全文検索システム『ひまわり』/TED字幕テキストの利用の履歴ソース(No.5)

#author("2020-08-03T12:39:15+00:00","default:rd","rd")
[[全文検索システム『ひまわり』]]


&size(20){&color(red){本ページは現在構築中です};};

RIGHT:作成者：山口昌也 (国立国語研究所)
RIGHT:2020-xx-xx
#br

* １．概要 [#x0562e5e]
　このページでは，[[TED>https://www.ted.com/]]の字幕データを『ひまわり』で利用する方法について説明します。なお，TEDの字幕テキストは，Creative Commons BY-NC-ND で[[公開>https://www.ted.com/about/our-organization/our-policies-terms/ted-talks-usage-policy]]されており，『ひまわり』パッケージとしては配布できないため，字幕データから『ひまわり』形式データへの変換パッケージとして，公開します。また，ここでは，Windows環境(64ビット版)を前提とします。


//　本方法を用いることにより，２言語パラレル

* ２．準備 [#a003392e]
+ [[WIT>https://wit3.fbk.eu/#releases]]3で公開されている２言語分の字幕のXMLデータをダウンロードし，展開（解凍）してください。
-- [[Latest version of XML files of the TED Talks (April 2016)>https://wit3.fbk.eu/mono.php?release=XML_releases&tinfo=cleanedhtml_ted]]
-- 例：日本語(ted_ja-20160408.xml)，英語(ted_en-20160408.xml)
+ 変換パッケージをダウンロードして，展開（解凍）してください。
-- 変換パッケージ
-- 本パッケージには，[[Strawberry Perl>http://strawberryperl.com/]] が同梱されています。


* ３．変換 [#j99c5630]
+ 展開した変換パッケージにTEDフォルダがあることを確認してください。
+ TEDフォルダに，2でダウンロードした二つのXMLデータをコピーしてください。
+ コピーしたXMLファイルをlang1.xml, lang2.xmlとリネームしてください。
-- lang1.xmlのほうが全文検索の対象となります。
-- lang2.xmlのほうは，lang1.xmlの検索結果と対応付けて検索されるという，補助的な位置づけです。
+ henkan.bat をダブルクリックしてください。DOS窓（黒いウィンドウ）が立ち上がり，変換が始まります。うまくいけば，数分で変換が完了します。
+ 変換パッケージの Package -> Corpora -> TED フォルダに corpus.xml が生成されていることを確認してください。ファイルサイズは，236935KBとなるはずです。
+ 『ひまわり』を起動してください。
+ Package フォルダを『ひまわり』にドラッグ＆ドロップしてください。成功すれば，『ひまわり』へのインストールは完了です。


* ４．利用方法 [#f41daeb2]
** 4.1 検索方法 [#r46250bd]
//+『ひまわり』を起動し，[ファイル]→[コーパス選択]で，Mainichi（config_mainichi.xml) を読み込んでください。インポート直後はこの状態です。
//+ これで，インポートしたデータを検索できる状態になります。詳しい検索方法については，全文検索システム『ひまわり』の[[利用者マニュアル>全文検索システム『ひまわり』/利用者マニュアル]]を参照してください。


** 4.2 検索結果 [#tdabd611]

|列名|内容|h
|前文脈|キーの文字列の前文脈|
|キー|検索キーと一致した文字列|
|後文脈|キーの文字列の後文脈|
|Title|TEDの講演タイトル|
|Speaker|TEDの講演者|
|Language2|キーと対応する第２言語の発話（前後１発話を含む）|
```注意：'''
- ここでいう「発話」とは，１字幕を表します。
- Language2欄の値は，キーの発話情報と時間的に近い発話を対応付けているだけです。正確なalignmentを行っているわけではありません。

//|列名|内容|h
//|タイトル|記事見出し|
//|面種|記事の面種|
//|年|記事を含む新聞の発行年|
//|月|記事を含む新聞の発行月|

//*アンケート [#u7dd9448]
//　よろしければ，アンケートにもお答えください。なお，このアンケートは，『ひまわり』をどのような方にお使いいただいているかを調べ，今後の研究・開発に活用させていただくためのものです。アンケート結果は，これらの目的以外には利用いたしません。

//#qa1(masaya,masaya,[himawari-mainichi_20180822],所属:大学・高専等/小中高・専門学校等/研究機関/企業/個人/その他,身分:教職員/研究員/学生/その他,専門分野:日本語(国語)学/英語学/言語学/言語教育/自然言語処理・人工知能/その他(人文社会系)/その他(理工系),母国語:日本語/日本語以外,年齢:10代未満/10代/20代/30代/40代/50代/60代/70代以上,使用OS:Windows/Mac/Linux/その他,コンピュータ使用歴:1年未満/1年以上3年未満/3年以上,:TEXTAREA:ご意見・ご感想:3:81)
全文検索システム『ひまわり』/TED字幕テキストの利用 の履歴ソース(No.5)

全文検索システム『ひまわり』/TED字幕テキストの利用の履歴ソース(No.5)
