web_service - hellog〜英語史ブログ

■ #5211. Innsbruck EDD Online 4.0 [dialect][web_service][corpus][lmode][lexicography][edd][dictionary][notice]

　Joseph Wright による English Dialect Dictionary のオンライン版である EDD Online について，Manfred Markus が率いる Innsbruck 大学のチームがオンライン化プロジェクトの最終段階の成果として Version 4.0 を公表した，との情報を得ました．Innsbruck EDD Online 4.0 Based on Joseph Wright's English Dialect Dictionary (1898--1905) です．

　私はまだ EDD Online の豊富な機能を使いこなせていないのですが，辞書の画像イメージを確認できたり，地図上に示してくれたり等，視覚化の機能が充実している印象です．
　Markus 教授による使い方のイントロ動画（5分）もありますので視聴をお勧めします（辞書とは関係ありませんが，動画の最後のインスブルックの景色に心奪われて今すぐオーストリアに行きたい，などと妄想）．
　EDD については，hellog では以下の記事で取り上げてきましたので，そちらもご参照下さい．

　・ 「#869. Wright's English Dialect Dictionary」 ([2011-09-13-1])
　・ 「#868. EDD Online」 ([2011-09-12-1])
　・ 「#2694. EDD Online (2)」 ([2016-09-11-1]) を参照．

[ 固定リンク | 印刷用ページ ]

■ #4131. イギリスの世界帝国化の歴史を視覚化した "The OED in two minutes" [oed][map][lexicology][lexicography][philology][history][web_service]

　昨日の記事「#4130. 英語語彙の多様化と拡大の歴史を視覚化した "The OED in two minutes"」 ([2020-08-17-1]) で紹介した同じコンテンツを，異なる角度から改めて眺めてみたい．The OED in two minutes で公開されている英語語彙史地図のコンテンツである．
　中英語の始まりとなる1150年から再生して1年ごとに時間を進めていくと，しばらくは動きがヨーロッパ内部に限られており，さしておもしろくもないのだが，15世紀後半になってくると中東や北アフリカなどに散発的に点が現われてくる．そして，16世紀後半になると新大陸やインド方面にも点がポツポツしてきて，日本も舞台に登場してくる．この状況は17，18世紀にかけて稀ではなくなってくる．次に注目すべき動きが出てくるのは，18世紀後半のオセアニア，太平洋，南アフリカといった南半球を中心とした海洋地域である．19世紀に入るとアフリカや東南アジアを含めた世界の広域に点が打たれるようになり，同世紀後半には南アメリカも加わる．20世紀はまさにグローバルである．
　実におもしろい．同時に，実に恐ろしい．16世紀後半から19世紀終わりまでの時間枠に関するかぎり，そのままイギリスの世界帝国化の足跡を語彙史の観点からパラフレーズしたコンテンツに見えてきたからだ．直接・間接にイギリスの支配権の及ぶ領土を塗りつぶした世界史の地図は「軍事的な」地図として見慣れているし，ある意味で分かりやすい．しかし，今回のような「語彙史的な」地図がそれと多かれ少なかれ一致するというのは，何とも薄気味悪い．そして，後者の地図が，OED という英語文献学の粋というべき学術的な成果物を利用して作成されていること，またその辞書それ自身が大英帝国の最盛期である19世紀半ばの企画の産物であることを思い出すとき，薄気味悪さ以上に，得体のしれない恐ろしさを感じる．
　OED は学術的（文献学的）偉業を体現するツールであり，その点で私も賞賛を抑えることができない．しかし，その事実を認めつつ，それ自体が，毀誉褒貶相半ばする近代世界史の産物であることは肝に銘じておきたい．関連して以下の記事も参照．

　・ 「#3020. 帝国主義の申し子としての比較言語学 (1)」 ([2017-08-03-1])
　・ 「#3021. 帝国主義の申し子としての比較言語学 (2)」 ([2017-08-04-1])
　・ 「#3376. 帝国主義の申し子としての英語文献学」 ([2018-07-25-1])
　・ 「#3603. 帝国主義，水族館，辞書」 ([2019-03-09-1])
　・ 「#3767. 日本の帝国主義，アイヌ，拓殖博覧会」 ([2019-08-20-1])

[ 固定リンク | 印刷用ページ ]

■ #4130. 英語語彙の多様化と拡大の歴史を視覚化した "The OED in two minutes" [oed][map][lexicology][borrowing][lexicography][philology][statistics][web_service][hel_education]

　The OED in two minutes に，中英語の始まる1150年から2010年までの英語（借用）語彙史を地図上で視覚化してダイジェストで示すコンテンツが公表されている．これは凄いコンテンツ．実にみごとに英語語彙の多様化と拡大の歴史が表現されており，しかもいろいろな意味で考えさせられる．こちらからどうぞ．

　地図の下にある色付きの帯は，現代英語における語種ごとの総トークン頻度を表わしている（背後で利用されているデータベースは Google Ngrams の1970--2008年の部分だという）．試しに2010年現在の地図に示される統計をみてみると，総トークン頻度にして，ゲルマン系の語彙（青帯）が49%，英語要素に基づく複合語など（白帯）が26%なので，ここまでで全体の3/4である．ロマンス系の語彙（赤帯）が18%，ラテン語が7%，そしてその他が0.2%だ．英語史では語彙の歴史は借用の歴史であるというのが定番だが，トークン頻度で考える限り，現在でも英語の語彙は圧倒的にアングロサクソン（あるいはゲルマン）的であるといってよいことになる．この事実については「#3400. 英語の中核語彙に借用語がどれだけ入り込んでいるか？」 ([2018-08-18-1]) と，そこに張ったリンク先の記事を参照．
　地図左下の年号に重なって描かれている灰色のバブルは，高頻度かつ多数の単語が加わった年ほど大きくなり，低頻度かつ少数の単語が加わったにすぎない年には小さくなる．17世紀を通じて相対的に大きかったバブルが，18世紀にかけてしぼんでいく様子も興味深い (cf. 「#2995. Augustan Age の語彙的保守性」 ([2017-07-09-1])，「#203. 1500--1900年における英語語彙の増加」 ([2009-11-16-1])，「#4070. 18世紀の語彙的低迷のなぞ」 ([2020-06-18-1])) ．
　英語（語彙）史を大づかみするには，このようなダイジェストの視覚コンテンツが威力を発揮する．

[ 固定リンク | 印刷用ページ ]

■ #4122. 物凄いツールが現われた --- OED Text Visualizer (beta) [web_service][oed][etymology]

　OED が OED Text Visualizer という物凄いツールを作っている．入力欄に英文テキストを放り投げると，OED の情報に基づいて背後で各単語にタグが付され，初出年代と語源をタイムラインで視覚的に表現してくれるというものだ．いつかこのようなツールが作れたら（あるいは誰かが作ってくれたら）いいなと私が夢見ていたような語源表示ツールである．これまでも技術的には十分に可能だったろうが，本格的に取り組む者が現われなかった．それを OED が実装してくれたというのは，さすがである．開発中のベータ版ということで，入力する英文は500語まで，また1750年以後の英文でないと精度が下がるなどの制限はあるようだが，十分に楽しめる．
　百聞は一見に如かず．「#3276. Churchill の We Shall Fight on the Beaches 演説」 ([2018-04-16-1]) より，308語からなる英文の1節を放り込んでみた．1940年の演説なので，その年代も添えつつ Vizualize ボタンをクリックすると，次のような図が返される（画像クリックで拡大）．

　テキストに現われる各単語（レンマ）がバブルで表現されている．バブルの左右の位置はその語の初出年代に対応し，色は語源に，大きさは同テキスト内の頻度に対応する．バブルにマウスを乗せれば，その語の詳しい情報が得られる．スゴい．
　画面のさらに下には，各単語が token ベース，および lexeme ベースでタグ付けされた情報が一覧され，CSV や JSON でダウンロードできるので，後からプログラムを用いて詳しく分析することも可能である．
　いや，驚いた．英語史の研究方法もどんどん変わっていきそうだ．

[ 固定リンク | 印刷用ページ ]

■ #3431. 各種の EEBO 検索インターフェース [eebo][corpus][emode][site][web_service][link][n-gram][kwic]

　初期近代英語期の膨大なテキストを収録した EEBO (Early English Books Online) について，「#3117. EEBO corpus がリリース」 ([2017-11-08-1]) で BYU 提供の EEBO 検索インターフェース Early English Books Online corpus を紹介した．
　それとは別に，Early Modern Print: Text Mining Early Printed English というサイトのプロジェクトで，n-gram や KWIC などの検索インターフェースが提供されていることを知ったので紹介しておきたい．全体的なイントロは，こちらのページをどうぞ．個々の具体的なツールは，次のリンクからアクセスできる．

　・ EEBO N-Gram Browser （説明はこちら）
　・ EEBO-TCP Key Words in Context （説明はこちら）
　・ EEBO-TCP and ESTC Text Counts
　・ EEBO-TCP Words Per Year

　また，University of Michigan の提供する Early English Books Online の各種サーチや Lancaster University による EEBO on CQPweb (V3) も同様に有用．
　各種インターフェースのいずれを用いるか迷うところだ．

[ 固定リンク | 印刷用ページ ]

■ #3406. Levenshtein distance [cgi][web_service][spelling][shakespeare][levenshtein_distance]

　文字列の類似度や相違度を測る有名な指標の1つに，標題の "Levenshtein distance" というものがある，「#3397. 後期中英語期の through のワースト綴字」 ([2018-08-15-1])，「#3398. 中英語期の such のワースト綴字」 ([2018-08-16-1])，「#3399. 綴字の類似度計算機」 ([2018-08-17-1]) でも前提としてきた指標であり，「#1163. オンライン語彙データベース DICT.ORG」 ([2012-07-03-1]) でもこの指標を利用して類似綴字語を取り出すオプションがある．
　考え方は難しくない．もとの文字列から目標の文字列に変換するには，いくつの編集工程（挿入，削除，置換）が必要かを数えればよい．例えば，kitten から sitting へ変換するには，kitten →（k を s に置換）→ sitten →（e を i に置換）→ sittin →（g を挿入）→ sitting という3工程を踏む必要があるので，両綴字間の Levenshtein distance は3ということになる．通常は挿入，削除，置換の編集工程にそれぞれ1の値を割り当てるが，各々に異なる値を与える計算の仕方もある．
　以下に，通常の重みづけで Levenshtein distance を計測する CGI を置いておく．試しに「#1720. Shakespeare の綴り方」 ([2014-01-11-1]) より25種類の異綴字を取り出して，カンマ区切りなどで下欄に入力してみてください（要するに以下をコピペ）．Shakespeare, Schaksp, Shackespeare, Shackespere, Shackspeare, Shackspere, Shagspere, Shakespe, Shakespear, Shake-speare, Shakespere, Shakespheare, Shakp, Shakspe?, Shakspear, Shakspeare, Shak-speare, Shaksper, Shakspere, Shaxberd, Shaxpeare, Shaxper, Shaxpere, Shaxspere, Shexpere

　綴字間の類似度や相違度の計測は，曖昧検索やスペリングチェックなどの実用的な目的にも応用されている．標準的な綴字がなかった古い英語の研究にも，ときに役立つことがありそうだ．

[ 固定リンク | 印刷用ページ ]

■ #3399. 綴字の類似度計算機 [cgi][web_service][spelling][shakespeare][levenshtein_distance]

　この2日間の記事「#3397. 後期中英語期の through のワースト綴字」 ([2018-08-15-1])，「#3398. 中英語期の such のワースト綴字」 ([2018-08-16-1]) で，異綴字間の類似性を計算するスクリプトを利用して，through と such の様々な綴字を比較した．このスクリプトは，ある程度使い勝手があるかもしれないと思い，より汎用的な形で CGI を組んでみた．
　ところが，スクリプトの内部的な仕様の関係でサーバ上で動かないということが発覚．残念無念．公開しても無意味であることを承知のうえ，以下に置いておこうと思います（せっかく作ったのだし，私自身のローカルPCでは動いているので・・・）．すみません．

　と，これではあんまりなので，Shakespeare の異綴字を比較した結果を披露しておきます．「#1720. Shakespeare の綴り方」 ([2014-01-11-1]) で挙げた25種類の異綴字 Shakespeare, Schaksp, Shackespeare, Shackespere, Shackspeare, Shackspere, Shagspere, Shakespe, Shakespear, Shake-speare, Shakespere, Shakespheare, Shakp, Shakspe?, Shakspear, Shakspeare, Shak-speare, Shaksper, Shakspere, Shaxberd, Shaxpeare, Shaxper, Shaxpere, Shaxspere, Shexpere を入力して，ソートさせると，次のような出力が得られた．

Similarity	Spellings
1.0000	Shakespeare
0.9565	Shackespeare, Shake-speare, Shakespheare
0.9524	Shakespear, Shakespere, Shakspeare
0.9091	Shackespere, Shackspeare, Shak-speare
0.9000	Shakspear, Shakspere
0.8571	Shackspere
0.8421	Shakespe, Shaksper
0.8000	Shagspere, Shaxpeare, Shaxspere
0.7368	Shaxpere, Shexpere
0.7000	Shakspe?
0.6667	Schaksp, Shaxper
0.6250	Shakp
0.5263	Shaxberd

　類似度が0.7以下のものは，およそ省略である．0.7を超えるものは，およそ許せるように感じられるのがおもしろい．

[ 固定リンク | 印刷用ページ ]

■ #3205. スライドできる英語史年表 (3) [timeline][web_service][hel_education]

　「#2358. スライドできる英語史年表」 ([2015-10-11-1])，「#2871. 古英語期のスライド年表」 ([2017-03-07-1])，「#3164. スライドできる英語史年表 (2)」 ([2017-12-25-1]) に引き続き，もう1つのスライド英語史年表を提示する．
　最近の記事で，Algeo and Pyles の英語史概説書に基づく年表を掲載した (see 「#3193. 古英語期の主要な出来事の年表」 ([2018-01-23-1])，「#3196. 中英語期の主要な出来事の年表」 ([2018-01-26-1])，「#3197. 初期近代英語期の主要な出来事の年表」 ([2018-01-27-1])，「#3200. 後期近代英語期の主要な出来事の年表」 ([2018-01-30-1])）．今回のスライドは，この Algeo and Pyles 版をもとに作成した．項目数は比較的少いながらも，説明書きが長いので，読みながら学習できるだろう．

　

　・ Algeo, John, and Thomas Pyles. The Origins and Development of the English Language. 5th ed. Thomson Wadsworth, 2005.

[ 固定リンク | 印刷用ページ ]

■ #3181. Spelling/Pronunciation Search [spelling][pronunciation][orthography][web_service][cgi][dictionary][spelling_pronunciation_gap][silent_letter]

　「#1191. Pronunciation Search」 ([2012-07-31-1]) で，The Carnegie Mellon Pronouncing Dictionary に基づくアメリカ英語発音検索ツールを作成した．そのデータベース (3MB+) の実体は，110935対の綴字と発音の組み合わせである．前回のツールは，Carnegie Mellon Pronouncing Dictionary の発音表記を正規表現で指定して，それを含む単語の綴字を返すものだったが，今回は綴字と発音のそれぞれに正規表現で条件を指定し，いずれにもマッチする単語を返すという仕様のツールを作ってみた．
　正規表現は Perl 用のもので，大文字・小文字の別は最初から無視する仕様．発音表記の凡例は，本記事の末尾に掲げておいた．どちらか一方の検索欄を空にすれば，純粋な綴字検索あるいは発音検索になる．