「現代日本語書き言葉均衡コーパス」文字表・表記表解説

						2023.03.31
						言語資源開発センター
						文責：山崎　誠
１．概要
「現代日本語書き言葉均衡コーパス」（以下、BCCWJ）に含まれるすべての
サンプルから作成した文字頻度表、表記頻度表です。本データの作成には、
BCCWJ-DVD版(Version 1.1)のDISC4OTにある、TSV_SUW_OTの各ファイルを
使用しました。本データは以下の4つの表から構成されています。

(1)BCCWJ文字表
(2)BCCWJ文字表（レジスター別）
(3)BCCWJ表記表
(4)BCCWJ表記表（レジスター別）

２．ファイルの説明
(1)BCCWJ文字表 BCCWJ_CharacterTable.xlsx
短単位のTSVファイルの原文文字列に現れるすべての文字を集計した。
表には、各文字のコード(UTF-8)、字種（平仮名、カタカナ、漢字、
記号等の別）、出現頻度、100万字あたりの頻度、表記例（漢字の
場合のみ）を挙げた。

(2)BCCWJ文字表（レジスター別） BCCWJ_CharacterTable_byRegister.xlsx
短単位のTSVファイルの原文文字列に現れるすべての文字をレジスター
別に集計した。表には、各文字のコード(UTF-8)、字種（平仮名、
カタカナ、漢字、記号等の別）、レジスター、出現頻度、100万字あた
りの頻度、表記例（漢字の場合のみ）を挙げた。

(3)BCCWJ表記表 BCCWJ_WritingFormTable.xlsx
短単位のTSVファイルにある、語彙素、語彙素読み、語彙素ID、
品詞を使って語を特定し、集計した。ただし、動詞に限っては、
語彙素読みの代わりに語形を用いた。
表には、語彙素読み（動詞の場合は語形）、語彙素、品詞、
品詞2（大分類のみ）、語種、語彙素ID、合計頻度、書字形数、
書字形例を挙げた。

(4)BCCWJ表記表（レジスター別）BCCWJ_WritingFormTable_byRegister.xlsx
短単位のTSVファイルにある、語彙素、語彙素読み、語彙素ID、
品詞を使って語を特定し、レジスター別に集計した。ただし、動詞に
限っては、語彙素読みの代わりに語形を用いた。
表には、語彙素読み（動詞の場合は語形）、語彙素、品詞、
品詞2（大分類のみ）、語種、語彙素ID、レジスター、合計頻度、書字形数、
書字形例を挙げた。

３．ライセンス
本データは　クリエイティブ・コモンズ・ライセンス
CC BY-NC-SA 4.0（表示-非営利-継承 4.0 国際）で公開します。

４．本データの問い合わせ先
国立国語研究所 言語資源開発センター
kotonoha@ninjal.ac.jp

以上