「学習者コーパス入門」修正一覧
2009年 9月 8日 火曜日 筆者: 阪上 辰也学習者コーパス入門 特別編
「学習者コーパス入門 第31回」でお伝えした通り、これまでの連載での修正点をお知らせします。
■第6回
（修正前）
ちなみに、「Token」とは、単語のすべての数を表します。一方で、「Type」は、単語の種類の数を表しています。例えば、apple と apples という２つの単語があった場合、Token としては別々に数えるので、２になりますが、Type としては１つの種類にまとめられるので、１になります。
（修正後）
ちなみに、「token」は具体的な特定の対象を指し、「type」は抽象的で一般的な存在のことを指します。例えば、「This book is mine. That book is yours.」という文があった場合、token の頻度としては、全てを別々に数えるため、８つとなりますが、type の頻度としては、同じ形をした「book」や「is」はまとめられてしまうので、結果的に６つということになります。
■第8回
（修正前）
「*」は、どんな文字でもよいことを示す、「正規表現」と呼ばれるものですが、
（修正後）
「*」は、あらゆる文字列のパターンに対応する「ワイルドカード」と呼ばれるものですが、
■第17回
（修正前）
そこで、コーパス検索の専用ソフト（WordSmith や AntConc など）を利用するという手段もあります。
（修正後）
もちろん、コーパス検索の専用ソフト（WordSmith や AntConc など）を利用するという手段もあります。
■第17回
（修正前）
UNIX をベースにした主要な OSとして、Linux や Mac OS X があります。
（修正後）
UNIX をベースにした OSには、Mac OS X があり、UNIX を手本にして一から作り上げられた OS として、Linux があります。
■第18回
（修正前）
UNIX を使ったデータ処理では、「ターミナル」というソフトを使います。
（修正後）
UNIX を使ったデータ処理では、「端末エミュレータ」というソフトを使います。なお、Mac OS X では、「ターミナル」という名前の端末エミュレータがはじめから使えるようになっています。
■第18回
（修正前）
最後の「*.txt」は、拡張子が TXT になっているものを検索対象にする、という意味です。
（修正後）
最後の「*.txt」は、拡張子が txt になっているものを検索対象にする、という意味です。
■第19回
（修正前）
結果として、コマンドを入力した次の行に、3 という数値が表示されているはずです。つまり、JPN001.txt の中には、「I think」というフレーズが3回出現していたということを示しています。
（修正後）
結果として、コマンドを入力した次の行に、３という数値が表示されているはずです。これは、「I think」を含んだ行が３つあったという意味であり、３回出現していたという意味ではありませんので注意が必要です。あくまで、含んでいた「行」の数を数えているだけなので、１行に「I think」が２回出現していても、２と数えられることはありません。したがって、grep コマンドで何か表現を検索した場合には、「数値＝出現回数」と考えず、「その行に”少なくとも１つは”検索した表現が含まれている」と考えるようにしてください。
■第19回
（修正前）
ただし、この場合、「it’s」 のような縮約系を含んだ表現はヒットしないため、実際には、複数回検索を繰り返すなど、慎重に検索作業を進める必要があります。
（修正後）
ただし、この場合、「”it」「it’s」「it,」「it:」「it?」のように，it の前後にスペース以外の記号が来る表現はヒットしないため、実際には、複数回検索を繰り返すなど、慎重に検索作業を進める必要があります。(検索を繰り返す代わりに，正規表現で条件を一つにまとめて指定することもできますが，その為にはさらに正規表現について学ぶ必要があります。)
■第20回
（修正前）
正規表現が使えるようにするために使うのが、「E オプション」です。
（修正後）
「E オプション」を指定することで、「拡張正規表現」という別の新たな正規表現が利用できるようになります（E は、Extend の E を示す）。
■第21回
（修正前）
利用できる正規表現の種類を増やす「E オプション」
（修正後）
「拡張正規表現」という別の新たな正規表現が利用できる「E オプション」
■第21回
（修正前）
grep -v “@” *.txt [Enter キーを押す]（※）
（修正後）
grep -v “^@” *.txt [Enter キーを押す]（※）
★スクリプトは、本文中に＠が含まれる可能性があるため、^ をつけて上記のように修正します。
■第22回
（修正前）
tr ‘[A-Z]’ ‘[a-z]’ < JPN001.txt [Enter キーを押す]（※）
（修正後）
tr 'A-Z' 'a-z' < JPN001.txt [Enter キーを押す]（※）
■第22回
（修正前）
tr [A-Z] [a-z] < JPN001.txt > komoji_001.txt [Enter キーを押す]（※）
（修正後）
tr ‘A-Z’ ‘a-z’ < JPN001.txt > komoji_001.txt [Enter キーを押す]（※）
★引用符が抜けている。この場合には，引数にスペースが含まれていないので
引用符がなくてもＯＫだが，引用符を付けておいた方が無難。
■第25回
（修正前）
なお、sort コマンドに付加されている「n オプション」は、数字を比較して並び換えを行うためのオプションで、「r オプション」は、大きい順に並び替えるためのオプションになります。
（修正後）
なお、sort コマンドに付加されている「n オプション」は、数値として比較して並び換えを行うためのオプションで、「r オプション」は、降順に並び替えるためのオプションになります。
謝辞
最後になりますが、今回の修正にあたり、有益なコメントをくださった方、および、連載の機会を与えてくださった三省堂Word-Wise Webの編集スタッフの方々にも、この場をお借りして感謝申し上げます。
—
▼お知らせ
2008年10月4日に、学習者コーパス「NICE」の正式版を公開しました。2009年4月9日にはバージョンアップを行い、ver. 1.1 を公開しました。無償で利用可能で、特別な手続きは必要ありませんので、ぜひ研究調査にご利用ください。詳しくは、こちらのサイトをご覧ください。
—
■筆者プロフィール
阪上辰也（さかうえ・たつや）
名古屋大学大学院 国際開発研究科 特任助教。
専門は、コンピュータを利用した外国語教育。
ウェブサイトは、sakauetatsuya.net。
2007年
RSS 0.92
