「日中Skype会話コーパス」を用いた話題別語彙の抽出 ―「食」の場合―

Size: px

Start display at page:

Download "「日中Skype会話コーパス」を用いた話題別語彙の抽出 ―「食」の場合―"

よしじろうとどろき
5 years ago
Views:

1 真正性のある接触場面会話コーパスを用いた話題特徴語の抽出ポップカルチャーの場合中俣尚己 ( 京都教育大学 )

2 1. はじめに

3 本研究の目的トピックシラバスに基づいた教材を作る上で欠かせない語彙の選定を, 実際にそのトピックについて話している会話コーパスのデータから半自動的に行うという試み * 語彙に関する研究 ( 森 ( 編 )2016 など )

4 これまでの重要な成果山内 ( 編 )(2013) 実践日本語教育スタンダード ( 以下実践 S) 実質語は話題に従属するという考え方

5 食名詞 : 具体物の料理名 : 個体まず,100 の話題を選定各話題ごとに文型を設定その文型に入りうる名詞をパラディグマティックに配列 A B C 3 段階の難易度意味分類 A B C 料理名: 個体カレーパンごはんサラダうどんそばサンドイッチステーキハンバーグ刺身ライス粥実麺漬物 ~ 漬け

6 本研究が目指すもの実践 S での語の選定や難易度判定は大部分が執筆者の主観に基づくもの学習者の接触場面にその語が必要かは未検証会話コーパスから機械的にその話題に従属する語彙を抽出できれば, 客観的かつ大規模な語彙表を作成できる実践 S の枠に, データから具体的な語を流し込む作業話題に従属しない語本当に? 機能語と話題の関連性が分かれば教室活動を考える手がかりに

7 2. 先行研究

8 特徴語抽出とは特定の文書群と他の文書群を比較し, 特定の文書群によく出現する語を特徴語として抽出する研究は広く行われている指標は ( 色々あるが ) 対数尤度比 (Log-Likelihood Ratio) が効果的とされる ( 内山ほか 2004, 中條ほか 2005) 田中近藤 (2011) 中俣 (2015b) 山内橋本 (2016) 教科特徴語話し言葉食書き言葉食

9 中俣 (2015b) 自身が構築した日中 Skype 会話コーパスについて料理の話題の会話を分析したところ 244 語が抽出され,80% 以上が実際に料理と関係していることが確認された十分に高い数値であるが誤抽出の語があることが問題料理回のファイルをまるまる分析対象にしたため誤抽出の語は話題が逸れた箇所に集中会話内容を精査し, 実際にその話題について話している箇所だけを切り出してサブコーパスを構築すれば,100% に近い精度で抽出できるのでは? 本研究へ

10 3. 方法使用したコーパスについて特徴語抽出の手順

11 3.1 使用したコーパスについて日中 Skype 会話コーパス 2012 年 5 月 ~7 月に東京実践女子大学と長沙湖南大学の学生間で行った Skype を利用した遠隔日本語会話活動 ( 中俣ほか 2013) を録音文字化したもの接触場面会話コーパス

12 日中 Skype 会話コーパスとは中国人学習者は全員 2 年生日本人は 3 年生 ~M1 9 ペア 38 会話総会話時間 46:48:35 1 会話あたり平均 1:13:55 語数は約 20 万語 ( 後述の雪だるまで解析 ) テキストファイル笑いや発話の重なりといった簡単な記号を含む

13 利用するには中俣のホームページから無料でダウンロードできます ( Skype コーパスで検索 )

14 特徴 1: 真正性があるコーパスのための活動ではない Skype を用いた会話活動を通し中国の学習者には学んだ日本語を使う機会を提供するとともに学習意欲を継続させること日本の母語話者には外国人と文化交流をしたり日本語を教えたりしながら日本語について考えてもらうことが第一の目的真正性のある接触場面の雑談

15 表 1 KYコーパスと日中 Skype 会話コーパスの出現数の比較語 KY コーパス Skype コーパス明後日 0 7 木曜 6 41 すごいすごくすげえ 0 4 明後日や木曜は基本語であるのに, コーパスに出現しにくい ( 北村冨岡川村 2009)

16 特徴 2: 縦断的なデータ会話活動は 1 週間に 1 回継続的に行った最も多いペアで 7 回分の会話がある

17 特徴 3: 一種の電話場面終結部などは電話場面そのものの展開が観察される ( 橋内 1999) コミュニケーションブレイクダウンや沈黙の研究にもどうぞ

18 特徴 4: 話題が指定されている 1 ポップカルチャー 6 伝統行事 2 料理 7 夏休み夏の予定 3 家庭家族子供 8 大学生活 4 故郷今住んでいる場所 5 敬語 0 指定なしトピック認定できず必ずしも厳密に守られているわけではなく話がそれたり日本語についての質問も

19 3.2 特徴語抽出の手順コーパス全体を目視しポップカルチャーが話題の特定コーパス (28,960 語 ) とそれ以外が話題の対照コーパス (175,352 語 ) に分割 ( 調査協力者と発表者の 2 人で行った ) ポップカルチャーにはドラマ音楽アニメーションを含めるが文学は含めない学習者と母語話者は分割しないなぜか?

20 表 4 日中 Skype 会話コーパスにおける話者別の異なり語数と延べ語数 ( 中俣 2015b) 話者異なり語数延べ語数 TTR 中国人学習者日本人母語話者 5, , , ,

21 接触場面において学習者と母語話者の語彙の違いは小さい細かく語彙を分析しても母語話者はよく使うが学習者はあまり使わないあるいはその逆の語というものは一部の機能語的な語に限られる ( 中俣印刷中 ) 話者の違いによる特徴語 < 話題の違いによる特徴語

22 日本語解析システム雪だるま長岡技術科学大学の山本和英氏が開発形態素ではなく単語に分割することを目的とする ( 森 2016) 気が早いのような慣用句かもしれないのような複合辞勉強するのようなサ変動詞無理だのような形容動詞をそれぞれ 1 語として出力解析は 2015 年 12 月 26 日に行った

23 対数尤度比を計算田中近藤 (2011) の補正値 2(alna+blnb+clnc+dlnd-(a+b)ln(a+b)-(a+c)ln(a+c)- (b+d)ln(b+d)-(c+d)ln(c+d)+(a+b+c+d)ln(a+b+c+d)) a: 当該資料での当該語の度数 b: 参照資料での当該語の度数 c: 当該資料の延べ語数 -a d: 参照資料の延べ語数 -b ln は自然対数を表す a または b が 0 の場合 alna または blnb を 0 として計算する ad-bc<0 の場合の場合 -1 を乗じる補正を行う 0.1% 水準で有意となるよりも大きい語をポップカルチャー特徴語と認定する

24 4. 結果

25 3.3 結果発話の断片 ( テレビと言おうとしてテレ ) を除いて,251 語を抽出ポップカルチャーコーパスのうち異なり語数の 11.9% 延べ語数の 28.7% ( 機能語感動詞を含む ) 参考 : 食コーパス異なり 11.9% 延べ 16.0%

26 表 4-1 代表的な特徴語品詞語数精度代表的な語 % アニメ映画ドラマ歌題名歌手人気曲誰主人公番組マンガグループテレビ番組推理音楽テレビドラマカラオケ作品漫画人一人舞台闘争コント語数は機械的に抽出された語精度はそのうち, 実際に話題に関連している割合一般名詞

27 表 4-2 代表的な特徴語品詞語数精度代表的な語固有名詞 % 嵐蛍の光木村拓哉 SMAP 亮さんジェイチョウハンガーゲーム AKB サザエさん貞子ナルト陰陽師セーラームーン福山福山雅治 Shine 山口ピカチュウ語数は機械的に抽出された語精度はそのうち, 実際に話題に関連している割合

28 表 4-3 代表的な特徴語品詞語数精度代表的な語動詞 19 95% 見る聞く知る出る読む歌う流れる描く参加する見れるおすすめするはやる捨てる調べる感動する出演する主演する語数は機械的に抽出された語精度はそのうち, 実際に話題に関連している割合

29 表 4-4 代表的な特徴語品詞語数精度代表的な語形容詞 % 人気この好き面白い可愛いかっこいい有名新しい古い大人気無理怖いソフト真面目爽やか副詞 8 100% ニコニコとってもいろいろ最近去年昔今さっき感動詞 9 0% あああふうーんへええんんーうんよーしのうえ機能語 3?? たているの

30 表 5 誤判定と考えられる語広い意味では関係するもの話題が微妙にずれたもの日本台湾インターネット無料情報ネット集める校歌スケジュール卒業式

31 5. 考察作品外語彙と作品内語彙抽出された機能語から考える教室活動

32 5.1 作品外語彙と作品内語彙 251 語のうち動詞や形容詞はそれぞれ 10% にも満たず少数の語彙が選ばれていた反対に名詞は 77% を占め語彙学習における名詞の重要性を示している一般名詞宇宙宇宙兄弟固有名詞イタチ NARUTO このような語が多数を占めているのではないか?

33 表 6 作品外語彙と作品内語彙一般名詞固有名詞作品外語彙監督キャラクターバンドなど77 例福山雅治コクリコ坂貞子など88 例作品内語彙政治ロボットお見合いなど16 例ピカチュウナルトなど4 例

34 5.2 抽出された機能語から考える教室活動直感では抽出しにくい誰が抽出された食の話題と比べれば誰が出演するのか誰が監督か誰が主人公かなど誰が話題になることは相対的に多いと言える疑問詞誰を使う活動とポップカルチャーという話題は相性が良い他の疑問詞も?

35 食に関係しない語彙疑問詞いつは抽出されなかったが最近去年今昔さっきているた山内 ( 編 )(2013) では話題に従属しない語しかし従属とまでは言わなくても ( 少なくとも教室活動を考えるレベルでは ) 相性のよい話題が存在するのでは

36 機能語が重要になるか? 食の場合駅前の鯛焼き屋はおいしいです駅前の鯛焼き屋はおいしかったです文の意味は異なるが聞き手の行動は同じポップカルチャーの場合昔セーラームーンを見ました今セーラームーンを見ています聞き手の行動が異なってくるドラマや映画には時間的制約があるのでテンスアスペクトが重要真正性のある活動になる

37 教室活動の例昔見た作品を紹介する私は時間の副詞を見ましたが出ていましたで見ることができますぜひ見て下さい

38 教室活動の例今放映中の作品を紹介する私は時間の副詞を見ていますが出ていますチャンネルで時からやっていますぜひ見て下さい

39 難易度による話題の分類 ( 山内橋本 2016:59 より抜粋 ) I-a I-b I-c II-a II-b II-C III IV 町家族趣味など食衣旅行交通など住日常生活絵画などふるさと友達容姿など音楽映画演劇芸道など文芸出版家事祭りなど言葉思い出悩みなど算数数学サイエンスなど

40 機能語の観点を加えると衣食住時間的変化がないふるさとポップカルチャー時間的制約があるテンスアスペクトサイエンスヴォイスなども重要

41 6. おわりに

42 本研究では日中 Skype 会話コーパスからポップカルチャーに特徴的な語を半自動的に 251 語抽出したコーパスの規模から考えれば質量ともに十分で話題シラバスの教材作りに貢献可能機能語の中にも特定の話題と相性が良いものがある逆に機能語を練習する際にその違いが真正な意味を持つ話題があるこれらは経験的には知られていたが会話データから抽出できるという方法論を示したことに本研究の意義がある今後は複数の話題を対象に同様の調査を行いたい

43 参考文献 ( 追加 ) 内山将男中條清美山本英子井佐原均 (2004) 英語教育のための分野特徴単語の選定尺度の比較自然言語処理 11-3 森篤嗣 (2016) 旧 JLPT 語彙表に基づく形態素解析単位の考察庵功雄佐藤琢三中俣尚己 ( 編 ) 日本語文法研究のフロンティア山内博之橋本直幸 (2016) 第 2 章教育語彙表への応用砂川有里子 ( 編 ) 講座日本語コパス5. コーパスと日本語教育

44 発表は以上ですご意見ご質問よろしくお願いします利用希望者は Skype コーパスで検索!

4 学習の活動単元 Lesson 1 (2 時間 ) 主語の決定 / 見えない主語の発見 / 主語の it 外国語表現の能力適切な主語を選択し英文を書くことができる外国語理解の能力日本の年中行事に関する内容の英文を読んで理解できる言語や文化についての知識理解適切な主語を選択練習問題の

4 学習の活動単元 Lesson 1 (2 時間 ) 主語の決定 / 見えない主語の発見 / 主語の it 外国語表現の能力適切な主語を選択し英文を書くことができる外国語理解の能力日本の年中行事に関する内容の英文を読んで理解できる言語や文化についての知識理解適切な主語を選択練習問題の学校番号 310 平成 29 年度英語科教科科目単位数指導学年教材名副教材名英語英語表現 4(2 単位 2) 第 2 学年 Vision Quest English Expression Ⅱ( 啓林館 ) 同 WORKBOOK Hope ( 啓林館 ) 1 担当者からのメッセージ ( 学習方法等 ) 英語表現 4 単位を 2 年生 3 年生で 2 単位ずつ履修する教科書は 3 つのパートに分かれており