Discovery Sagaサイレントキーワード俯瞰

多変量解析 / 機械学習 / パターン認識 / モデル選択 / ノイズ / 生体生命情報学 / マイクロアレイ / 高次元データ / 高次元小標本 / 判別分析 / クラスター分析 / モデル選択基準 / ダイバージェンス / 異常値 / 混合正規分布 / 統計科学 / 主成分分析 / 固有値問題 / 次元推定 / 次元縮約 / 次元の呪い / 高次元漸近理論 / マイクロアレイデータ / 多変量データ解析 / 標本数 / 標本数決定 / 領域推定 / 共分散構造 / 漸近理論 / ベイズ法 / ランダム行列 / 逐次区間推定 / 情報不等式

高次元小標本における高次元漸近理論を、非正規の一般的な設定のもとで構築した。高次元小標本データ特有の幾何学的な構造を発見した。従来型のPCAが高次元小標本で不一致性を引き起こすことを証明した。クロスデータ行列法とノイズ掃き出し法を提唱し、次元推定・固有値・漸近分布・固有ベクトル・主成分スコアの推定に、一致性をもつ解を与えた。クラスター分析と判別分析への応用を考え、前立腺がんのマイクロアレイデータの解析に役立てた。

専門日本語教育 / 複合動詞 / 論述文 / ジャンル / 多変量解析 / 判別分析 / 後項動詞 / 計量言語学 / 日本語教育 / 使用頻度 / コーパス / 計量文体論

本研究の目的は、専門日本語教育における論述文の効率的な指導のために、論述文のジャンルに特徴的な複合動詞の選定を行い、それらを指標として文章のジャンル判別が可能であることを実証的に明らかにすることである。さらにその成果を専門日本語教育における語彙教育の方法の改善につなげることを目標とする。本研究では対象とする文章資料として、論理が明示的だと考えられる論文に代表される論述文ジャンルとして工学論文、物理学論文、文学論文、経済学論文、経済学入門書を、それ以外のジャンルとして文学作品、新聞社説を選び、合計395編のコーパスを整備した。指標としては複合動詞の後項動詞から41項目を選び、各項目の各文章資料における使用回数を調査した。その調査結果を用いて各後項動詞の一文当たりの使用頻度を求め、ステップワイズ法による判別分析を行った結果、論理が明示的だと考えられる論述文ジャンルと、それ以外の文学作品ジャンル、新聞社説ジャンルが判別率67.1%で分離されることがわかった。また、判別に寄与する後項動詞は15項目(「だす」「こむ」「かける」「きる」「あがる」「まくる」「なおす」「いる」「たつ」「あげる」「いれる」「おわる」「つくす」「つづける」)であった。論述文ジャンルの中では文学論が特に複合動詞の使用が多くその種類も多様であった。限られた資料の範囲内ではあるが、複合動詞の後項動詞が文章のジャンル判別の指標として寄与する可能性が実証的に明らかになった。

機能語句 / ジャンル / 論述文 / 多変量解析 / 日本語教育 / 計量文体論 / 文型 / 助詞相当句 / 接続語句 / 書きことば / 多変量解析(判別分析) / 論理構造 / 判別分析

本研究は、論述文に代表される論文を主な分析対象とし、分野を超えて、論文に共通して使用される機能語句群を明らかにすることによって、最終的には論述文に代表される文章の論理構造を明示する機能語句群を確定することを目標とする。その結果、専門日本語教育における教材開発のための、より客観的な基礎的資料を提示することができ、教授法の改善に寄与できると考えられる。
本研究では、文章の論理構造を支える機能語句群を抽出する研究の一環として、7ジャンル(物理学論文、工学論文、文学論文、経済学論文、経済学教科書、近代文学作品、新聞社説)計151編の文章における62文型項目の出現率を調査した。この資料を対象に、単変量的解析、正準判別分析を行った結果、文章の所属ジャンルが、12の語句項目によって、正判別率77%という高率で判別されるとともに、各ジャンルを分離する語句項目ならびに論述的形式を持つ文章に共通する文型項目が選択された。この結果により、限定された資料内ではあるが、異なるジャンルの文章を判別するために、機能語句群が有効な指標であることが明らかとなった。さらに、より広い対象資料に対して検証を行う必要があるため、自然科学分野(応用物理、電気工学、情報処理)の論文100編に関する調査結果を追加して分析したところ、上記の結果を裏付ける結果を得ることができた。
一方、論文の論理構造をより詳細に見るために、論文を構成する3つの大段落(序論、本論、結論)ごとの機能語句をはじめとする文型115項目の使用頻度の傾向を調査した。対象資料は、論理性が強いと考えられる自然科学分野から物理学論文と工学論文を選んだ。調査の結果、論述文を支える3つの柱である「並列「対比」「因果」に属する文型(含機能語句)は頻度が高いものが多く、さらに、3つの大段落に共通して頻度が高い項目が存在し、大段落間で頻度に特徴的な差異を有する項目があることがわかった。

論述文 / ジャンル / 文型 / 判別分析 / 論理構造 / 多変量解析 / 日本語教育 / 書きことば / 接続語句 / 助詞相当句 / 統計学 / 文体 / 専門日本語教育 / 文の連接

専門日本語教育における学習者にとって,論文に代表される論述文の論理構造の理解は不可欠であり,その理解には文型が指標として役立つと考えられる.本論文では,論述文の論理構造を支える文型を抽出する研究の一環として,6ジャンル(物理学論文,工学論文,文学論文,経済学教科書,文学作品,新聞社説)計132編の文章における62の文型項目の出現率を調査し,以下の分析を行う.
(1)6ジャンル計132編の資料を対象に単変量的解析を行った後,正準判別分析(多変量解析の一手法)を用いて分析を行う.
(2)(1)の分析のうち,論文の3グループ(物理学,工学,文学)の全資料(総計62編)を対象に(1)と同様の分析を行う.
上記の結果より,文章の所属ジャンルが,14の語句項目によって,正判別率80%という高率で判別されるとともに,各ジャンルを分離する語句項目ならびに論述的形式を持つ文章に共通する文型項目が選択された.
以上,限定された資料内ではあるが,異なるジャンルの文章を判別するために,文型が有効な指標であることが明らかとなった.

【研究分担者】
赤平昌文	筑波大学	副学長	(Kakenデータベース)
小池健一	筑波大学	大学院・数理物質科学研究科	准教授	(Kakenデータベース)
大谷内奈穂	筑波大学	大学院・数理物質科学研究科	助教	(Kakenデータベース)
田崎博之	筑波大学	大学院・数理物質科学研究科	准教授	(Kakenデータベース)
川村一宏	筑波大学	大学院・数理物質科学研究科	准教授	(Kakenデータベース)
高橋秀人	筑波大学	大学院・人間総合科学研究科	准教授	(Kakenデータベース)
南就将	慶應義塾大学	医学部	教授	(Kakenデータベース)