[論文レビュー] Computational Paremiology: Charting the temporal, ecological dynamics of proverb use in books, news articles, and tweets

Ethan Davis, Christopher M. Danforth+2 more|arXiv (Cornell University)|Jul 10, 2021

Language, Metaphor, and Cognition参考文献 43被引用数 5

ひとこと要約

本研究では、書籍、ニュース記事、ツイートの大量コーパスを用いて諺の使用に関する時間的・生態的ダイナミクスを分析する、計算的パレミオロジーを導入する。研究では、あらゆるメディアにおいて諺が重ね尾型の頻度分布に従い、時代特有の傾向を示し、ソーシャルメディアでは現代的形に進化していることが判明した。これにより、言語的パターンと使用頻度の時間的変化をデータドリブンに分析することで、諺の文化的な永続的関連性が明らかになった。

ABSTRACT

Proverbs are an essential component of language and culture, and though much attention has been paid to their history and currency, there has been comparatively little quantitative work on changes in the frequency with which they are used over time. With wider availability of large corpora reflecting many diverse genres of documents, it is now possible to take a broad and dynamic view of the importance of the proverb. Here, we measure temporal changes in the relevance of proverbs within three corpora, differing in kind, scale, and time frame: Millions of books over centuries; hundreds of millions of news articles over twenty years; and billions of tweets over a decade. We find that proverbs present heavy-tailed frequency-of-usage rank distributions in each venue; exhibit trends reflecting the cultural dynamics of the eras covered; and have evolved into contemporary forms on social media.

研究の動機と目的

• 諺の使用頻度の時間的定量的分析を通じて、諺を研究するためのデータドリブンな基盤を確立すること。
• 諺が、語彙の統計的分布（例えばジプフの法則）と同様の分布を、多様なテクストドメインで示すかどうかを調査すること。
• 諺の使用が、異なるメディアや時間的期間において、文化的ダイナミクスをどのように反映し、進化しているかを検討すること。
• 大規模コーパスにおける頻度と新鮮さの分析を通じて、英語における「パレミオロジカル・ミニマム」（広く認識され、持続的な諺のコアセット）の同定に貢献すること。
• 今後の比喩的言語に関する研究を可能にするために、デジタルメディアにおける新規の諺や進化する言語形態に適用可能な手法を開発すること。

提案手法

• 本研究では、Google Books Ngram Corpus（数百万冊の書籍、1800–2000s）、News on the Web（NOW）コーパス（数億件のニュース記事、2000–2020）、Twitter Ngram Corpus（数百億件のツイート、2006–2016）という3つの大規模で独立したコーパスを分析する。
• 使用頻度ランク付けとランク-頻度分布分析を用いて、時間的およびメディアタイプごとの諺使用の広がりを測定する。
• 『アメリカ諺辞典』に収録された標準化された諺リストを用いて、諺の同定と追跡を実施し、諺検出の一貫性を確保する。
• 得られた頻度分布をパワー則（ジプフ的）モデルと比較し、諺の使用が個々の語と同様の統計的パターンに従うかどうかを評価する。
• 時間的傾向の分析を通じて、特にソーシャルメディアにおいて、文化的関連性や形態の変化がどのように変化しているかを特定する。
• メディア固有の特性を考慮した手法を採用することで、各コーパスの生態的文脈の中で結果を解釈可能にする。

実験結果

リサーチクエスチョン

• RQ1 諺は、異なるテクストドメインにおいて、個々の語と同様に重ね尾型の頻度分布に従うか？
• RQ2 書籍、ニュースメディア、ソーシャルメディアにおける諺の使用頻度は、時間の経過とともにどのように変化するか？
• RQ3 特定の諺の流行の変化は、どのような文化的・歴史的ダイナミクスを反映しているのか？ これは、異なる時代とメディアでどのように現れるか？
• RQ4 Twitterなどのソーシャルメディアプラットフォームでは、伝統的な印刷物やニュースメディアと比較して、諺の形態と使用法はどのように進化しているか？
• RQ5 頻度とメディア間の一貫性に基づいて、どの諺が「パレミオロジカル・ミニマム」（広く認識され、持続的な諺のコアセット）を構成するか？

主な発見

• すべての3つのコーパスにおいて、諺の使用頻度ランク分布が重ね尾型であることが判明した。これは、少数の諺が極めて頻繁に使用されている一方で、大多数の諺はまれにしか使われないことを示している。
• 各コーパスで最も頻繁に使われる諺（書籍では「many hands make light work」、ニュースでは「don't cry over spilled milk」）は、文化的・歴史的に強い共鳴を示している。
• 時間的傾向の分析から、戦争や経済危機などの大規模な社会的出来事に応じて、特定の諺の流行が増加または減少することが判明した。これは、諺が集団的気分を反映する役割を果たしていることを示している。
• Twitterでは、諺がしばしば改変されたり、スタイル化された形で使用されている。これは、デジタルディス course における伝統的表現の動的な進化を示唆している。
• 本研究では、コーパス間で一貫して頻出する高頻度の諺のコアセットを同定し、英語における「パレミオロジカル・ミニマム」の存在を裏付けた。
• 語彙カバレッジやデータの代表性に限界があるものの、結果は大規模なデジタルコーパスを用いた縦断的熟語的研究への応用が有効であることを裏付けた。