琉球大学・国際沖縄研究所の狩俣繁久教授らの研究グループが、琉球語を対象にした「言語系統樹」を作成する大規模な研究プロジェクトを進めている。琉球語が枝分かれした各地域方言間の影響や関係性を明らかにし、沖縄・奄美の言葉の複雑な相互関係の把握を目指す。
![沖縄・奄美の言語、どう広がった? 琉球語の系統樹作成へ 狩俣琉大教授ら | 沖縄タイムス+プラス](https://cdn-ak-scissors.b.st-hatena.com/image/square/6701418e8d745bbf5102dbe86b7ded4873b80c7d/height=288;version=1;width=512/https%3A%2F%2Foki.ismcdn.jp%2Fmwimgs%2F4%2Fa%2F1200wm%2Fimg_4a2f259131cda6a55ab955da6613276b79738.jpg)
琉球大学・国際沖縄研究所の狩俣繁久教授らの研究グループが、琉球語を対象にした「言語系統樹」を作成する大規模な研究プロジェクトを進めている。琉球語が枝分かれした各地域方言間の影響や関係性を明らかにし、沖縄・奄美の言葉の複雑な相互関係の把握を目指す。
データの構築手法について ウェブアーカイブの構築で用いられる Heritrix クローラを運用することで1年間にわたって3か月おきに、固定した約1億URLのウェブページを収集しました。 得られたウェブページはnwc-toolkitを用いて、日本語文抽出と正規化を行いました。 コピーサイトの問題を緩和するために、文単位の単一化(文の異なりをとること)を行いました。 形態素解析器MeCab-0.996 と形態素解析用辞書UniDic-2.1.2を用いて形態素解析を行い、 さらにUniDic 主辞規則に基づく係り受け解析器CaboCha-0.69により係り受け解析を行っています。 参考文献について 『国語研日本語ウェブコーパス』 国際論文誌: Masayuki Asahara, Kikuo Maekawa, Mizuho Imada, Sachi Kato, Hikari Konishi (20
国立国語研究所コーパス開発センターでは、 日本語の全貌を把握するための言語コーパス (language corpus)を構築しています。 English 国立国語研究所
コーパスのつくり方 構築するコーパスの目的や用途により、つくり方はいろいろありますが、ここでは『現代日本語書き言葉均衡コーパス』を例につくり方を紹介します。 1. サンプリングの方法 コーパスに採録するサンプルは無作為に選ばれます。 例えば書籍の場合、1986年から2005年の間に出版された書籍を対象として、そこから無作為に約30,000サンプルを選び出しました。 実際にサンプリング作業を行うと、ある本のあるページのある文字が選ばれます。これをサンプリング点と言います。 コーパスには、サンプリング点を含む2種類のサンプルを格納します。 2. サンプルの作成 1)コーパスに採録する部分を確定します サンプリング点が決まったら、実際に採録するサンプルの範囲を確定します 2)著作権処理を行います 各サンプルについて、著作権処理を行います。使用許諾が得られなかったものは、採録されません。 3. サ
1 特 集 「研究開発における情報利用と著作権」 コーパス構築と著作権保護 Copyright protection and corpus development 前川 喜久雄 国立国語研究所言語資源研究系 Kikuo Maekawa Dept. Corpus Studies. National Institute for JapaneseLanguageand Linguistics kikuo@ninjal.ac.jp Keywords: language corpus, balanced corpus, speech and language analysis, copyright 1. は じ め に 筆者の専門は音声学であるが、 10 年ほど前に音声自動 認識のための大規模な話し言葉コーパスである『日本語 話し言葉コーパス』 の構築に携わる機会があり[前川 04]、 それを契機と
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
処理を実行中です
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く