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。

我们回顾了重要图理论中使用的节点以及与重要图理论中使用的边缘图相关的计算方法。一个任意的两个单词称为节点，连接两个单词的线称为边缘，但是有多种选择此2个节点1边缘的方法。在某些标准上给出两个单词中的每个单词的数字和向量，计算这两个单词之间的距离，并确定是否绘制在遥远距离内连接两个单词的边缘。尽管频率被认为是给出单词的值，但功能单词很高，内容较低。使用IDF（倒文档频率）表明内容的值较高，功能单词的值很低，并且可以从高关键字和低端观点来绘制。接下来，我们检查了如何选择边缘。（1）边缘是使用两个单词的几何平均值，（2）2几何平均值和边数的数量，（3）两个单词出现在任何地方，或仅在某些地方出现（仅在频率时出现很低，我们计算了使用该值的方法，以及将其组合的方法。结果，发现这些值取决于分析区域。就现代语言而言，不仅有漫长的句子和简短的句子，而且同一句子在同一句子中出现了几次。另一方面，waka是一个句子，写有31个字符的限制，或者只出现了两次而大多数出现一次的单词。事实证明，绘制WAKA可视化的边缘可以简单地通过两个单词的IDF值的几何平均值表示。此处获得的值称为CW（同时然权重）。研究了CW的特征。检查单词和单词的上下文，即Waka的CW值的分布，发现它几乎像正态分布一样是钟形的分布。