昔話の計量テキスト分析――話は彦八

◆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_034_hanashihahikohachi.xlsx

ダウンロード - ca_pb_034_codingrules.txt

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

・「話は彦八」（未来社『石見の民話』）
「話は彦八」と言われるくらいに話上手な彦八という男がいた。その話はみな作り話で、それがまたまじめくさって話すので本気で聞いていると、しまいになって、ああ、かつがれたと気がつくのであった。彦八はある時さる物持ちの楽隠居のところへ行った。入るとすぐ隠居が彦八、何か話せと注文した。いや、話すまい。旦那は聞いた後で、いつでも彦八それは嘘ではないかと言うから、自分にとっては張り合いがないと彦八は断った。いや今日は決してそのような事は言わない。証として、違約したらこの大判を彦八にやると隠居は机の上にあったピカピカする大判を一枚、彦八の前へ出した。しからば話そう。これはつくり話などではなく、また聞いた話でもなく、自分の実見談だから、そのつもりで聞くように。先日自分が浅利の長良屋へ用事があって参る途中、江川の川端で渡し舟を待っていた。ところが自分より先に侍が一人、供を連れて両掛に腰をかけて同じく渡し舟を待っていた。すると松の枝にとまっていた烏が糞をして侍の羽織を汚した。汚らわしいと侍はその羽織を脱ぐが早いか江川に投げ捨てて、両掛から羽織を出させてきちんと着て待っている。ところがまた烏が糞を手の甲にぺたんとやった。汚らわしいと侍は腰の刀を抜くが早いか、自分の手首をすぱっと切って江川に投げ込み、両掛から手を出してぺったり継いで泰然と腰を掛けて待っている。ところがまた烏が糞を、ところもあろうに侍の頭に落とした。侍はむっと腹をたてて、またぞろ一刀抜くが早いか、えいっと首を打ち落として、これまた汚らわしいと江川に投げ入れ、両掛から替えの首を出し、ぐっと継いで泰然自若、待っていた。その有様はいかにも昔物語の英雄豪傑の態度、ものに驚かぬ自分も感嘆、待った渡し舟が来たのも気づかず眺めていたと言った。彦八、それは嘘ではないかと隠居が思わず言ったので、はい、この大判、まことにありがたく頂戴いたしますと言って、彦八は大判を懐にしまった。

・「はなせば落ちる」（日本標準『島根のむかし話』）
昔々、彦八といってとても頓智の上手な男がいた。ある日、旦那のところへ話に行った。その旦那は話が上手かった。彦八、何か面白い話はないかと言われたので、彦八がこの間、大阪の鴻池へ行ったと答えたら、それでどうしたと聞かれたので、鴻池に大きな池があって、その横に格好の良い松があったので一の枝に登ったと答えた。それからと聞かれたので、次の二の枝に登ったら大分面白いところが見えたと答えた。それからと聞かれたので、三の枝まで登ると大阪の様子が見えたがと言ってから彦八が何も言わなくなってしまった。そこで旦那が、彦八、その先を話せと言ったところ、彦八は、いや、はなせば落ちると言った。

◆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。

＊彦八
'彦八'
＊作り話
作り話 or 'つくり話'
＊旦那
隠居 or 旦那
＊手首
手首 or ( 手 and 甲 )
＊切る
切る or ( 打つ and 落とす )
＊首
首 or 頭
＊投げる
投げ捨てる or 投げ込む or 投げ入れる

＊ない
ない
＊ぬ
ぬ
＊ん
ん
＊るな
'るな'
＊るまい
'るまい'

＊話
話
＊上手
上手
＊かつぐ
かつぐ
＊話す
話す
＊嘘
嘘
＊違約
違約
＊大判
大判
＊江川
江川
＊渡し舟
渡し舟
＊侍
侍
＊烏
烏
＊糞
糞
＊羽織
羽織
＊汚す
汚す
＊汚らわしい
汚らわしい
＊頂戴
頂戴
＊頓智
頓智
＊鴻池
鴻池
＊池
池
＊松
松
＊枝
枝
＊一
一
＊二
二
＊三
三
＊先
先
＊放す
はなす
＊落ちる
落ちる

◆共起ネットワーク

・[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

・[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「彦八」「話す」「旦那」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「作り話」「大判」「侍」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「鴻池」「放す」「落ちる」といったキーワードが特徴的とされている。

◆解釈

どちらも彦八話である。内容は若干異なる。未来社版ではちゃっかり大判を取り上げてしまう。日本標準版では話したら落ちるとオチのない話としている。

◆階層的クラスター分析

・[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。

クロス集計をかけたところ、カイ（χ）2乗値で相関関係を示す結果（※マーク）は得られなかった。テキストのボリュームが足りないのが要因と推測される。これはこの後行う分析でも同様の結果となっている。

マップとして描画したところ、「落ちる」「放す」「池」「松」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「彦八」「旦那」「話」など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「頓智」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	聞く	動詞	6 (0.222)	5 (0.714)	0.625
2	言う	動詞	8 (0.296)	5 (0.714)	0.5
3	彦	未知語	10 (0.370)	4 (0.571)	0.3077
4	話	サ変名詞	6 (0.222)	3 (0.429)	0.3
5	嘘	名詞C	2 (0.074)	2 (0.286)	0.2857
6	大阪	地名	2 (0.074)	2 (0.286)	0.2857
7	登る	動詞	3 (0.111)	2 (0.286)	0.25
8	枝	名詞C	4 (0.148)	2 (0.286)	0.2222

彦八の作り話にまんまと乗せられてしまう……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。

・［旦那｜大判：呈示／取られる］
・［彦八｜話：嘘／儲け］
・［彦八｜話：はなす／落ちる］

こういった風にお話を転がしていると分析できる。

彦八は巧みな話術で「嘘／大判」と転倒させてしまう。

◆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

・[コーディング単位]を[文]に変更して実行。
・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。

彦八が巧みに話すくだりに関連したキーワードを指定したところ、「かつぐ」「上手」がやや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

[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.322-323.
・『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.212-213.
・『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）