昔話の計量テキスト分析――えんこう塚

◆はじめに

以下はKH Coder（無償版：version 3.Beta.08e）を用いた昔話の計量テキスト分析である。昔話の類話の比較にツールを利用できないか試行してみた。

手持ちの資料が限られるため、分析の対象となる元データの文字数が少ないものの（※本来であれば5000字以上は欲しい）、分析自体は正常に処理されていると判断した。

KH Coderの操作に慣れる目的も兼ねて行った作業で、コーディングルールの記述の事例集、あるいは速習用のチュートリアルとしてでも読んで頂ければ……といったところである。

なお、KH Coderでよく用いられるのは共起ネットワークと対応分析とのことで、それ以外はおまけパートと思って頂いて構わない。操作に習熟するにはコーディングルールの記述に慣れるのが第一である。

◆ファイル

各ファイルをダウンロードしてKH Coderに読み込ませれば同様の分析が再現可能である。

ダウンロード - ca_pb_040_enkoduka.xlsx

ダウンロード - ca_pb_040_codingrules.txt

ダウンロード - ca_pb_040_codingrules_b.txt （※否定詞の比較検討用）

ダウンロード - kh_coder_startingedition_sagyotejunsho.txt （※作業手順書）

※「H5」とはHTMLでいうところのヘッダー（見出し）・レベル5で本文に相当すると考えればよい。
※[コーディング単位]は「文／段落／H5」から選べるが、状況に応じて適切と思われるものを選択する必要がある。処理が上手くいかないと感じた場合、コーディング単位を切り替えると上手く処理されるケースがままある。

※公式マニュアルでは「集計単位」という用語が使われている。共起関係について、

・「文」では一文単位での分析
・「段落」では段落単位の分析
・「H5」では表計算ソフトのセル単位とされ、改行を含めた一セルの中身全体が分析単位となる

※レファレンスでも索引で「コーディング単位」の項目は設けられていない。操作性に関わる重要項目であるものの、その仕様について不明瞭な感はある。
※当ブログの場合、表計算ソフトのフォーマットで読み込ませているからH5固定でいいだろうと思い込んでいたら、さにあらずだった。

◆あらすじ

・「えんこう塚」（未来社『石見の民話』）
河内町を流れる浜田川のほとりにえんこう塚という石碑がひっそりと立っている。昔、ある日のこと一人の百姓が仕事を済ませて近くの川で馬の体を洗ってやった。そして日はまだ沈まないし、このまま家へ帰るには早いので、馬を川端に繋いで、もう一仕事しようと畑へ引き返していった。ところがこの様子を川の中からえんこう（河童）が見ていた。よし、今日はあの馬を川の中へ引きずり込んで捕ってやろう。えんこうは百姓がいなくなるのを待っていた。えんこうは百姓が畑へ行ったのを見澄ますと、そろりと馬に近づいて綱を杭からほどき、自分の身体に巻き付けて思い切り引っ張った。びっくりした馬は飛び上がると一目散に走り出した。慌てたえんこうは綱をほどこうとしたが、あまり強い力で引っ張られるのでほどくことができない。とうとう馬に引きずられて陸の上に放り出されてしまい、石にぶつかってやっと止まった。その騒ぎに頭の皿の水が飛び出してしまったので、えんこうは力がなくなりどうすることもできない。その時騒ぎを聞きつけた百姓が急いで川端へ引き返してみると、馬はおらずえんこうがぼんやり座っている。様子が分かった百姓は今日こそは承知しないぞと怒鳴りつけた。引っ張っていこうとすると、えんこうは涙を流して何度も何度も謝るので、それならこれからは子供を捕ったり馬にいたずらをしたりしないと約束をするなら許してやろうと言った。えんこうがこれからは絶対にそういうことはしないと言うので許してやった。そして石碑に「南無阿弥陀仏」と彫って、この字が消えない内は絶対にいたずらをしないと約束させ、河岸に立てて、この辺りでえんこうに捕られた子供たちを弔ってやった。その日から、えんこうのいたずらは全く無くなった。しかし、えんこうは早くこの字を消そうと毎日やって来て石碑の字をなでるので、反対に字はだんだん深くなったという。

・「いたずらカッパ」（日本標準『島根のむかし話』）
昔々、隠岐の中村に信光寺という寺があった。その寺の側に大きくて深い池があった。その池にはカッパが大層いた。カッパは池の土手を通る子供や大人に水をかけたり池に引っ張り込もうとしたりして悪戯していた。それで誰もが困っていた。カッパはその困った様子を見て大喜びした。ある日、信光寺の坊さんが土手の木に馬を繋いでいた。カッパがこれを見て、あの馬を池の中へ引っ張り込んでやろうと相談した。一番力の強いカッパが池から這い上がって繋いであって綱を解いて引っ張った。馬はびっくりして寺の方へどんどこ、どんどこ駆けて戻った。カッパは綱を放さなかったからとうとう寺まで引っ張られてしまって体中傷だらけになった。それに大事な頭の皿の水がみんな無くなってしまった。だから、もうカッパの力はないから、おんおん泣き出した。坊さんがこれを見て、お前たちがあまり悪戯するからこんなことになったのだぞ。もうしないなら許してやる。それにもうあの池にいるな。他所へ行くならどのカッパも許してやるぞと言った。カッパは懲り懲りしたから、もうしません。今夜のうちに出るから、松明を七十五本くださいと頼んだ。坊さんは頭の皿に水を一杯入れ、松明を七十五本用意してやった。その晩、坊さんが見ていたら、池の方から一本ずつ松明を灯したカッパが隣村の方へずっと続いておった。それからはこの中村にはカッパはいなくなった。

・「えんこうの話」（ハーベスト出版『夕陽を招く長者』）
昔、匹見の里に牛を飼っている婆さんがいた。牛は繋がれていたが、牛は水が飲みたくなり、離れて川に入った。ところが、川に入った牛はえんこうに足を引っ張られて驚いた拍子にえんこうを引きずって戻るなり肥えたて場に駆けこんだ。えんこうは牛を川の深みに引っ張り込むつもりが、陸へ引き出されて干からびてしまい困っていた。婆さんは牛が戻ってきたのを見て喜び、水をやろうと汲んできたが、牛が水を飲まないので、肥えたて場にその水を移した。すると、えんこうは水を貰ったお陰で川へ帰ることができた。それからえんこうは、今度は婆さんにお礼にと、毎日毎朝、魚を持ってきて、玄関の閂に掛けておくうようになった。毎日のことだから、そのうち閂が腐りはじめた。それで婆さんは金具のしっかりした閂に取り替えた。そうしたら、えんこうは魚を一向に持ってこなくなってしまった。えんこうは金物をとても恐れるというから、それで持ってこれなくなってしまったのだろう。

◆コーディングルール

※コーディングルールのキーワードは重要と判断したものを人力でピックアップしている。そのため、恣意性を伴う分析となる。

※活用形でなく基本形で入力する。

※[前処理]→[語の抽出結果を確認]でキーワードがどのように分節されているか検索すると結果の一覧[語の抽出結果]が表示される。

※[Result]から確認したい行をクリックして選択、画面下の[詳細表示]ボタンをクリックするとサブ画面が表示され、活用形や基本形が確認できる。

※昔話では「否定／肯定」「肯定／否定」と属性が変化することが多いと考え、否定詞「ない」「まい」「ぬ」「ん」、また禁止を意味する「な」を共通のコードとして設定している。

※[関連語検索]で否定詞の共起語の一覧を表示させたところ、日本の昔話のように掌編レベルのボリュームだと、物語の動因となる箇所に関する語句が上位に表示される傾向が強いのではないか……といった印象があり、検証作業中である。

※無償版では強制抽出語の指定が機能制限で事実上使用できないため以下のような手法をとっている。

＊浜田川
'浜田川'
＊石碑
'えんこう塚' or 石碑
＊川端
川端 or 河岸
＊えんこう
'えんこう' or カッパ
＊引きずり込む
引きずり込む or 引っ張る or 引きずる or 引っ張り込む
＊いたずら
いたずら or 悪戯
＊字
字 or '南無阿弥陀仏'
＊なくなる
なくなる or 無くなる or ( ない and なる ) or ( 無い and なる )
＊金物
金物 or 金具
＊帰る
帰る or 戻る

＊ない
ない
＊ぬ
ぬ
＊ん
ん
＊るな
'るな'
＊るまい
'るまい'

＊百姓
百姓
＊川
川
＊馬
馬
＊繋ぐ
繋ぐ
＊捕る
捕る
＊綱
綱
＊身体
身体
＊巻き付ける
巻き付ける
＊走り出す
走り出す
＊陸
陸
＊頭
頭
＊皿
皿
＊水
水
＊力
力
＊怒鳴る
怒鳴る
＊謝る
謝る
＊子供
子供
＊消す
消す
＊なでる
なでる
＊深い
深い
＊隠岐
隠岐
＊中村
中村
＊寺
寺
＊池
池
＊大人
大人
＊土手
土手
＊坊さん
坊さん
＊懲り懲り
懲り懲り
＊松明
松明
＊隣村
隣村
＊いる
いる
＊匹見
匹見
＊牛
牛
＊深み
深み
＊婆さん
婆さん
＊肥えたて場
'肥えたて場'
＊干からびる
干からびる
＊毎朝
毎朝
＊お礼
お礼
＊魚
魚
＊玄関
玄関
＊閂
閂
＊腐る
腐る
＊恐れる
恐れる
＊持ってくる
持ってくる

◆共起ネットワーク

・[ツール]→[コーディング]→[共起ネットワーク]でオプション画面が表示される。
・[コーディング単位]を[H5]に設定する。

※[描画する共起関係（edge）の選択]で「係数」を「0.2」から「0.3」に修正する。
※[強い共起関係ほど濃い線に]にチェックを入れる。

Jaccard係数が0.3以上はかなり強い共起関係にあることを示しているが、分析対象となる元データの文字数が少ないため係数が高めに出てしまう傾向にあるため、こうしている。

※Jaccard係数は共起関係（※ある言葉に続いて出てくる関係）の強さを表し 0≦係数≦1 の範囲の値をとる。

【Jaccard係数】
・0.1 →関連あり
・0.2 →強い関連あり
・0.3以上 →とても強い関連あり

※ただし、あくまで目安であって絶対ではない。

ざっと確認したところ、共通するキーワードが中央のサブグラフ（バブルが島状に集まった一塊）に表示され、類話によって異なるキーワードがそれぞれのサブグラフとして周辺に表示される形となっている。

※なお、各バブル間の距離や配置に意味はない。

◆対応分析

・[ツール]→[コーディング]→[対応分析]でオプション画面が表示される。
・[コーディング単位]を[H5]に設定する。

※[外部変数]は[タイトル]のまま続行。
※[差異が顕著なコードを分析に使用]で上位「40」とした。また[バブルプロット]にチェックを入れている。これらは文字の重なりを極力避けるためである。
※文字が重なって読みづらい場合、オプション画面の[コード選択]で不要なコードのチェックを外してもよい。

x、y軸上の原点（0.0）から点線が伸び交差した箇所が原点となる。原点から離れるほど特徴的なキーワードだと分析される。

原点付近には「力」「頭」「皿」といったキーワードがプロットされている。未来社版では「石碑」「なでる」「字」といったキーワードが原点から離れてプロットされている。日本標準版では「松明」「隣村」「坊さん」といったキーワードが特徴的とされている。ハーベスト出版版では「牛」「深み」「金物」といったキーワードが特徴的とされている。

◆解釈

えんこうが頭の皿の水を失ってしまうくだりはほぼ同じである。ハーベスト出版版では、そこからえんこうの恩返し的な話となるのが違いである。

◆階層的クラスター分析

・[ツール]→[コーディング]→[階層的クラスター分析]でオプション画面が表示される。
・[コーディング単位]を[文]に変更、実行するとデンドログラム（樹状図）で可視化される。

※キーワード指定しても可。

概ねストーリーに沿った内容でクラスター化されている。

※当ブログの場合、[コーディング単位]が[段落][H5]だと、コードを全て選択するとエラーが返される結果となった。

◆クロス集計

・[コーディング単位]を[文]に変更、[集計]する。

※「タイトル」で集計をかけた。

クロス集計をかけたところ、「金物」「百姓」「馬」といったキーワードでカイ（χ）2乗値で相関関係を示す結果（※マーク）が得られた。

マップとして描画したところ、「牛」「深み」「肥えたて場」といったキーワードの残差が大きく（濃く）表示される結果となった。バブルとしては「えんこう」が大きく描画された。

◆KWICコンコーダンス

現状ではテキストマイニングのツールに文脈を読む性能はないため実際に該当箇所を読んで人力で判断する他ない。KWICコンコーダンスでキーワード指定すれば指定したキーワードがどのような文脈で用いられているか一覧で抽出される。

◆関連語検索

・[集計単位]を[文]に変更、[集計]する。
・[Search Entry:]の一覧からキーワードを選択してダブルクリックすると[Result]に指定したキーワードの品詞や共起関係が表示される。

※[Result:]から行指定してダブルクリックするとKWICコンコーダンスに遷移する。
※[Result:]の一覧から範囲指定して[コピー]したものを表計算ソフトやテキストファイルにペーストすることも可能である。

[＃直接入力]を指定して「子供」といったキーワードで検索すると関連語が一覧で表示される。

◆属性の転倒

・「ない」の結果上位一覧

N	抽出語	品詞	全体	共起	Jaccard
1	力	名詞C	3 (0.059)	3 (0.200)	0.2
2	許す	動詞	4 (0.078)	3 (0.200)	0.1875
3	引っ張る	動詞	9 (0.176)	3 (0.200)	0.1429
4	約束	サ変名詞	2 (0.039)	2 (0.133)	0.1333
5	いたずら	サ変名詞	3 (0.059)	2 (0.133)	0.125
6	言う	動詞	3 (0.059)	2 (0.133)	0.125
7	子供	名詞	3 (0.059)	2 (0.133)	0.125
8	持つ	動詞	3 (0.059)	2 (0.133)	0.125
9	捕る	動詞	3 (0.059)	2 (0.133)	0.125
10	綱	名詞C	4 (0.078)	2 (0.133)	0.1176

川岸でいたずらしようとしたえんこうは却って頭の皿の水を失い干からびてしまう……といった粗筋となっている。

短いお話の中で属性の転倒を多用するのが昔話の特徴の一つと考えられる。

ここで「／」（スラッシュ）を「転倒」を意味する記号として用いる。スラッシュは様々な場面で用いられていて文脈依存的な記号という欠点もあるが、視覚的にはイメージしやすいと判断した。

・［えんこう｜力：喪失／回復］
・［えんこう｜力：回復／約束］

こういった風にお話を転がしていると分析できる。

えんこう塚の石碑の字はなぞることで「風化／深い」へと転倒される。

◆類似度行列

・[コーディング単位]を[文]に変更して[集計]。Jaccard係数がマトリクス形式で確認できる。

・ある列を選択して画面右下の[コピー（選択列）]をクリックすると、当該のキーワードに関するJaccard係数がコピーされるので、それを表計算ソフトにペーストするといった利用が可能となる。

※当ブログでは[コーディング単位]が[段落][H5]の場合、Jacccard係数が1.0～0.5といった結果がほとんどで、意味のない結果となった。

◆多次元尺度構成法

・[ツール]→[コーディング]→[多次元尺度構成法]でオプション画面が表示される。
・[コーディング単位]を[文]に変更。
・[クリア]ボタンをクリックしてコード選択を一旦リセット、共起関係を確認したいキーワードを指定。
・次元を「2」から「3」に変更して実行、三次元のマップとした。

えんこうがいたずらしようとして失敗するくだりに関連したキーワードを指定したところ、「いたずら」が離れた位置にプロットされた。

※選択するキーワードによって相対的な位置関係は変わり得る。

※実行すると指定したキーワードの幾つかが除外されるとメッセージが表示される。テキストのボリューム不足のためか無償版の仕様によるものか判断がつかない。
※当ブログの事例では「文」以外、「段落」と「H5」では除外されるキーワードが増える傾向となった。

◆自己組織化マップ

・[ツール]→[コーディング]→[自己組織化マップ]でオプション画面が表示される。
・[コーディング単位]を[文]に変更して実行。

記述内容が視覚的に整理され、類似性の高い内容が近くに配置される。概ねストーリーに沿った形で各クラスターが表示される。

※当ブログの事例では「文」以外、「段落」と「H5」ではエラーが返される結果となった。
※クラスター化の計算を繰り返すため処理に時間がかかるので要注意。
※クラスターの配置、距離に意味はない。

◆トピックの推定

・[ツール]→[文書]→[トピックモデル]→[トピックの推定]を選択。
・[集計単位]を[文]に変更。
・[OK]ボタンをクリックすると、[トピックの推定結果]画面が表示される。

・各トピックで高い確率で出現する語句がリストアップされる。
・[＃1]といった欄をクリックすると、文書検索画面が表示される。

◆ベイズ学習による分類

・[ツール]→[文書]→[ベイズ学習による分類]→[外部変数から学習]を選択。
・[分類の単位]を[文]に変更。
・[学習する外部変数]は[書名]に変更する。
　※「タイトル」のままでもよし。
・[OK]ボタンをクリックすると、ファイルの保存画面が表示されるので、任意のファイル名を記述して保存する。

・[ツール]→[文書]→[ベイズ学習による分類]→[学習結果ファイルの内容を確認]を選択。ファイル選択画面が開くので、先ほど保存したファイルを指定して開く。すると[学習結果ファイル]画面が開くので内容の確認を行う。

※[学習結果を用いた自動分類]については割愛する。

※[トピックの推定]と[ベイズ学習による分類]は固有名詞などを強制抽出語としてあらかじめ指定しておかないと正確に分析されないケースが生じる。正式に利用したい際は有償版の購入をお勧めする。当ブログのはあくまでテストケースとしてのものである。

※[トピックの推定]と[ベイズ学習による分類]はコーディング・ルールに依らない分析手法となるが、筆者の能力的に追及はしない。

◆参考文献

・『日本の民話 34 石見篇』（大庭良美／編, 未来社, 1978）pp.259-261.
・『島根のむかし話』（島根県小・中学校国語教育研究会／編著, 日本標準, 1976）pp.159-161.
・「夕陽を招く長者　山陰民話語り部シリーズ１」（民話の会「石見」／編, ハーベスト出版, 2013）pp.173-174.
・『日本伝説大系 第11巻 山陰（鳥取・島根）』（野村純一他, みずうみ書房, 1984）pp.198-199.
・『動かして学ぶ！はじめてのテキストマイニング』（樋口耕一, ナカニシヤ出版, 2022）
・『社会調査のための計量テキスト分析　【第２版】　内容分析の継承と発展を目指して』（樋口耕一, ナカニシヤ出版, 2020）