Loading article…
現代アメリカ英語コーパス（COCA）は、現代アメリカ英語の10億語コーパス[1]です。ブリガムヤング大学（BYU）のコーパス言語学の元教授マーク・デイヴィスによって作成されました。 [2] [3]
コンテンツ
現代アメリカ英語コーパス（COCA）は、2021年11月現在、10億語で構成されています。[1] [2] [4]コーパスは常に成長しています。2009年には3億8500万語以上が収録されていました。 [5] 2010年にはコーパスの規模が4億語にまで拡大し、[6] 2019年3月までに、[7]コーパスは5億6000万語にまで成長しました。[7]
2021年11月現在、現代アメリカ英語コーパスは485,202のテキストで構成されています。[4]コーパスのウェブサイトによると、[4]現在のコーパス（2021年11月）は、1990年から2019年までの各年の2400万〜2500万語を含むテキストで構成されています。
コーパスに含まれる各年（1990～2019年）ごとに、コーパスはテレビ/映画、話し言葉、フィクション、雑誌、新聞、学術の6つのレジスター/ジャンルに均等に分割されています（COCAウェブサイトのテキストとレジスターのページを参照）。以前にリストされた6つのレジスターに加えて、COCA（2021年11月現在）にはブログから125,496,215語、ウェブサイトから129,899,426語も含まれており、真に現代英語で構成されたコーパスとなっています（COCAのテキストとレジスターのページを参照）。[4]
テキストはさまざまなソースから取得されます。
- テレビ/映画の字幕: (1 億 2,800 万語) アメリカのテレビ番組と映画の OpenSubtitles コレクションから取得したテキスト。
- 音声: (1 億 2,700 万語) 約 150 のさまざまなテレビ番組やラジオ番組からの台本のない会話の書き起こし。
- フィクション: (1 億 2,000 万語) 短編小説、戯曲、1990 年から現在までの書籍の最初の章、映画の脚本。
- 人気雑誌: (1 億 2,700 万語) ニュース、健康、家庭と園芸、女性、金融、宗教、スポーツなど、さまざまな分野の約 100 種類の雑誌。
- 新聞: (1 億 2,300 万語) 米国全土の 10 紙の新聞。地方ニュース、オピニオン、スポーツ、金融セクションなど、新聞のさまざまなセクションからのテキストが含まれています。
- 学術雑誌: (1 億 2,100 万語) 約 100 種類の査読済みジャーナル。これらは、米国議会図書館分類システムの全範囲をカバーするように選択されました。
可用性
現代アメリカ英語コーパスは、登録ユーザーは無料で検索できます。
クエリ
- インターフェースは、1億語の英国国立コーパス、1億語のタイムマガジンコーパス、および1810年代から2000年代の4億語の歴史的アメリカ英語コーパス（COHA）のBYU-BNCインターフェースと同じです（以下のリンクを参照）。
- 単語、フレーズ、代替、部分文字列、品詞、見出し語、同義語（下記参照）、カスタマイズされたリスト（下記参照）によるクエリ
- このコーパスは、 BNCやTimeコーパスで使用されたものと同じ品詞タグ付けツールであるCLAWSによってタグ付けされています。
- チャートリスト（1990年から現在までの各ジャンルまたは年、およびサブジャンルのすべての一致形式の合計）と表リスト（各ジャンルまたは年の各一致形式の頻度）
- 完全な共起語検索（ノードワードの左右最大 10 語）
- 再ソート可能なコンコーダンス。検索した単語の左側と右側に最もよく使われる単語/文字列を表示します。
- ジャンルや期間の比較（例：フィクションや学術論文における「chair」の連語、新聞や学術論文における「break the [N]」を含む名詞、主にスポーツ雑誌に登場する形容詞、2005～2010 年に以前よりも一般的になった動詞など）
- 関連語の連語をワンステップで比較し、語間の意味的または文化的差異を研究します (例: 「small」、「little」、「tiny」、「minuscule」、または「lilliputian」、「Democrats」と「Republicans」、「men」と「women」、「rob」と「steal」の連語の比較)
- ユーザーは、60,000 エントリのシソーラスからセマンティック情報をクエリ構文の一部として直接含めることができます (例: 「美しい」の同義語の頻度と分布、「強い」の同義語 (フィクションには登場するが学術的には登場しない)、「きれい」の同義語 + 名詞 (「床を掃除する」、「皿を洗った」))
- ユーザーは独自の「カスタマイズされた」単語リストを作成し、それを後続のクエリの一部として再利用することもできます（たとえば、特定の意味カテゴリ（衣服、食品、感情）に関連するリスト、またはユーザー定義の品詞など）。
- 著作権の制限により、コーパスは Web インターフェイスを通じてのみ利用できることに注意してください。
関連している
Global Web-based English (GloWbE、「グローブ」と発音) のコーパスには、20 か国からの約 19 億語のテキストが含まれています。これは、International Corpus of English などの他のコーパスの約 100 倍の大きさであり、他の方法では不可能なさまざまなタイプの検索を可能にします。このオンライン インターフェイスに加えて、コーパスから全文データをダウンロードすることもできます。
GloWbEは英語のさまざまな変種を比較できるという点でユニークです。GloWbEは他の多くの英語コーパスと関連しています。[8]
参照
参考文献
- ^ ab Milana, Prior (2021). アメリカ英語におけるレジスター間の強意語の使用に関する比較コーパス研究（論文）。
- ^ ab 「マーク・デイヴィス、ブリガムヤング大学（BYU）コーパス言語学教授」。www.mark -davies.org。 2021年11月9日閲覧。
- ^ Kauhanen, Henri (2011年3月21日). 「現代アメリカ英語コーパス：背景と歴史」VARIENG . 2011年10月13日閲覧。
- ^ abcd 「ホームページ」。現代アメリカ英語コーパス。2022年4月24日閲覧。
- ^ Davies, Mark (2009年1月1日)。「現代アメリカ英語の3億8500万語以上のコーパス（1990～2008年以降）：デザイン、アーキテクチャ、言語的洞察」。国際コーパス言語学ジャーナル。14 （2）：159 ～ 190。doi ：10.1075/ ijcl.14.2.02dav。ISSN 1384-6655 。
- ^ Davies, Mark (2010年12月1日). 「現代アメリカ英語コーパスは英語の最初の信頼できるモニターコーパスとして」.文学および言語コンピューティング. 25 (4): 447–464. doi :10.1093/llc/fqq018. ISSN 0268-1145.
- ^ ab Davies, Mark; Kim, Jong Bok (2019年3月1日). 「「ビッグデータ」の利点と課題: 140億語のiWebコーパスからの洞察」.言語研究. 36 (1): 1–34. doi : 10.17250/khisli.36.1.201903.001 . ISSN 1229-1374. S2CID 133013527.
- ^ 「Webベースのグローバル英語コーパス」www.english-corpora.org . 2019年12月18日閲覧。
さらに読む
- アンダーソン、ウェンディ、コーベット、ジョン（2009）。オンラインコーパスで英語を探る。パルグレイブ・マクミラン。p.205。ISBN 978-0-230-55140-4。
- Bennett, Gena R. (2010)。『言語学習教室でのコーパスの利用：教師のためのコーパス言語学』ミシガン州アナーバー：ミシガン大学。p. 144。ISBN 978-0-472-03385-0。
- Davies, Mark (2005)。「大規模コーパスにリレーショナル データベースを使用する利点: スピード、高度なクエリ、無制限の注釈」。International Journal of Corpus Linguistics。10 ( 3)。John Benjamins Publishing Company: 307–334(28) 。doi :10.1075 / ijcl.10.3.02dav。
- デイヴィス、マーク (2010)。「単なるのぞき穴以上のもの: 大規模で多様なオンラインコーパスの利用」。国際コーパス言語学ジャーナル。15 ( 3): 405–411。doi :10.1075/ijcl.15.3.13dav。
- リンドクイスト、ハンス（2009年）。コーパス言語学と英語の記述。エディンバラ大学出版局。ISBN 978-0-7486-2615-1。
外部リンク
- 公式サイト
- 「連邦マスク着用義務を覆した言語学検索エンジン」 - Verge の記事