collocation - hellog〜英語史ブログ

■ #956. COCA N-Gram Search [cgi][web_service][coca][corpus][collocation][n-gram]

　##953,954,955 の記事で，最近公開された COCA ( Corpus of Contemporary American English ) の n-gram データベースを利用してみた．COCA に現われる 2-grams, 3-grams, 4-grams, 5-grams について，それぞれ最頻約100万の表現を羅列したデータベースで，手元においておけば，工夫次第で COCA のインターフェースだけでは検索しにくい共起表現の検索が可能となる．
　ただし，各 n-gram のデータベースは，数十メガバイトの容量のテキストファイルで，直接検索するには重たい．そこで，SQLite データベースへと格納し，SQL 文による検索が可能となるように検索プログラムを組んだ．以下は，検索結果の最初の10行だけを出力する CGI である．

    

　以下，使用法の説明．テーブル名は n-gram の "n" の値に応じて，"two", "three", "four", "five" とした．ちなみに，1-grams のデータベース（事実上，COCA に3回以上現われる語の頻度つきリスト）も付随しており，こちらもテーブル名 "one" としてアクセス可能にした．フィールドは，全テーブルに共通して "freq" （頻度）があてがわれているほか，"n" の値に応じて，"word1" から "word5" までの語形 (case-sensitive) と，"pos1" から "pos5" までの COCA の語類標示タグが設定されている．select 文のみ有効．以下に，典型的な検索式を例として載せておく．

# 1-grams で，前置詞を頻度順に取り出す（ただし，case-sensitive なので再集計が必要）
select * from one where pos1 like "i%" order by freq desc;

# 2-grams で，ハンサムなものを頻度順に取り出す
select * from two where word1 = "handsome" and pos1 = "jj" and pos2 like "nn_" order by freq desc;

# 2-grams で，"absolutely (adj.)" で強調される形容詞を頻度順に取り出す（[2011-03-12-1]の記事「#684. semantic prosody と文法カテゴリー」を参照）
select * from two where word1 = "absolutely" and pos2 = "jj" order by freq desc;

# 3-grams で，高頻度の as ... as 表現を取り出す
select * from three where word1 = "as" and word3 = "as" order by freq desc;

# 4-grams で，高頻度の from ... to ... 表現を取り出す
select * from four where word1 = "from" and pos1 = "ii" and word3 = "to" and pos3 = "ii" order by freq desc;

# 5-grams で，死因を探る； "die of" と "die from" の揺れを観察する
select * from five where word1 in ("die", "dies", "died", "dying") and pos1 like "vv%" and word2 in ("of", "from") and pos2 like "i%" order by word3;

　n-gram データベースを最大限に使いこなすには，このようにして得られた検索結果をもとにさらに条件を絞り込んだり，複数の検索結果を付き合わせるなどの工夫が必要だろう．

[ 固定リンク | 印刷用ページ ]

■ #955. 完璧な語呂合わせの2項イディオム [binomial][rhyme][corpus][coca][collocation][euphony][n-gram][suffix][proverb]

　[2011-12-06-1], [2011-12-07-1]の記事で，COCA ( Corpus of Contemporary American English ) の 3-gram データベースから取り出した，現代英語における頭韻を踏む2項イディオム (binomial) と脚韻を踏む2項イディオムの例を見てきた．分析するなかで，両リストのなかで重複する2項イディオムが散見されたので，取り出してみた．これぞ，頭韻と脚韻の両方を兼ねそなえた，完璧な語呂合わせとしての共起表現である．（検索結果を収めたテキストファイルはこちら．）整理した50表現を挙げよう．

Saturday and Sunday, personal and professional, himself or herself, quantity and quality, morbidity and mortality, quantitative and qualitative, security and stability, best and brightest, latitude and longitude, sixteenth and seventeenth, whenever and wherever, sensitivity and specificity, watching and waiting, majority and minority, basketball and baseball, fight or flight, ranting and raving, forties and fifties, cooperation and coordination, nature and nurture, pushing and pulling, tossing and turning, twisting and turning, grandchildren and great-grandchildren, skiers and snowboarders, communication and collaboration, cooking and cleaning, psychiatrists and psychologists, biggest and best, development and deployment, slipping and sliding, communication and cooperation, Dungeons and Dragons, heterosexual and homosexual, healthier and happier, grandmother and grandfather, stopping and starting, sixteen or seventeen, hooting and hollering, competence and confidence, stalactites and stalagmites, waxing and waning, positive and productive, reading and rereading, patience and perseverance, bedroom and bathroom, consultation and collaboration, going and getting, grandfather and grandmother, protection and promotion

　多くは，頭韻と脚韻が語呂として偶然に一致したと考えるよりは，語幹どうしに語源的な関連があるがゆえに頭韻を踏んでいるのであり，同じ接尾辞を用いているがゆえに脚韻を踏んでいるのだ，と解釈すべきだろう．
　単なる語呂遊びというなかれ．上記の例は，音と意味の調和をいやおうなく感じさせ，2項の間に一種の必然性すら呼び起こすかのような，高度に修辞的な表現といえるだろう．fight or flight, nature and nurture, competence and confidence, positive and productive などは，単なる高頻度の共起表現であるという以上に，教訓的，ことわざ的ですらある．

[ 固定リンク | 印刷用ページ ]

■ #954. 脚韻を踏む2項イディオム [binomial][rhyme][corpus][coca][collocation][euphony][n-gram][suffix][compound]

　昨日の記事「#953. 頭韻を踏む2項イディオム」 ([2011-12-06-1]) に引き続き，今回は，脚韻を踏む高頻度の binomial を COCA ( Corpus of Contemporary American English ) の n-gram データベースにより拾い出したい．昨日と同様に，3-gram を用い，"A and/but/or B" の形の共起表現で，かつ A と B が脚韻を踏んでいるような例を取りだした．検索結果を納めたテキストファイルはこちら．
　検索結果を眺めていて今更ながら気付いたことなのだが，脚韻は頭韻に比べてパターンが見つけやすい．特に顕著なのは，脚韻の多くが，語幹の語尾に依存しているというよりは，接尾辞に依存していることだ．-ing, -ed, -ly, -al, -y, -ion, -er などの屈折接尾辞や派生接尾辞が活躍している．

positive and negative, national and international, internal and external, Friday and Saturday, teaching and learning, gifted and talented, elementary and secondary, hunting and fishing, personal and professional, presence or absence, reliability and validity, coming and going, winners and losers, physical and psychological, formal and informal, directly and indirectly, advantages and disadvantages, rising and falling, physically and mentally, buyers and sellers

　また，これも考えてみれば，さもありなんという事例なのだが，複合語の第2要素に同じ形態素を用いることにより韻を踏んでいる例も多い．一種の self-rhyme ではある．

Friday and Saturday, children and grandchildren, Saturday and Sunday, hardware and software, himself or herself, formal and informal, parents and grandparents, direct and indirect, buyers and sellers, mother and grandmother, father and grandfather, Afghanistan and Pakistan, anything and everything, football and basketball, indoor and outdoor, direct or indirect, servicemen and women, likes and dislikes, urban and suburban, indoor and outdoor

　接尾辞を多用する屈折や派生，そして right-headed な複合を好む英語においては，脚韻を利用した2項イディオムの形成が容易であり，頻繁であることは，自然に理解できそうだ．逆から見れば，語幹の語頭音を利用する頭韻の2項イディオムの形成は，相対的に難しいということになるのかもしれない．

[ 固定リンク | 印刷用ページ ]

■ #953. 頭韻を踏む2項イディオム [binomial][alliteration][corpus][coca][collocation][euphony][n-gram]

　[2011-07-26-1]の記事「#820. 英仏同義語の並列」で，2項イディオム (binomial idiom) を紹介した．and, but, or などの等位接続詞で結ばれる2項からなる表現は現代英語でも顕在であり，よく見られるものには，語呂のよいもの (euphony) が多い．英語において語呂の良さといえば，[2011-11-26-1]の記事「#943. 頭韻の歴史と役割」で取り上げた頭韻 (alliteration) が，典型の1つとして挙げられる．
　ところで，11月22日に，大規模オンライン・コーパス COCA ( Corpus of Contemporary American English ) などで知られるコーパス言語学者 Mark Davies が，COCA に基づく n-gram を無償で公開した．2, 3, 4, 5語からなる，それぞれ最頻100万の共起表現 (collocation) を，頻度数とともに列挙したデータベースで，ダウンロードしてオフラインで自由に処理できる．

　・ Visit N-GRAMS: from the COCA and COHA corpora of American English. For downloading, directly visit Free lists.
　・ Also visit Word frequency lists and dictionary: from the Corpus of Contemporary American English for other COCA-derived n-grams and frequency lists.

　ここで，COCA n-gram から現代英語の2項イディオムに見られる頭韻を探して出してみようと思い立った．3-gram データベースを利用し，"A and/but/or B" の形の共起表現を探った．話者の意識していないところでも，頭韻は日常表現のなかに相当活用されているはずだとの予想のもとでの検索だったが，実際に多数の例を拾い出すことができた．検索結果のテキストファイルはこちら．2項の語頭の子音字が一致しているものを取り出しただけなので，それが表わす子音が一致しているとは限らず，注意が必要である．それでも，相当数の生きた日常的な頭韻の例を拾い出すことができた．
　検索結果上位には，his or her, four or five, six or seven, this or that, Saturday and Sunday など，なるほどとは思わせるが，それほど興味深く感じられない例が少なくない．しかし，イディオム的な性格のもう少し強い，次のような共起表現も次々と挙がり，検索の甲斐があったと満足した．

public and private, rules and regulations, pots and pans, command and control, flora and fauna, free and fair, death and destruction, go and get, safety and security, signs and symptoms, fame and fortune, families and friends, fresh or frozen, peace and prosperity, past and present, quantity and quality, morbidity and mortality, slowly but surely, professional and personal, name and number, facts and figures, pencil and paper, state and society, small but significant, clear and convincing

　n-gram については，[2010-12-25-1]の記事「#607. Google Books Ngram Viewer」も参照．

[ 固定リンク | 印刷用ページ ]

■ #675. collocation, colligation, semantic preference, semantic prosody [semantics][corpus][collocation][semantic_prosody]

　昨日の記事[2011-03-02-1]で取りあげた semantic prosody に関連する話題．語と語の共起関係には4つの種類が区別される．以下，McEnery et al. (84--85, 149--52) を参照して，抽象度の低いものから高いものへと並べ，それぞれの概要を記す．
　
(1) collocation: 語彙項目と語彙項目との関係
(2) colligation: 語彙項目と文法カテゴリーとの関係．
(3) semantic preference: 語彙項目と，意味的に関連する語群との関係
(4) semantic prosody: 感情的意味を生み出す語彙項目の共起関係

　(1) collocation は単純に語と語が共起するという関係を指し，基本的には統計的な概念と考えられている．しかし，どの程度の頻度をもって共起すれば "collocate" していると見なすことができるのかに関して，論者のあいだで統計的な基準は異なる（ see [2010-03-23-1], [2010-03-04-1] ) ．通常は，常識的に「高頻度」であれば collocation と呼んでいるようだ．
　(2) 名詞 house と最も高頻度で共起する語に the や a などの冠詞があるが，これは collocation を研究する上であまり有意味でない．名詞であれば冠詞と共起するのは自明であり，house に限定された話しではないからだ．collocation を有意味な術語として保つためには，house と冠詞のような，語と文法カテゴリーの関係を表わす術語が必要となる．これが colligation である．
　(3) semantic preference は，ある意味的特性を共有する，高頻度で共起する語の集合に関わる関係である．例えば，large は数量・規模を表わす語群 ( ex. number(s), scale, part, quantities, amount(s) ) と共起し，utterly は特徴の欠如や状態の変化を表わす語群 ( ex. helpless, useless, unable, forgotten; changed, different ) と共起する．large や utterly は共起する語句の意味範囲を選んでいる．
　(4) semantic prosody の定義は昨日の記事[2011-03-02-1]で記した通りで，態度や評価といった感情的な意味を生み出す共起関係を指す．母語話者の意識に上らない，隠された含意であることが多い．semantic preference の特殊な現われと見ることもでき，その境目は必ずしも明確ではない．
　いずれの種類の共起であれ，共起に関する詳細な研究は電子コーパスで一度に多数の例文を集められるようになったことにより発展してきた．semantic prosody の研究は，意味論の発展に貢献することはいうまでもないが，類義語間の区別を明らかにするのに役立つことが見込まれるので語学教育や辞書学の分野にも貢献することになるだろう．また，この種の研究は語彙論や意味論と強く結びつけられる研究ではあるが，先に utterly との関連で示した「特徴の欠如や状態の変化」という意味特性の関与を考えると，polarity や modality といった文法カテゴリーとの関連も示唆され，統語論との接点も見いだせそうだ．そして，繰り返し共起することにより特定の意味が定着してゆくという過程に焦点を当てれば，当然，通時的な研究対象にもなり得る．
　semantic prosody は，このように広範な応用が期待できそうな話題である．McEnery et al. (84) に最近の研究の書誌があるので，参考までに以下に整理しておく．

　・ Hunston, S. Corpora in Applied Linguistics. Cambridge: Cambridge UP, 2002.
　・ Louw, B. "Irony in the Text or Insincerity in the Writer? The Diagnostic Potential of Semantic Prosodies." Text and Technology: In Honour of John Sinclair. Eds. M. Baker, G. Francis and E. Tognini-Bonelli. Amsterdam: John Benjamins, 1993. 157--76.
　・ Louw, B. 2000. "Contextual Prosodic Theory: Bringing Semantic Prosodies to Life." Words in Context: A Tribute to John Sinclair on his Retirement. Eds. C. Heffer, H. Sauntson and G. Fox. Birmingham: U of Birmingham, 2000.
　・ Partington, A. Patterns and Meanings. Amsterdam: John Benjamins, 1998.
　・ Partington, A. "'Utterly content in each other's company': Semantic Prosody and Semantic Preference." International Journal of Corpus Linguistics 9.1 (2004): 131--56.
　・ Schmitt, N. and R. Carter "Formulaic Sequences in Action: An Introduction." Formulaic Sequences. Ed. N. Schmitt. Amsterdam: John Benjamins, 2004. 1--22.
　・ Stubbs, M. "Collocations and Semantic Profiles: On the Cause of the Trouble with Quantitative Methods." Function of Language 2.1 (1995): 1--33.
　・ Stubbs, M. "Texts, Corpora, and Problems of Interpretation: A Response to Widdowson." Applied Linguistics 22.2 (2001): 149--72.

　・ McEnery, Tony, Richard Xiao, and Yukio Tono. Corpus-Based Language Studies: An Advanced Resource Book. London: Routledge, 2006.

[ 固定リンク | 印刷用ページ ]

■ #674. semantic prosody [semantics][corpus][collocation][semantic_prosody][terminology]

　semantic prosody は，近年のコーパス言語学の興隆によって生み出された概念であり，研究課題としても注目されるようになってきた．同じくコーパス言語学によって注目を集めるようになった collocation とも深く関連している．Louw (57) によれば，semantic prosody の定義は "a form of meaning which is established through the proximity of a consistent series of collocates" である．もう少し分かりやすい定義として Crystal からも引用しよう．

A term sometimes used in corpus-based lexicology to describe a word which typically co-occurs with other words that belong to a particular semantic set. For example, utterly co-occurs regularly with words of negative evaluation (e.g. utterly appalling). (428)

　例として utterly appalling が挙げられているように，utterly という強意の副詞は常に，否定的な性質を表わす語を強調する．他に，happen や set in という（句）動詞も不快な出来事を表わす名詞と共起することが多い．semantic prosody とは，共起によって強く顕現するこのような「意味上の音色」のことを指し，その主たる機能は話者の態度や評価を表わすことである．多くは否定的な評価に関するものであり，肯定的な評価の例は少ない（後者の例としては，否定的な強意副詞 utterly に対して肯定的な強意副詞 perfectly が挙げられよう）．semantic prosody が collocation と強く結びつていることは，McEnery et al. (83) の挙げている personal price の例から明らかである．personal も price も単独ではその評価は中立的だが，共起すると通常否定的な意味上の音色を伴う．
　特定の共起によって特定の semantic prosody が生じ，それが十分に定着してくると，その共起を故意に逸脱させることによって皮肉，偽善，ユーモアなどの特殊な効果を表わすことができるようにもなる．例えば，Cobuild written corpus に次のような例文がある．

Their relationship in fact was so complete that they were utterly content in each other's company.

　semantic prosody に関して避けることのできない議論は，語と語の共起によってなぜ特定の音色（主に否定的な音色）が顕現するのか，あるいは歴史的に獲得されてきたのか，という問題である．utterly はなぜ否定的な音色を帯びるのか．この問いに対して，否定的な語と共起することが多かったから utterly 自体も否定の音色を帯びるようになったという答えがあるかもしれない．しかし，そもそも否定的な語と共起することが多かったのはなぜなのか．それは utterly 自体が本来的に否定的な音色を帯びていたからではないか．まさに鶏が先か卵が先かの問題に陥ってしまう．このような場合の常として，(1) 本来的に否定的な性質と (2) 特定の否定的な語との頻繁な共起，という2つの要因が相互に作用した結果だろうという説明がもっとも穏健かもしれない．しかし，比較的最近，接尾辞 -ish の否定的な含意の獲得について歴史的な研究を行なった私にとっては，この問題は悩ましい問題である．McEnery et al. (84) もこの問題に触れている．

It might be argued that the negative (or less frequently positive) prosody that belongs to an item is the result of the interplay between the item and its typical collocates. On the one hand, the item does not appear to have an affective meaning until it is in the context of its typical collocates. On the other hand, if a word has typical collocates with an affective meaning, it may take on that affective meaning even when used with atypical collocates. As the Chinese saying goes, 'he who stays near vermilion gets stained red, and he who stays near ink gets stained black' --- one takes on the colour of one's company --- the consequence of a word frequently keeping 'bad company' is that the use of the word alone may become enough to indicate something unfavourable . . . .

　・ Crystal, David, ed. A Dictionary of Linguistics and Phonetics. 6th ed. Malden, MA: Blackwell, 2008. 295--96.
　・ Louw, B. 2000. "Contextual Prosodic Theory: Bringing Semantic Prosodies to Life." Words in Context: A Tribute to John Sinclair on his Retirement. Eds. C. Heffer, H. Sauntson and G. Fox. Birmingham: U of Birmingham, 2000.
　・ McEnery, Tony, Richard Xiao, and Yukio Tono. Corpus-Based Language Studies: An Advanced Resource Book. London: Routledge, 2006.

[ 固定リンク | 印刷用ページ ]

■ #668. Chaucer の knight との脚韻語 [chaucer][bnc][collocation][kyng_alisaunder]

　Chaucer の全作品中，knight という語は90回以上，脚韻箇所に現われている．対応する脚韻語を調べ，さらにロンドンの方言で書かれた2つのロマンス Kyng Alisaunder と Arthur and Merlin でも同様に調べてみると，非常におもしろい事実が浮かび上がる．
　Chaucer で knight と脚韻を踏む語として5回以上現われるものに，might (32), wight (22), night (9), right (8), bright (5) がある．Kyng Alisaunder では高頻度のものには wiȝth, fiȝth, riȝth / miȝth があり，同じく Arthur and Merlin では ''fiȝt, riȝt, riȝth がある．脚韻語の分布をまとめたのが以下の図である（Burnley, p. 130 の図をもとに作成）．



　Chaucer の脚韻語は，高頻度のものを中心として大半が他の2つのロマンス作品と重複しており，全体として中英語ロマンスの伝統的な脚韻語を受け継いでいると解釈できる．一方で，Chaucer のみが用いている脚韻語もいくつか確認され，詩人の脚韻語の幅の広さが示唆される．
　しかし，比較によってしか得られない非常に興味深い事実がある．他のロマンス2作品，ひいては中英語ロマンス全体として，最も頻度が高い脚韻語とみなしてもよいと思われる fight が，Chaucer には一度も現われないのである．knight と fight は縁語であり，collocation の度合いが高いことは自明であるから，Chaucer における不在は不自然とも思える．Burnley (131) は，脚韻語としての fight の不在は，Chaucer の選択した主題との関連もあるかもしれないが，おそらくは Chaucer が "a hackneyed rhyme" 「使い古された脚韻」とみなして意識的に避けたためだろうという．

Although he [Chaucer] was often content to employ familiar and traditional rhymes, there is also evidence of resourcefulness in seeking unusual rhymes, as well as of avoiding rhymes which might have proved unacceptable to his audience. (Burnley 131)

　詩人が用いた脚韻語ではなく，用いなかった脚韻語を指摘することで，その詩人の特徴や詩の言語に対する態度が浮き彫りになりうる好例である．何が不在なのか，何を用いなかったのかを知るには，他と比較しなければならない．対象の本質を知るには，それが置かれている環境を広く見渡す必要がある．文献学の神髄を見せられるような印象的な例である．
　ちなみに，knight と fight の collocation は強かったに違いないと述べたが，それは中世での話しである．現代英語における両語の collocation は BNCweb で調べたところそれほど顕著ではない．名詞 knight の前後5語以内に fight が現われる頻度はコーパス中で10回きりである．ただし，[2010-03-23-1]の記事で触れた MI と T-score の値を見ると，それぞれ 3.5415, 2.8907 であり，collocation と認めてよい水準ではある．

　・ Burnley, David. The Language of Chaucer. Basingstoke: Macmillan Education, 1983. 13--15.

[ 固定リンク | 印刷用ページ ]

■ #330. Cobuild Concordance and Collocations Sampler [corpus][bnc][cobuild][collocation]

　本ブログでは，オンラインで利用できる現代英語のコーパスとして，簡便に使える BNC ( The British National Corpus )，より本格的に使える BNCWeb（要無料登録）を紹介してきた．BNC はその名の如くイギリス英語専門のコーパスで，ほぼ1975年以降の英語が約1億語おさめられている．そのうち9割は書き言葉，1割は話し言葉という構成である．現在オンラインで利用できる最大級の規模の英語コーパスである．
　規模だけでいえば，もっと大きな英語コーパスが存在する．常に拡大を続けるモニターコーパス The Bank of English であり，その規模は5億5000万語にまで達する．BNC と異なり，イギリス英語だけでなくアメリカ英語を含めた他の変種もカバーしている．
　このうちの一部，約5600万語が Cobuild Concordance and Collocations Sampler としてオンラインで無料で公開されている．コンコーダンス・ラインは40行まで，コロケーションのスコア・ランキングは100位までしか出力されない「デモ版」ではあるが，検索語に簡単なタグ指定ができるなど，手軽な目的であれば十分に使える仕様だろう（有料版 Collins WordbanksOnline もあり）．
　コロケーションのスコアとしては，T-score か MI ( Mutual Information ) かを選べる．[2010-03-04-1]でも触れたが，それぞれのスコアの特徴を簡単に述べる．

　・ MI (mutual information): 共起する2語が持つ意味的特性に焦点が当てられる傾向がある．慣用句，ことわざ，複合語，専門用語など独特の言い回しを構成する語に高い値が与えられる．コーパスのサイズに依存しない．3以上の値をもって collocate しているとみなせるといわれる．イメージとしては，連想ゲーム的な語と語の関係が明らかになると考えるとよい ( = lexical collocation )．低頻度語が強調される傾向があり，独特でおもしろい結果になることがある．

　・ T-score: collocation 強度そのものの指標というよりも，互いに関連があると言い切れる確信度の指標．コーパスのサイズが勘案されている．通常は，2以上の値でその collocation が統計的に有意とみなされる．特定の2語の共起頻度に焦点を当てるため，キーワードの前後に頻繁に生起する前置詞，不変化詞，人称代名詞，限定詞などの文法構造を満たすための語のほか，常套句や使い古されてしまった比喩，決まり文句などを構成する語が上位にランクインする．イメージとしては，主に文型や機能語の連語情報が明らかになると考えるとよい ( = grammatical collocation ) ．

　コンコーダンスやコロケーションの出力は，英語の研究や学習のためだけでなく，汎用の発想ツール，連想ツールとしても使える．例えば，octopus のコロケーションの MI 値を出してみると，上位に squid, dried, october などが現れる．味わい深い．

　・ 鷹家 秀史，須賀 廣　『実践コーパス言語学』　桐原ユニ，1998年．113--15頁．

[ 固定リンク | 印刷用ページ ]

■ #311. girl とよく collocate する形容詞は何か [corpus][collocation][bnc]

　コーパスを使った collocation 研究は多い．しかし自分では行ったことがなかったので，McEnery et al. (56--57, 210--20) を参考にしつつ，自らお題を一つ掲げて collocation 研究のさわりを試してみた．特に collocation にかかわる様々な統計指標の特徴に注意してみたい．
　お題は「girl とよく collocate する形容詞は何か」．使用するコーパスは BNCWeb ．girl の左側3語までに現れる形容詞を検索対象とし，collocation の強度を示す様々な指標を出して，指標ごとに上位20個までの形容詞を一覧にしたのが下表である．

Rank	raw frequency	observed/expected	t-score	z-score	log-likelihood	MI	MI3
1	little	15-year-old	little	little	little	15-year-old	little
2	young	16-year-old	young	young	young	16-year-old	young
3	that	dark-haired	good	15-year-old	good	dark-haired	good
4	this	13-year-old	that	dark-haired	clever	13-year-old	clever
5	good	nine-year-old	this	16-year-old	poor	nine-year-old	pretty
6	one	14-year-old	old	clever	pretty	14-year-old	that
7	old	four-year-old	poor	pretty	old	four-year-old	15-year-old
8	other	year-old	other	teenage	that	year-old	dark-haired
9	poor	clever	clever	13-year-old	beautiful	clever	poor
10	clever	teenage	one	nine-year-old	lovely	teenage	16-year-old
11	beautiful	blonde	pretty	four-year-old	golden	blonde	this
12	pretty	pretty	beautiful	head	nice	pretty	old
13	small	head	nice	14-year-old	15-year-old	head	beautiful
14	any	little	lovely	poor	teenage	little	teenage
15	nice	wee	big	blonde	dark-haired	wee	lovely
16	big	eldest	small	good	head	eldest	head
17	another	brave	golden	golden	16-year-old	brave	golden
18	lovely	golden	tall	beautiful	tall	golden	nice
19	new	silly	dear	lovely	this	silly	tall
20	golden	young	teenage	year-old	dear	young	blonde

　各指標の読み方を以下にメモ．

　・ raw frequency: コーパス内の総頻度．統計計算を加える前のベースとなる値で，それ自体は collocation の強度計測にはほとんど役に立たない．
　・ observed/expected: 偶然に collocate している可能性からどれだけ隔たっているか．collocation の指標としては粗い．
　・ t-score: 広く使われる指標．コーパスのサイズが勘案されている．通常は，2以上の値でその collocation が統計的に有意とみなされる．collocation 強度そのものの指標というよりも，互いに関連があると言い切れる確信度の指標．（後記　2010/03/21(Sun)：特定の2語の共起頻度に焦点を当てるため，キーワードの前後に頻繁に生起する前置詞，不変化詞，人称代名詞，限定詞などの文法構造を満たすための語のほか，常套句や使い古されてしまった比喩，決まり文句などを構成する語が上位にランクインする．つまり，主に文型や機能語の連語情報 [ grammatical collocation ] に寄与する．）
　・ z-score: 両語それぞれのコーパス中の全頻度を勘案したうえで，その collocation が期待値よりどれだけ高い頻度で現れているかを示す．広く使われている指標だが，データが正規分布をなすとの前提に立っており，多くの場合に必ずしも適切でない．コーパスが巨大か，あるいは（たいてい関心を引かない）超高頻度語を対象にするのでない限り，問題が生じうる．低頻度語が強調される傾向がある．
　・ log-likelihood (LL test): データの正規分布を前提としない．コーパスのサイズが小さめでも有効．高頻度語にも低頻度語にも有効．手堅い統計値．
　・ MI (mutual information): LL ほど統計的に厳格ではないが，z-score や LL の代替指標として広く使われている．3以上の値をもって collocate しているとみなせるといわれる．負の値が出ると，むしろ両語が背反し合うという意味になる．コーパスのサイズに依存しない．z-score と同様に低頻度語が強調される傾向がある．unique collocation を知るなど辞書学的な用途には役立つ指標だが，英語教育用には不向き．（後記　2010/03/21(Sun)：共起する2語が持つ意味的特性に焦点が当てられる傾向がある．慣用句，ことわざ，複合語，専門用語など独特の言い回しを構成する語に高い値が与えられる．）
　・ MI3: MI の低頻度語を強調しがちな傾向を補正した指標の一つ．英語教育用に向いている．同様の趣旨の指標として，log-log test というものもある．

　正直なところ，どう読み解けばいいのかよくわからない（あくまで練習題なので・・・）．little, young, good, clever などいずれの指標でもランクの高いものはあり，これらは明らかに強い collocation ありとみなしてよいだろう．ほかには， z-score や MI が 15-year-old などの影響を激しく反映しているのに対して，手堅い log-likelihood や補正済みの MI3 の値は -year-old を比較的よくはじいていることがわかる．このことから，-year-old は girl とよく collocate することは確かながらも，いくつかの指標が示唆するような最上位のランクであるというのは言い過ぎであるといえそうである．MI値の上位にはやや個性的と思われる形容詞も含まれており，若干くせのある値だということも肌で感じることができた．だが，統計値の解読はなかなかに難しい・・・．

　・ McEnery, Tony, Richard Xiao, and Yukio Tono. Corpus-Based Language Studies: An Advanced Resource Book. London: Routledge, 2006.

[ 固定リンク | 印刷用ページ ]