====== 高麗大コーパスの使い方 ====== 以下の項目は[[https://okikirmui.github.io/|韓国語コーパスの使い方]]に移行しました．今後更新されません． ===== はじめに ===== ここでは，高麗大学（고려대학교）[[https://riks.korea.ac.kr/|民族文化研究院（민족문화연구원）]]の[[https://riks.korea.ac.kr/organization/digitalhumanities|デジタル人文学センター（디지털인문학센터）]]を通して公開されているコーパスの利用方法についてまとめます． 検索結果の数や例を提示しますが，本文執筆時点での結果であることをお断りしておきます． いくつかの文書に分けて説明していきます． * 概要（この文書） * [[jakle:korea:sjriks|現代韓国語用例検索器の使い方]] * [[jakle:korea:trend21|コーパス分析ツールの使い方]] * [[jakle:korea:donga|東亜日報コーパスの使い方]] ===== 各コーパスの概要と特徴 ===== 上に書いたように，大きく分けて2種類のコーパスを検索することができます． それぞれ含まれているジャンルや内容が異なるため，適宜使い分けることが必要です． 以下，デジタル人文学センターの記述などを元に，概要を整理します． ==== SJ-RIKS ==== SJ-RIKSは，21世紀世宗計画の「형태의미분석 말뭉치」（形態・意味解析コーパス）を修正，補完したコーパスです．SJ-RIKSは428ファイル，約1500万文節からなるコーパスです．2009年に修正・補完作業を開始，2010年にウェブサービスが公開されました．[[http://riksdb.korea.ac.kr/|현대한국어 용례검색기（現代韓国語用例検索器）]]で，形態素・文節・連語（語の連続）検索が可能です． さらに，21世紀世宗計画の「원시 말뭉치」全体を形態素解析した「SJ-RIKS 확장판（SJ-RIKS Extension）」も公開されており，1億1600万文節が収録されています．収録テキストの構成について，書きことばと話しことばの比率は94:6程度とのこと． 21世紀世宗計画との対比で，これらの規模が詳細に記述されている「일러두기」（SJ-RIKS ext.）から，表1を翻訳して転載しておきます． ^ 分類 ^^ 文節数1 ^ 文節数2 ^ |世宗現代韓国語原文コーパス |新規構築 | 63,899,412| 130,898,291| | ::: |統合・後処理 | 66,998,879| ::: | |世宗現代韓国語形態分析コーパス ||| 15,226,186| |世宗現代韓国語形態・意味分析コーパス ||| 12,642,725| |SJ-RIKSコーパス（形態・意味分析）||| 14,496,204| |SJ-RIKSコーパス拡張版（形態分析）||| 116,065,151| 拡張版は，形態素解析されたコーパスにもかかわらず原文コーパスの分量に迫る規模ということになります．21世紀世宗計画の「形態分析コーパス」が「原文コーパス」の1割くらいしかなかったので，規模としてはかなり大きくなったと言えます． また，拡張版についてはジャンルごとの文節数が「일러두기」に示されており（表2），統計的処理の際に必要と思われるので，こちらも翻訳して転載しておきます． ^ ジャンル ^^ ファイル数 ^ 文節数 ^ | 話しことば |純口語（転写資料） | 733| 4,151,572| | ::: |準口語（台本類） | 415| 2,563,073| | 書きことば |新聞 | 898| 24,333,650| | ::: |雑誌 | 380| 10,475,209| | ::: |書籍：想像的テキスト | 1,817| 39,495,642| | ::: |書籍：情報的テキスト | 1,779| 32,768,310| | ::: |書籍：総説 | 93| 2,277,695| | 合計 || 6,115| 116,065,151| 各テキストの出典についても検索器ページの右側，「출전목록」に詳細に示されているので，参考にしてください． ==== 물결21(Trend21) ==== 2000年以降の新聞に特化したコーパスです．東亜日報，朝鮮日報，中央日報，ハンギョレの記事を収録しています．2000年～2013年までの14年分，6億文節を形態素解析したものです． ウェブベースの[[http://corpus.korea.ac.kr/|コーパス分析ツール]]が公開されており，形態素・文節の検索だけでなく，年度別・月別の単語頻度を表示，共起語の検索などが可能となっています． 年度別の推移を見るのには良いが，検索の際に記事のジャンルや新聞を選択できない，検索結果の保存用コマンドがない，といった難点があります．なお，2011年までの記事データを用いた分析は정유진 외(2013)などを参照． 品詞タグセットは21世紀世宗計画のものとほぼ同じですが，以下の変更点があるので注意（김일환 외 2013:95）． * 語根(XR)を形容詞派生接尾辞「하--」をつけて形容詞（VA）に統合 * 否定の指定詞（VCN）「아니다」を形容詞（VA)に統合 * 補格助詞（JKC，**-가/이** 되다）を主格助詞（JKS）に統合 * 接続助詞（JC，학교**와** 집）を副詞格助詞（JKB，친구**와** 같이）に統合 * 연결어미（連結語尾，EC）と종결어미（終結語尾，EF）を統合して어말어미（語末語尾，EM）を設定 ===== 終わりに ===== 高麗大関連のコーパスについて，概要は以上です．それぞれのコーパスを扱うツールで特徴や機能が異なるので，使い方はそれぞれ以下の文書を参照してください． * SJ-RIKS：[[jakle:korea:sjriks|現代韓国語用例検索器の使い方]] * 물결21（Trend21）：[[jakle:korea:trend21|コーパス分析ツールの使い方]] 内容に誤りや不正確な部分があれば，ご教示お願いいたします． ===== 参考文献 ===== * 김일환 외(2013), " '물결21' 코퍼스의 구축과 활용", 소명출판. * 정유진 외(2013), "신문의 언어 사용 통계", 소명출판.