コロケーション

コーパス言語学では、コロケーションとは、偶然に予想されるよりも頻繁に共起する一連の単語または用語のことです。語法学では、コロケーションは構成句の一種であり、それを構成する単語から理解できることを意味します。これは、全体の意味を部分から推測できず、完全に無関係である可能性があるイディオムとは対照的です。

コロケーションには、形容詞＋名詞、名詞＋名詞（集合名詞など）、名詞＋動詞、動詞＋名詞、副詞＋形容詞、動詞＋前置詞句（句動詞）、動詞＋副詞の7種類ほどあります。

コロケーション抽出は、データマイニングに似たさまざまな計算言語学の要素を使用して、文書またはコーパス内のコロケーションを見つける計算手法です。

コロケーションとは、文脈に依存した繰り返しの使用を通じて定着する、部分的または完全に固定された表現です。 「 crystal clear 」、「 middle management」、「nuclear family 」、「 cosmetic surgery 」などの用語は、コロケーションされた単語のペアの例です。

コロケーションは、統語的関係（動詞と目的語の関係：makeやdecisionなど）や語彙的関係（反意語など）にある場合もあれば、言語的に定義されていない関係にある場合もあります。コロケーションの知識は、言語を適切に使用するために不可欠です。コロケーションの優先順位が守られていないと、文法的に正しい文でもぎこちなくなってしまいます。そのため、コロケーションは言語教育の興味深い分野となっています。

コーパス言語学者は文脈内のキーワード( KWIC ) を指定し、そのキーワードのすぐ前後の単語を識別します。これにより、単語がどのように使用されているかがわかります。

コロケーションの処理には多くのパラメータが関係しますが、最も重要なのは共起が単なる偶然によるものか、統計的に有意なものかを評価する関連性の尺度です。言語の非ランダムな性質により、ほとんどのコロケーションは有意に分類され、関連性スコアは結果の順位付けにのみ使用されます。一般的に使用される関連性の尺度には、相互情報量、tスコア、対数尤度などがあります。^{[1] [2]}

^{グレドヒル[3]}は、単一の定義を選択するのではなく、コロケーションには少なくとも3つの異なる観点が含まれると提案しています。共起は、コロケーションをテキスト内のノードとそのコロケーションの繰り返し出現と見なす統計的な観点です。^{[4] [5] [6]}構築は、コロケーションを語彙素と語彙文法パターンの相関関係として、^[7]またはベースとそのコロケーションパートナーの関係として見なします。^[8]表現は、形式に関係なく、コロケーションを慣習的な表現単位と見なす実用的な観点です。^{[9] [10]}これらの異なる観点は、語法研究でコロケーションを提示する通常の方法とは対照的です。伝統的に言えば、コロケーションは、3つの観点すべてを同時に連続的に説明されます。

自由な組み合わせ ↔ 境界のあるコロケーション ↔ 固定されたイディオム

1933年、ハロルド・パーマーの「英語のコロケーションに関する第2次中間報告書」は、外国語を学ぶ人にとって自然な言語を生み出す鍵としてコロケーションの重要性を強調した。^[11]そのため、1940年代以降、頻出語の組み合わせに関する情報は、単一言語の学習者用辞書の標準的な機能となった。これらの辞書が「単語中心ではなくフレーズ中心になる」につれて、^[12]コロケーションにさらに注意が払われるようになった。この傾向は、21世紀初頭から、大規模なテキストコーパスとインテリジェントなコーパスクエリソフトウェアの利用によってサポートされ、辞書でコロケーションをより体系的に説明できるようになりました。これらのツールを使用して、マクミラン英語辞典やロングマン現代英語辞典などの辞書には、頻出コロケーションのリストを含むボックスまたはパネルが含まれていました。^[13]

言語における頻出コロケーションを解説する専門辞書も数多くある。 ^[14]これらには、スペイン語用としてはRedes: Diccionario combinatorio del español contemporaneo (2004)、フランス語用としてはLe Robert: Dictionnaire des combinaisons de mots (2007)、英語用としてはLTP Dictionary of Selected Collocations (1997)、Macmillan Collocations Dictionary (2010)などがある。^[15]

スチューデントのt検定は、コーパス内のコロケーションの出現が統計的に有意かどうかを判断するために使用できます。^[16]バイグラム について、がサイズ のコーパス内での の無条件出現確率であるとし、 がコーパス内での の無条件出現確率であるとします。バイグラムのtスコアは次のように計算されます。 ${\displaystyle w_{1}w_{2}}$${\displaystyle P(w_{1})={\frac {\#w_{1}}{N}}}$${\displaystyle w_{1}}$${\displaystyle N}$${\displaystyle P(w_{2})={\frac {\#w_{2}}{N}}}$${\displaystyle w_{2}}$${\displaystyle w_{1}w_{2}}$

${\displaystyle t={\frac {{\bar {x}}-\mu }{\sqrt {\frac {s^{2}}{N}}}},}$

ここで、 は の出現の標本平均、は の出現回数、はと がテキスト中に独立して出現するという帰無仮説のもとでの の確率、 は標本分散です。 が大きい場合、t検定はZ検定と同等になります。 ${\displaystyle {\bar {x}}={\frac {\#w_{i}w_{j}}{N}}}$${\displaystyle w_{1}w_{2}}$${\displaystyle \#w_{1}w_{2}}$${\displaystyle w_{1}w_{2}}$${\displaystyle \mu =P(w_{i})P(w_{j})}$${\displaystyle w_{1}w_{2}}$${\displaystyle w_{1}}$${\displaystyle w_{2}}$${\displaystyle s^{2}={\bar {x}}(1-{\bar {x}})\approx {\bar {x}}}$${\displaystyle N}$

無料辞書のウィクショナリーでコロケーションを調べてください。

• オズ語コロケーション辞書
• スペイン語のコロケーションを保存する小さなシステム (Igor A. Bolshakov & Sabino Miranda-Jiménez)
• スペイン語におけるコロケーションと意味関係の形態学的特徴付け (Sabino Miranda-Jiménez & Igor A. Bolshakov)
• wordassociations.netの「Surgery」という単語のコロケーションの例