昔話の計量テキスト分析――火車

◆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_004_kasha.xlsx

ダウンロード - ca_004_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

・「山椒九右衛門」（未来社『石見の民話』）
昔、この辺り（石見町）に山椒九右衛門という者がいた。非常に強欲な男だった。たたらの親方になって沢山の人を使っていたが、一日に一升の飯を三回に分けるところを一回二合七勺ずつに減らして、三勺ずつ三回、一日九合の米を浮かせていた。そういうことで極めて評判が悪く本当の名を呼ぶ者はなく山椒というあだ名をつけていた。ある年の大晦日の夕方にある貧しい家へ借金の催促に立ち寄った。いつもの調子で厳しく返済するように言ったが、もちろん返す金は無いので、明年は必ず辛抱してお返しするから今宵一夜をあかさせてくださいと家内一同頭を地にすりつけて頼んだが、九右衛門は承知しない。ちょうどそのとき竈の上に年越しのご飯が煮えていたが、九右衛門はいきなりその鍋を取り上げると庭先の藁を叩く石の上にぶちまけ、鍋だけを片手にこれを貰って行くと言って得意げに帰っていった。夫婦子供は年越しの夜にようやく手に入れた年に一度か二度しか食べることにできない米のご飯の煮えかけを土の上にぶちまけられては食べることができない。泣きながら天を仰いで、もしこの山に主があるなら何とかしてこの仇をとってください。このご飯は山の主に差し上げると祈った。ところが不思議なことに山椒は昨日までの繁盛は夢のように消えて、その夜からひどい熱病にかかって苦しんだ。医者を呼んだり祈祷してもらったりしたが一向によくならない。とうとう骨と皮ばかりになって息を引き取った。葬式の日に市木の浄泉寺の院家が坂の峠の上まで来た時、怪しい風が吹いて胴は猫に似て頭は鷲のような怪物が空を舞っているのが見えた。院家は供の者に光西寺にある火車品（傘にお経を書いたもの）を借りてくるよう言い付けた。院家は供の者が帰ってくるのを待っていたが、山椒の家ではもう皆が待っているのでお経をはじめた。お経が済んで焼香になると坂の上でみた怪物が羽音凄まじく舞い降りてきて棺の蓋をとると屍体を抱えて空へ上がった。後から見ると、屍体は喰い裂かれて足だけは丸原の三本松の枝に掛かっていた。昔から棺の蓋は外に出す前に釘づけにしなければいけないと言われるのは、こうしたことがあるからだということである。また光西寺の火車品は火事で焼けて今は無いということである。

・「化け猫」（未来社『石見の民話』）
昔ある所で若者たちが大勢集まって踊っていると、そこへ見たこともない姉さんが来て皆と一緒に踊った。踊りが済んでそれぞれ家へ帰るとき、姉さんに興味を抱いた一人の若者があとから姉さんの跡をついていった。すると、姉さんは近所のお寺へ入り、ニャンと啼いた。若者はそれを聞くと真っ青になって帰った。明くる日若者はお寺へ行って和尚さんにそのことを話した。お寺には和尚さんが可愛がっている古い猫がいた。和尚さんは若者が帰ると猫を呼んで出ていってくれと言った。猫は出ていけというなら出ていく。自分がいると参詣人も少ないだろうから、これまで長いこと可愛がっていただいた恩返しに参詣人が沢山来るようにしてあげると言った。そして何時何日にどこどこの婆さんが死ぬから葬式の時に自分が火車になって死人を棺から出して空へ吊り上げる。よその坊さんが来てお経をあげると死人は上へあがるが、和尚さんが経をあげると死人は下がって棺へ収まるようにすると言った。猫が言ったその日になるとその婆さんは死んだ。そして葬式をしていると結縁の時に空が曇って火車が来て死人を掴んで空に吊り上げた。葬式に来ていた坊さんは一生懸命お経を読んだが、死人は空に吊されたままだんだん上へ上がっていく。それで近所の寺の和尚さんを呼んでお経をあげてもらうと死人はだんだん下りて来て棺へ収まり、無事に葬式が済んだ。それから和尚さんの評判が高くなって参詣人がどんどん来るようになった。そして猫はいつの間にかいなくなった。

・「渡廊下の寄附」（未来社『石見の民話』）
あるところに分限者がいた。とてもけちで少しでもお金を出すことが嫌いで出そうとはしない。お寺の寄附なども言い訳をしてなかなか出さなかった。檀那寺の方丈はこんなことでは良くない、何とかして功徳をさせて救ってやらないと死んでから罪におちると思い、いろいろ考えた末に、近頃お寺の渡廊下が傷んで歩くのに危ない様になったが一つ寄附をしてくださらないかと言った。主人はいやな顔をして、一体どれくらい出せばいいだろうと訊いた。一両もあれば充分だろうと方丈が言うと、主人は渡廊下を直すと言えば五両や十両はいると言うに違いないと思ったのが案外少なかったので、それでは出そうと言って喜んで一両出した。方丈もこれで功徳ができたと喜んだ。ところがそれから間もなく主人は急病で亡くなった。葬式の日は分限者の旦那さまが亡くなったというので大勢の人が来て、幸い天気も良かった。坊さんもたくさん呼ばれていて、お経をあげて順々に焼香した。すると、その時今までよく晴れていた空がにわかにかき曇り、真っ黒い雲が棺を狙って舞い降りてきた。檀那寺の方丈は持っていた鉄の如意をふりかぶり、廊下、廊下と叫んで黒雲めがけて投げつけた。すると黒雲は直ちに天上へ舞い上がり、空は元のように晴れた。黒雲は火車で、棺の中の死体をさらうために来たのであった。火車は強欲な人が死ぬと死体をとって食う魔物である。居合わせた他の坊さんたちは、方丈の廊下廊下という一喝の威力に驚いて教えてくれるように頼んだ。方丈はそこで、この主人が強欲で死んだら火車にとられる様なことになってはいけないと思い、渡廊下に寄附をさせて、その功徳で救ったのだと教えたということである。

◆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。

※「できる」「やる」「られる」「せる」といった動詞も共通のコードとして追加してみた。

※[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。

＊死ぬ
死ぬ or ( 息 and 引き取る )
＊山椒九右衛門
'山椒九右衛門' or 山椒 or '九右衛門'
＊山の主
( 山 and 主 )
＊病
熱病 or 急病
＊院家
'院家'
＊怪物
怪物 or 魔物
＊火車
'火車'
＊火車品
'火車品'
＊屍体
屍体 or 死人
＊喰う
喰う or 食う
＊渡廊下
'渡廊下'
＊黒雲
'黒雲' or ( 真っ黒 and 雲 )

＊ない
ない
＊ぬ
ぬ
＊ん
ん
＊るな
'るな'
＊るまい
'るまい'

＊できる
できる
＊やる
やる
＊られる
られる
＊せる
せる

＊強欲
強欲
＊借金
借金
＊催促
催促
＊ご飯
ご飯
＊ぶちまける
ぶちまける
＊仇
仇
＊葬式
葬式
＊怪しい
怪しい
＊棺
棺
＊蓋
蓋
＊釘
釘
＊若者
若者
＊集まる
集まる
＊踊る
踊る
＊姉さん
姉さん
＊跡
跡
＊寺
寺
＊啼く
啼く
＊和尚
和尚
＊古い
古い
＊猫
猫
＊出る
出る
＊参詣人
参詣人
＊恩返し
恩返し
＊婆さん
婆さん
＊坊さん
坊さん
＊お経
お経
＊分限者
分限者
＊けち
けち
＊寄附
寄附
＊方丈
方丈
＊功徳
功徳
＊罪
罪
＊旦那
旦那
＊雲
雲
＊廊下
廊下
＊一喝
一喝
＊とる
とる
＊救う
救う

◆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、類話毎に異なるキーワードが上下のサブグラフ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「30」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。

原点付近にはキーワードがプロットされていない。離れた位置にプロットされているのは「山椒九右衛門」より「山椒九右衛門」「火車品」「ぶちまける」、「化け猫」より「姉さん」「和尚」「恩返し」、「渡廊下の寄附」より「渡廊下」「方丈」「分限者」といった辺りである。

◆解釈

いずれも火車という妖怪が登場するお話である。寺と死体が共通点となる。「化け猫」の婆さんは特に強欲といった性質の人物ではなさそうである。

◆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。

概ねストーリー展開に沿った形でクラスター化されている。

◆クロス集計

・[コーディング単位]を[文]に変更、[タイトル]で[集計]する。

クロス集計をかけたところ、「山椒九右衛門」「渡廊下」「方丈」などでカイ（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、「山椒九右衛門」「山の主」「和尚」「古い」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「和尚」「方丈」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「踊り」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	出す	動詞	6 (0.111)	4 (0.333)	0.2857
2	寄附	サ変名詞	3 (0.056)	3 (0.250)	0.25
3	思う	動詞	3 (0.056)	3 (0.250)	0.25
4	渡廊下	名詞	3 (0.056)	3 (0.250)	0.25
5	言う	動詞	9 (0.167)	4 (0.333)	0.2353
6	方丈	名詞	6 (0.111)	3 (0.250)	0.2
7	救う	動詞	2 (0.037)	2 (0.167)	0.1667
8	功徳	名詞	3 (0.056)	2 (0.167)	0.1538
9	昔	副詞可能	3 (0.056)	2 (0.167)	0.1538
10	主人	名詞	4 (0.074)	2 (0.167)	0.1429

火車が死体を奪いにやって来るが、和尚の法力で撃退する……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。

・［火車｜屍体：奪取／損壊］
・［猫｜化ける：姉さん／火車］
・［方丈｜分限者：功徳／往生］

こういった風にお話を転がしていると分析できる。若者が姉さんを追跡したところ「姉さん／猫」と転倒し、正体が明らかとなる。

※なお、図式化には分析対象のテキストに含まれない語句も用いているので要注意。

※関連語検索、強制抽出語を設定しないと狙い通りに処理されないケースが見られる。

◆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

・[コーディング単位]を[H5]から[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。

葬式で火車が登場するくだりに関連したキーワードを指定したところ、「院家」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」「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]は[文]で固定。

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。

※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]は[文]で固定。
・[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「利用不可」。
・[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.189-190, 210-211, 304-305.
・『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）