ゆるラジオindex 編集部より
1億語ぶんの日本語を集める作業は、まず数えることから始まります。
コーパスシリーズの第2回、制作者の丸山岳彦先生に苦労を語ってもらう回です。許可取りだけで3万点という規模感が出てきます。
何が一番大変だったかの順位づけが、そのまま話の構成になっています。
この回の内容
- 00:00命題：ミニチュアデータベースを作れ
- 06:271億語の書き言葉とその内訳
- 08:10コーパスのはじまり
- 11:27ここが大変だったよ BCCWJ TOP3
- 12:34第3位 文字数え
- 24:23第2位 実物集め
- 32:30怒涛の許可取り3万点
- 39:323万冊の購入リストを見る
- 42:03第1位 サンプル作り
- 48:51国語研は理想的スタートアップ
- 53:11コーパスの宿命
- 58:52言語を捉える難しさ
この回に出てくる言葉
番組でくり返し語られる言葉です。押すと、その語が話題になった回が並びます。
この回で紹介された本・参考文献
- 現代日本語書き言葉均衡コーパス
- 書き言葉コーパス 設計と構築講座 日本語コーパス 2
- 講義日本語の表記―指針と実態―柏野和佳子／言語学レクチャーシリーズ Vol.17
- 現代日本語書き言葉均衡コーパスにおけるサンプル構成比の算出法 : 現代日本語書き言葉の文字数調査
- 現代日本語書き言葉均衡コーパス利用の手引 第1.0版