hellog〜英語史ブログ / 2013-08-11

■ #1567. 英語と日本語のオンラインコーパスをいくつか紹介 [web_service][corpus][efl][link][japanese]

　ウェブ上で用いることのできるコーパスをいくつか紹介したい．
　まず，「#1441. JACET 8000 等のベース辞書による語彙レベル分析ツール」 ([2013-04-07-1]) で取り上げた染谷泰正氏は，Business Letter Corpus のオンライン・コンコーダンサーをこちらで公開している．27種のコーパスからの検索が選択可能となっているが，メインは100万語超からなる Business Letter Corpus (BLC2000) とそれにタグ付けした POS-tagged BLC の2つだ．これは1970年代以降の英米その他の出版物から収集したデータである．
　Instructions for the First-Time User でまとめられているように，種々のコーパスのなかには，167万語を超える State of the Union Address (1790--2006) などデータをダウンロードできるものもあり，有用である．英作文の学習・教育や，独自データベースのコンコーダンサー作成のために参考になる．
　なお，同サイトでは，上述の各種コーパスから N-Gram Search を行なえる Bigram Plus の機能も提供している．N-Gram の検索には，本ブログより「#956. COCA N-Gram Search」 ([2011-12-09-1]) も参照．
　次は，英国のリーズ大学 (University of Leeds) が作成した大規模な Leeds collection of Internet corpora．英語を始め，フランス語，日本語などの様々な言語のコーパスをオンラインで検索できる．
　日本語のコーパスの情報については詳しくないが，KOTONOHA 「現代日本語書き言葉均衡コーパス」は充実しているようだ．ほかの日本語コーパスの情報源としては，コーパス日本語学のための情報館 --- コーパス紹介が有用．

[ 固定リンク | 印刷用ページ ]