『日本語話題別会話コーパス：J TOCC 語彙表』の公開と日本語教育むけ情報サイトにむけた指標の検討

要旨

『日本語会話話題別コーパス:J-TOCC』の語彙表を公開する。表は２種類で、15ある話題間での特徴度を比較するための粗頻度ならびにLLRの表と、各話題ごとに、240名の調査協力者がそれぞれ何度その語を使用したかというデータを収めた表である。前者の表はどの話題に特徴的かという偏りを表し、後者の表は、ある話題を与えられた時に母語話者の何％がその語を使用するかという「使用者割合」を取り出せる。本プロジェクトの最終目標は日本語教育に役立つ「話題—語彙情報サイト」の構築であるが、現場に役立つ形で情報を整理するにはこの２種類の情報が必要であることを主張する。語の使用者の幅を見る指標としてはtf-idfなども存在するが、検討の結果、本データでは使用総頻度の影響が大きすぎることがわかった。一方で、LLRは語の特徴語を効率よく抽出できるが、多義語など、他の話題の影響で値が低くなることもある。使用者割合はその点をカバーすることができる。

主題