コロケーション分析

コロケーション分析では、検索語と頻繁に共起する語を調べられます。

アクセス方法

コロケーションモードの Colloc 2 / Colloc 3 タブ

コロケーション結果は、さまざまな統計的指標でソートできます：

指標	説明
MI（相互情報量）	2つの語がどの程度強く結びついているかを測定する。値が高いほど、特定性の高い強いコロケーションを示す。
t-score	結びつきの強さと頻度のバランスをとる指標。頻度が高く信頼性のあるコロケーションを見つけやすい。
Freq（頻度）	単純な共起頻度数。
DP（deviation of proportions）	分散（dispersion）の指標（Gries 2008）で、0 から 1 の値をとる。ペアの出現がトーク全体にどう散らばっているかを、各トークの長さと比べる。0 に近いほどトークの長さに比例して散らばっており、1 に近いほど少数のトークに集中している。2語の結びつきの強さを測る指標ではない。DP でソートすると、集中しているペアが上に来る。

MIスコア順のコロケーション結果

コロケーション結果はレンマ（基本形）ごとに集約されるので、ペアの活用形が1つのエントリにまとまります。Colloc 2 で make を検索すると、たとえば次の行が得られます。

make + mistake — make mistakes / makes mistakes / made mistakes / making mistakes を統合
make + decision — 同じ2語の活用形を統合

各ペアに表示される頻度は、これらの語形にわたる合計です。レンマにマウスオーバーすると、集約された表層形が確認できます。行をクリックすると、レンマ検索構文を使ってすべての用例を検索します。

Colloc 2 が数えるのは隣接する2語なので、make a mistake は make + mistake には含まれません。間に冠詞が入るため、この表現は Colloc 3 の背後にある3語の系列に入ります。

集約の対象になるのはコーパスの n-gram の行で、語・レンマ・品詞の組み合わせごとに1行あります。同じ表記でも複数行に分かれることがあります。
行が集約に入るのは、2つ以上のトークで3回以上出現する場合だけです。この条件は集約の前に適用されるため、Freq はこの条件を満たした行の合計であり、すべての行の合計ではありません。
Talks は集約された行のうち最大のトーク数であり、いずれかの行を含むトークの異なり数ではありません。実際の異なり数より小さくなることがあります。
一覧は、頻度上位500件の候補を取り出し、選んだ指標で並べ替えて、最大100件を表示します。したがってコーパス全体を MI・t-score・DP で並べた上位ではありません。
集約された行の DP は、集約対象の行の DP の単純平均です。頻度による重み付けはせず、統合後の分布から計算し直した値でもありません。
集約は検索語の照合の後に行われます。そのため makes のような活用形を入力すると、makes に一致した行だけが集約されます。すべての語形を見るには基本形を入力してください。

コロケーション関係の視覚的な概観を得るには、Network タブを使用してください。詳しくはコロケーション・ネットワークを参照してください。

ヒント