A fundamental study of effective visualization and description of longitudinal changes of classical Japanese poetic vocabulary

日本古典诗歌词汇纵向变化的有效可视化和描述的基础研究

基本信息

批准号：
18K00528
负责人：
山元啓史
金额：
$ 2.75万
依托单位：
Tokyo Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

可視化を行う上で重要なグラフ理論で用いられるノードとエッジ描画に関わる計算方法の見直しを行った。任意の２単語をノード、その２単語を結ぶ線をエッジと呼ぶが、この２ノード１エッジの選び方にはさまざまな方法がある。何らかの基準で２単語のそれぞれに数値やベクトルを与え、それらの２単語間の距離を計算し、距離の遠近で、その２単語を結ぶエッジを描画するか否かを決定する。単語に与える値として頻度が考えられるが、機能語の頻度は高く、内容語の頻度は低い。idf(invert document frequency)を利用すると、内容語の値が高くなり、機能語の値は低くなり、キーワード性の高い語と低い語の視点から描画できることがわかった。次に、エッジの選び方に関する方法を検討した。①エッジは２単語の値の幾何平均を用いる方法、②２幾何平均とエッジの出現数を掛ける方法、③その２単語がどこにでも出てくるか、特定のところにしか出てこない（あるいは単純に頻度が低い場合）かを計算し、その値を用いる方法、④それらを複合した方法、を検討した。結果として、これらの値は、分析の領域によって異なることがわかった。現代語の場合には長い文も短い文もあるだけでなく、同じ文に同じ語が複数回出てきた。一方、和歌は、３１文字という制約で書かれた文であるためか、出てきて２回、ほとんどが１回出現する単語ばかりであった。和歌の可視化においてどのエッジを描画するかは、単純に①の２単語のidf値の幾何平均で大方表現できることがわかった。ここで得られた値をcw(cooccurrence weight)と呼ぶことにする。cwの特性を調査した。ある単語とその単語を持つ文脈、すなわち和歌のcw値の分布を調べたところ、ほぼ正規分布のような釣鐘状の分布になることがわかった。

我们已经回顾了与节点和边缘图有关的计算方法，这些方法用于图理论中，这对于可视化很重要。任何两个单词称为节点，连接两个单词的线称为边缘，但是有多种选择此两节点1边缘的方法。按照标准，给出了两个单词中的每个单词的数值或向量，两个单词之间的距离被计算出来，并且它们之间的距离确定是否在距离的角度绘制连接两个单词的边缘。频率可以视为给出单词的值，但是功能单词的频率很高，内容词的频率很低。发现使用IDF（倒文档频率）增加了内容词的值并降低功能单词的价值，从而从具有高关键字和低关键字的单词的角度绘制。接下来，我们考虑了选择边缘的方法。我们研究了1）使用两个单词值的几何平均值，2）一种将两个几何平均值乘以边缘的发生数量的方法，3）一种计算两个单词是否出现在任何地方或仅出现在特定位置的方法（或仅在特定的位置出现（或简单地出现在特定的位置）），以及使用这些方法，以及使用这些方法，以及4）一种方法。结果，发现这些值取决于分析区域。在现代语言中，不仅有长句和短句子，而且同一句子中多次出现同一单词。另一方面，Waka诗人的写作具有31个字符的约束，其中大多数出现一次，也许是因为它们是用句子写的。已经发现，在Waka诗可视化中绘制的边缘可以简单地通过两个单词的IDF值的几何平均值来表示。此处获得的值称为CW（共振重量）。研究了CW的特征。当我们检查单词的CW值的分布和该单词的上下文（即Waka诗）时，我们发现这是一个钟形的分布，看起来几乎是正常的。