Want to create an interactive transcript for this episode?
Podcast: ゆる言語学ラジオ
Episode: 【650億文字を数えた】コーパス作りの過酷さを、制作者自身が語る【コーパス2】#294
Description: 今回はコーパス言語学の第2回です。「まず文字を数える。書籍の総文字数を知るには？」「怒涛の許可取り3万点」「古書店を駆けずり回り、大量の本を集める」など、「ここが大変だったよBCCWJ」と題して、実際にコーパス作りを行なった丸山岳彦先生がコーパス作りの過酷さを語ります。
【丸山先生のX】
https://twitter.com/maruyama_take
【目次】
00:00 命題：ミニチュアデータベースを作れ
06:27 1億語の書き言葉とその内訳
08:10 コーパスのはじまり
11:27 ここが大変だったよ BCCWJ TOP3
12:34 第3位 文字数え
24:23 第2位 実物集め
32:30 怒涛の許可取り3万点
39:32 3万冊の購入リストを見る
42:03 第1位 サンプル作り
48:51 国語研は理想的スタートアップ
53:11 コーパスの宿命
58:52 言語を捉える難しさ
【参考文献・参照URLへのリンク】
◯現代日本語書き言葉均衡コーパス
https://clrd.ninjal.ac.jp/bccwj/
◯書き言葉コーパス 設計と構築（講座 日本語コーパス 2）
https://amzn.to/48CImZT
◯講義「日本語の表記―指針と実態―」（柏野和佳子）／言語学レクチャーシリーズ Vol.17
https://www.youtube.com/watch?v=B1ckyMTqH_s
◯『現代日本語書き言葉均衡コーパス』におけるサンプル構成比の算出法 : 現代日本語書き言葉の文字数調査
https://doi.org/10.15084/00002838
◯『現代日本語書き言葉均衡コーパス』利用の手引 第1.0版
https://doi.org/10.15084/00003227
【サポーターコミュニティへの加入はこちらから！】
https://yurugengo.com/support
【我々の初の著書『言語沼』はこちら！】
https://www.valuebooks.jp/bp/VS0058755147
【サポーターコミュニティへの加入はこちらから！】
https://yurugengo.com/support
【実店舗プロジェクト：ゆる学徒カフェ】
https://www.youtube.com/@yurugakuto
【姉妹チャンネル：ゆるコンピュータ科学ラジオ】
https://www.youtube.com/@yuruc