■关于NINJAL-LWP for TWC

《筑波网络语料库》(Tsukuba Web Corpus: TWC）是由网站所搜集的数据构建的大约有11亿词的语料库，而NINJAL-LWP for TWC（简称NLT）是该语料库的检索工具。检索工具采用的是由国立国语研究所（以下简称国语研）和Lago语言研究所共同开发的语料库检索系统NINJAL-LWP（NINJAL-LagoWordProfiler）。由国语研开发的总词数为1亿的《现代日语书面语平衡语料库》（Balanced Corpus of Contemporary Written Japanese: BCCWJ）的检索工具NINJAL-LWP for BCCWJ（NLB）也使用该系统。

该工具采用词汇分布概貌搜集（Lexical Profiling）手法，能够覆盖显示名词及动词等实词的共现关系及语法特征。

■使用方法

在索引内输入要检索的词句，其检索结果通过索引行来反馈。NLT 中首先需要选择想要检索的词（NLT 中将其称为“词条”） 而不是词句。可以选择的词条包括名词、动词、形容词、连体词和副词这五种词性的实词。

下面以检索“走る”这一动词为例进行说明。首先在画面的输入框内输入“走る”或“はしる”（也可输入片假名）或者“hashiru”，点击“筛选”按钮。下方列表显示了读音为“はしる”的三个词条，点击最上面的“走る”。

点击后将打开“走る”的词条窗口。下面以检索“が走る”前面可以连接哪些名词为例进行说明。选择左侧语法模式面板的“分组”后，最上面便是【名词+助词＜】组。点击最上面的【…が走る】模式。

中间的词语搭配面板内将按照由高到低的频数依次显示【名词+が走る】的词语搭配。左侧的使用例面板内显示使用频数最高的“車が走る”这一频数。

接下来尝试频数搭配。NLT不仅可以按使用频数顺序排序，还可以按照MI值的顺序进行排序。MI值为统计指标之一，越是有特点的词语搭配，其数值也越趋高。但低频数的频数搭配数值会过高，因此需要排除低频数的词语搭配。点击词语搭配面板页眉的【MI】，然后在面板上点击右键，选择【频数20以上】。

然后【虫ずが走る】、【戦慄が走る】等【名词+が走る】这样有特点的表达会在前排显示。

点击各词语搭配，右侧面板内将显示其使用例。在这里我们点击一下第7行的【閃光が走る】。可以一个一个地确认语料库中实际使用的例子。

使用例以句子为单位显示。如果想要确认上下文，点击使用例以句子为单位显示的出处部分，将打开显示前后文的对话框。

NLT首先在检索窗口中选择词条，并在词条窗口中来回检索语法模式、词语搭配和使用例，从而掌握该词条用法的整体情况。点击即可，操作简单，可以一气呵成并且随心所欲地进行检索。

详细使用方法请查阅用户指南 (PDF文档, 约2.8MB, 日語)。

■筑波网络语料库的构建

TWC ver. 1.40中使用了从日语网站上收集来的11亿3800万个词的数据。

从网站上收集文本时采用的一般方法是，利用搜索引擎API收集网页的链接后再收集该链接里的数据。以下为具体的语料库构建步骤。

■注释

NLT为提取词语搭配及语法特征的信息，在为BCCWJ的数据添加注释后才进行解析。注释所使用的解析器和词典如下所示。

■使用注意事项

■词条频数列表

这是词条频数列表，为Excel文档格式（xlsx），该列表仅限用于研究和教育目的，详情请查看文档内的“使用注意事项”。

NLT 1.40 词条频数列表

■更新记录

■相关咨询

请联系以下邮箱进行NLT的相关咨询。

jp-kyoten（艾特符号）un.tsukuba.ac.jp