[論文レビュー] Tracking Words in Chinese Poetry of Tang and Song Dynasties with the China Biographical Database

Chao-Lin Liu, Kuo-Feng Luo|arXiv (Cornell University)|Nov 19, 2016

Computational and Text Analysis Methods参考文献 2被引用数 4

ひとこと要約

本稿は、中国人物データベース（CBDB）を活用して、唐・宋時代の中国語詩における語彙的および熟語的パターンを追跡する計算フレームワークを提案する。効率的なテキスト比較アルゴリズムと大規模コーパス分析を活用することで、色語彙の頻度差異といった明確な語用傾向の差異を同定し、両時代における言語的・社会的歴史的変化を明らかにする。主な貢献は、語彙学、意味論、デジタル・ヒューマニティーズ分野におけるものである。

ABSTRACT

Large-scale comparisons between the poetry of Tang and Song dynasties shed light on how words, collocations, and expressions were used and shared among the poets. That some words were used only in the Tang poetry and some only in the Song poetry could lead to interesting research in linguistics. That the most frequent colors are different in the Tang and Song poetry provides a trace of the changing social circumstances in the dynasties. Results of the current work link to research topics of lexicography, semantics, and social transitions. We discuss our findings and present our algorithms for efficient comparisons among the poems, which are crucial for completing billion times of comparisons within acceptable time.

研究の動機と目的

• 大規模なスケールで唐・宋時代の中国語詩における語彙的および熟語的差異を調査すること。
• 語の使用傾向が、中国帝国時代の社会的・文化的変化をどのように反映しているかを特定すること。
• 大規模な詩的コーパスにおいて数千億回に及ぶテキスト比較を効率的に行える計算手法を開発すること。
• 言語的特徴と歴史的文脈を結びつけることで、語彙学的・意味論的研究に貢献すること。
• 体系的かつデータ駆動型の古典中国文学分析を通じて、デジタル・ヒューマニティーズ研究を促進すること。

提案手法

• 詩人およびその伝記的データと詩作を結びつける基盤リソースとして、中国人物データベース（CBDB）を活用する。
• 最適化されたテキスト比較アルゴリズムを適用し、唐・宋時代の詩的コーパス間で数千億回に及ぶ語および熟語の比較を効率的に処理・分析する。
• 頻度ベースの語彙分析を用いて、各時代に特徴的な高インパクト語や表現を同定する。
• 色語彙やその他の意味的カテゴリーの比較分析を通じて、文体的・文化的な変化を検出する。
• 計算言語学的手法と歴史的データを統合し、古典中国語詩の包括的かつ再現可能な大規模分析を可能にする。
• アルゴリズムの最適化により、希少語や特徴的な語彙パターンを同定する際の処理時間を短縮しつつ、正確性を維持する。

実験結果

リサーチクエスチョン

• RQ1 どのような語彙的および熟語的パターンが、唐時代の詩と宋時代の詩を区別しているのか。
• RQ2 色語彙のような特定の意味的カテゴリーの頻度は、両時代でどのように異なるのか。
• RQ3 語の使用傾向が、中国帝国時代の広範な社会的・文化的移行をどの程度反映しているのか。
• RQ4 どのような計算手法が、古典中国語詩のコーパスを大規模かつ効率的に比較可能にしているのか。
• RQ5 中国人物データベース（CBDB）は、言語的特徴と歴史的伝記的データをどのように結びつけることができるのか。

主な発見

• 本研究では、唐・宋時代の詩に特徴的な明確な語彙的好みの差異が同定され、特定の語や熟語が一方の時代にのみ出現することが判明した。
• 色語彙の使用頻度が両時代で顕著に異なり、時間経過に伴う美的・文化的価値観の変化を示唆している。
• 唐詩に最も頻出する色語彙は、宋詩とは異なり、社会的・芸術的感受性の変化を言語的痕跡として示している。
• 提案されたアルゴリズムにより、大規模な詩的コーパス間の比較が効率的に行えるようになり、数千億回の比較を許容可能な計算時間内に完了できるようになった。
• 研究結果は、デジタル語彙学および古典中国文学の意味論的分析における新たな道筋を支持している。
• 伝記的データと詩的テキスト分析を統合することで、詩人の個性と言語的スタイルとの相関関係が明らかになった。