Computerized Database of English Sentences and Its Statistic Analysis Pertaining to Instruction for the Development of Fundamental Reading Ability in Various Academic Fields

英语句子电脑化数据库及其统计分析与各学科基础阅读能力发展教学相关

• 批准号: 05680194
• 负责人: OKADA Takeshi
• 金额: $ 0.9万
• 依托单位: Yamagata University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for General Scientific Research (C)
• 财政年份: 1993
• 资助国家: 日本
• 起止时间: 1993 至 1994
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-05680194/
• 关键词: Database; Personal Computer; Reading Ability; Computational English Linguistics; Machine-readable dictionary; Statistic Analysis; Computer program; Ministry of Education; 英語データベース; 自然言語構文解析; コーパス処理; 文字認識; ジャンル別の英語表現; 英語動詞分布

Throughout the research within two years we have obtained two main achievements as follows :Construction of the Database(1) We develop a high-speed and high-accuracy character recognition system. This system is established through various computer programs and machine-readable dictionaries which support the deficiencies of the commercial optical-character-recognition software. Our system "recognizes" English character strings not from the data transferred directly from the image-scanner, but from the image-datafiles obtained via other software. With this system, we can obtain a large amount of fundamental English sentence data with greater efficiency. (2) The introduction of the computer network system enables us to obtain quite easily the fundamental English data. (3) The sentence data are correctly formatted into a uniform databasestyle (1 record/1 sentence) suitable for the following computational processings.Analyzes of the Database(1) The "concordance processing" is possible for the database-sentences. At the same time, we investigate the pattern of usage of the English verbs which appears in the textbooks for Japanese junior-high schools. (2) We build up a complex automatic tag assignment program named TAGASS (TAG ASSigner) which annotates possible grammatical marker (s) to every word in the database-sentences. (3) The program which picks up only one preferable tag from the set of tag-candidates is completed. This program, which realizes more than 80% accuracy, is written under the probabilisticstatistic algorithm. We will investigate the possibillity of the ideal transaction between this algorithm and the grammar-based algorithm in future research.

在整个研究中，我们在两年内取得了两个主要成就，如下所示：数据库的构建（1）我们开发了高速和高敏锐的角色识别系统。该系统是通过各种计算机程序和机器可读词典建立的，这些词典支持商业光学视感识别软件的缺陷。我们的系统“识别”的英语字符串不是直接从图像扫描仪传输的数据，而是从通过其他软件获得的图像datafiles传输的。使用此系统，我们可以以更高的效率获得大量基本的英语句子数据。 （2）引入计算机网络系统使我们能够轻松获得基本的英语数据。 （3）将句子数据正确格式化为统一的数据库（1记录/1句子），适用于以下计算处理。数据库的分析（1）数据库范围的“一致性处理”是可能的。同时，我们研究了英语动词的使用模式，该模式出现在日本初中的教科书中。 （2）我们建立一个名为tagass（标签分配器）的复杂自动标签分配程序，该程序将可能的语法标记注释到数据库句子中的每个单词。 （3）仅拾取一组Tag-candidates的一个优选标签的程序已完成。该程序意识到了80％以上的精度，是在概率阶级算法下编写的。我们将研究该算法与基于语法的算法之间在未来研究中的理想交易的可能性。

项目成果

岡田,毅: "英語固有名詞の計算機処理について" 山形大学紀要(人文科学). 13. 79-109 (1995)

Takeshi Okada：“论英语专有名词的计算机处理”山形大学通报（人文学科）13. 79-109（1995）。

岡田,毅: "SEC・LOBコーパスにおける動詞の分布について" 山形大学紀要(人文科学). 13. 41-71 (1994)

Takeshi Okada：“关于 SEC/LOB 语料库中动词的分布”山形大学通报（人文学科）13. 41-71 (1994)。

岡田 毅: "SEC・LOBコーパスにおける動詞の分布について" 山形大学紀要(人文科学). 第13巻. 41-71 (1994)

Takeshi Okada：“论 SEC/LOB 语料库中动词的分布”山形大学通报（人文学科）第 13 卷 41-71（1994 年）。

岡田,毅: "英語固有名詞類の計算機処理について" 山形大学紀要(人文科学). 13. 79-109 (1995)

Takeshi Okada：“论英语专有名词的计算机处理”山形大学通报（人文学科）13. 79-109（1995）。

OKADA,Takeshi.: "On the Distribution of Verbs in SEC and LOB Corpus" Bulletin of Yamagata University (Humanities). 13,1.41-71 (1994)

冈田武：《关于 SEC 和 LOB 语料库中动词的分布》山形大学通报（人文学科）。