどるもくじへ

Seleaf コーパスで [ 優しい ] を引くと17件ヒットした。

検索語が赤字に黄色マーカーでハイライトされている

英語で引くのとはいくつか異なる点がある。

英語なら [ go ] で [ goes going went gone ] など活用形もヒットする
しかし、
- 日本語だと [ 優しい ] で引くと [ 優しい ] しか引いてこない
英語なら [ GO ] で引いても [ go ] で引いても同じ結果だが
- 日本語だと [優しい] と [やさしい] では結果が異なる

5件ヒットし、[ 優しい ] の結果との重複はない

そこで、入力する検索語をひと工夫する。つまり [ 優しい ] が引きたければ

[ 優,やさし] を使う

[ 優,やさし] で引くと90件ヒットした

ヒットした字幕でハイライトされた文字を見ると、欲しい情報が取れている。

3 「優」しいのね
9 「やさし」くして
11 「優」しくする

その他に「優」がつく熟語もヒットしている

4 「優」勝しなかった
7 最「優」先だ
10 ヒトに「優」劣をつけて

こちらは想定外かもしれない。これを避けたければ [ 優し，やさし] で引くとよい。

このような特徴と限界があることを知ったうえで、使ってみると、和英辞書の冒険が楽しめたりする。

..[↑][↓] 2
2	[ 猫 ] を漏れなく引く工夫は？	もどるもくじへ

たとえば [ 猫 ] について引くにはどのような工夫が必要か考えてみよう。

・
　・
　　・

・

ヒット数が多い TED コーパスでためした結果はこうなった。

猫	204 hits	63%
ネコ	95 hits	29%
キャット	23 hits	9%
ねこ	3 hits	1%

計	325 hits

これらの数字は日本の言語文化を垣間見させてくれるようだ。

やはり正統派 [ 猫 ] の漢字1文字が、音と字義を伝えていて一番的のようで、過半数の支持を得ていた。

でも [ ネコ ] も3割と奮闘している。

外来語の [ キャット ] も1割近くと意外と多かった。

平仮名の [ ねこ ] は1%で極少数派だが、かえってどんな場面で使っているのか気になるのが面白いところだ。気になり始めると眠れない方は CORPORA / TED コーパスでひいてみると「なるほど」と腑に落ちるかもしれない。

..[↑][↓] 3
3	日本語検索の文法	もどるもくじへ

日本語検索の文法は2つだけ。

(1)		あるいは検索 / or		語を，（カンマ）で区切る
(2)		かつ検索 / and		語を；（セミコロン）で区切る

..[↑][↓] 4
4	日本語検索と共起フィルタ	もどるもくじへ

[ 猫 ] はどんな脈絡で出てきたのか調べたいときには共起フィルタが便利だ。共起フィルタは対訳フィルタとセットで今年から導入したツールだ。

さっそく [ TED / 猫,ねこ,ネコ,キャット ] で検索すると 325件ヒットした。共起フィルタを起動すると、これも世相を反映しているようで興味深かった。

[ 猫 ] と来るとやはり [ 犬 ] ですね。それに [ 子 ] がかわいい盛りで好まれているようです。[ 写真 ] にも撮りたいし、[ 餌 ] も気になるんですね。

共起フィルタと対訳フィルタについては、シリーズで記事をアップしてあるので、詳しくは以下のリンクへ。

..[↑][↓] 5
5	リンク	もどるもくじへ

シリーズ 1. 対訳コーパス CORPORA にフィルタ追加
シリーズ 2. 対訳コーパス CORPORA でライティング
シリーズ 3. コーパスで見る“興味”の英語表現 1＋5

対訳コーパス CORPORA
⇒http://www.mintap.com/talkies/pac/corpora.html

..[↑] 6

2019.02.08 田淵龍二 TABUCHI, Ryuji