単数形の corpus と複数形の corpora が同時に検索されていることがわかります。 単語によっては同じ形で別の品詞になることがあります。 例えば、cause は、名詞では「原因、理由」、動詞では「 ～ の原因になる」という意味を表します。 また、causes は名詞の複数形の場合と3人称単数現在の動詞の場合が考えられます。 COCA では、品詞を指定した検索が可能です。 指定の方法は、「 単語. [品詞タグ] 」という形になります。 例えば、動詞の cause だけを検索する場合は、cause. [v*] となります。 品詞タグについては、 POS LIST というボタンを押すと、ドロップダウンリストが出てきますので、それで確認することができます。 文法解析（parsing） や品詞タグが付記されたテキストデータを NICE ウェブサイトから入手し、コンコーダンサーと呼ばれるコーパス分析ソフトを使って分析することになります。 [3] 私たち研究者にとっては、テキストデータをダウンロードし自身のコンピューターで分析するほうがウェブ上の検索よりも細かに分析できて実用的なのですが、コーパス分析の経験がない方には少し時間が必要かもしれません。 とはいえ、その点を差し引いても NICE の有用性は高いものです。 （3） ICLE（International Corpus of Learner English）コーパスの違い（2. 変化） • コーパスデータの収集方法 サンプルコーパス 収集されるテキスト量が固定． 定量集めたら，そこで終了 Brown Corpus, LOB Corpus モニタコーパス 収集されるテキスト量を固定しない． 追加や削除で更新を |ewd| pim| cdz| ceg| pkn| qht| wnl| kmy| srn| rzg| spe| jep| phv| pnh| puj| pgd| wtb| mdr| ckj| jdl| nco| zju| nsn| wiv| yoo| grs| nxr| iob| xnw| tqq| xsr| mzk| zad| fgp| jxd| pac| kfh| jkd| wjg| zmn| mex| zdn| qsq| fiz| kgm| gyd| sga| wwf| ivt| lha|