「1,000万語分の日本語書き言葉均衡コーパス公開」記事へのコメント

コーパスって

[Anonymous Coward]

なんだよ？
検索しても出てこないぞ

Re:コーパスって

[kamaboko-Z (33628)]

俺もわからない。
何するもの？

口語の使い方文例スタックってこと？

「キモい」とか「欧米かヨ」みたいな言葉がどう使われているのか
を調べるターゲットって事なのかなぁ？

Re:コーパスって

[m2 (22615)]

コーパス言語学 [wikipedia.org]という
アメリカで独自の発達をみせた言語学の一分野があって

統計的手続きによって、語の結合に何らかの法則性が発見・検証できないか
マイニングするためのデータ群
それがコーパスですね
演繹的というよりは帰納的で、
モンテカルロ法っぽいともいえるでしょうか？

ヨーロッパ言語学の繊細さからすれば、物量に頼った
およそエレガントでない作戦ですが、
円周率の求め方の歴史 [wikipedia.org]などとも同様に
単純な作業はコンピュータとの相性も良いので、
この研究成果は、毎日使ってる日本語入力FEPにも
すぐさま反映されうる、ナイスなインパクトをもった一大事件だと思います

//庭には二羽鶏が居る

Re:コーパスって

[keita (844)]

ヨーロッパ言語学の繊細さからすれば、物量に頼った
およそエレガントでない作戦ですが、

今ではむしろヨーロッパの方がコーパス言語学が盛んだと聞きました。
記憶があいまいなので調べてみましたが以下が参考になるかと思います。

言語理論と言語資料　—コーパスとコーパス以外のデータ [tohoku.ac.jp]

日本では計量国語学会がありますし、
英語やその他外国語研究の方々がコーパスを使っている場合もあります。
ただし言語学としての日本語研究ではなお少数であり、あくまで補助的に利用している感じがします。
今迄日本語の大規模なコーパスは存在しなかった、もしくは気軽に入手できなかったので、
なかなか本格的な研究がやりづらかったという事情はあるかと思います。
そういう意味ではこのコーパス構築のニュースはとても意義深いものだと思います。

今までは言語学者や国語学者が個々に自前簡易コーパスを構築していたわけです。
だから計量的研究を始めるためにはその膨大な構築コストに直面して、
やっぱ面倒だなぁ、それくらいなら内省だけでも十分じゃない？ と思っちゃったり。
最近は「日本語話し言葉コーパス」とか出来ましたが、今回は書き言葉なので期待はより大きいと思います。

20万円くらいならお買い得な感じ？