hellog〜英語史ブログ / 2019-01-13

■ #3548. Parsed Corpus of Early English Correspondence (PCEEC) [corpus][emode][ceec]

　現在取りかかっている研究テーマの調査のために，CoRD ( Corpus Resource Database ) の Parsed Corpus of Early English Correspondence (PCEEC) より情報を得て，The Oxford Text Archive (OTA) 経由で PCEEC を入手した．統語タグ付きコーパスとして提供されているものだが，複雑な統語環境の条件によるサーチは必要ないので，附属のプレーンテキストか品詞タグ付きテキストからなるコーパスで今回は十分に用を足しそうだ．しかし，必要とあらば検索ツール Corpus Search 2 を用いて凝ったサーチもできる．
　このコーパスの元となっている Corpus of Early English Correspondence (CEEC) は，1996--98年にヘルシンキ大学にて編纂作業が進められたコーパスで，1410?--1681年の書簡テキストが送り手の情報とともに集積されている．96の書簡集からなり，書き手は778人，書簡は6039通，そして総語数が270万語に及ぶコーパスである．編纂の狙いは，社会言語学的な手法を歴史英語へ適用することにあった．
　この CEEC からいくつかの姉妹コーパスが派生しており，その1つが統語タグ付きの PCEEC である．CEEC 自体は一般公開されておらず，一般に入手できるのは PCEEC と Corpus of Early English Correspondence Sampler (CEECS) のみである．PCEEC は，CEEC から著作権の関係で1/4ほどを取り除いたコーパスとなっている．
　その他の（未公開）派生コーパスである，Corpus of Early English Correspondence Supplement (CEECSU) と Corpus of Early English Correspondence Extension (CEECE) も合わせて，量的な情報を一覧しておこう．

Corpus	time covered	words	letters	writers	collections	published
CEEC	1410?--1681	2.7 million	6039	778	96	----
CEECS	1418--1680	0.45 million	1147	194	23	1998
PCEEC	1410?--1681	2.2 million	4979	657	84	2006
CEECE	1681--1800	c. 2.2 million	c. 4900	> 300	74	----
CEECSU	1402--1663	c. 0.44 million	c. 900	> 100	20	----

　PCEEC について，時代区分を設けて語数をカウントすると以下の通り．

Period	Date	Word count	Token count
M3	1350--1419	19,505	684
M4	1420--1499	364,317	20,039
E1	1500--1569	309,220	11,056
E2	1570--1639	910,675	44,067
E3	1640--1710	555,415	29,185

・ CEEC = Corpus of Early English Correspondence. Compiled by Terttu Nevalainen, Helena Raumolin-Brunberg, Jukka Keränen, Minna Nevala, Arja Nurmi and Minna Palander-Collin at the Department of Modern Languages, University of Helsinki. 1998.
・ PCEEC = Parsed Corpus of Early English Correspondence, parsed version. Annotated by Ann Taylor, Arja Nurmi, Anthony Warner, Susan Pintzuk, and Terttu Nevalainen. Compiled by the CEEC Project Team. York: University of York and Helsinki: University of Helsinki. 2006. Distributed through the Oxford Text Archive; Parsed Corpus of Early English Correspondence, tagged version. Annotated by Arja Nurmi, Ann Taylor, Anthony Warner, Susan Pintzuk, and Terttu Nevalainen. Compiled by the CEEC Project Team. York: University of York and Helsinki: University of Helsinki. 2006. Distributed through the Oxford Text Archive; Parsed Corpus of Early English Correspondence, text version. 2006. Compiled by Terttu Nevalainen, Helena Raumolin-Brunberg, Jukka Keränen, Minna Nevala, Arja Nurmi and Minna Palander-Collin, with additional annotation by Ann Taylor. Helsinki: University of Helsinki and York: University of York. 2006. Distributed through the Oxford Text Archive.
・ CEECS = Corpus of Early English Correspondence Sampler. Compiled by Compiled by Terttu Nevalainen, Helena Raumolin-Brunberg, Keränen, Minna Nevala, Arja Nurmi and Minna Palander-Collin at the Department of Modern Languages, University of Helsinki. 1998

[ 固定リンク | 印刷用ページ ]