昔話の計量テキスト分析――馬鹿婿

◆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_024_bakamuko.xlsx

ダウンロード - ca_024_codingrules.txt

ダウンロード - ca_024_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

・「馬ほめと仏壇ほめ」（未来社『石見の民話』）
昔、馬鹿な聟がいた。嫁の里に泊まりに行くことになったので、家を出るときに嫁が「行ったらお爺さんは馬を買ったから見てくれと言うから、その時には、どっこもさすってみて、これは良い馬だ。どっこも不足はないが、ちとぎり（つむじ）が高いから噛みつかねばよいが」と言いなさいと教えた。聟は嫁の里に行くと嫁が教えた通りにお爺さんが「馬を買ったから見てくれ」と言った。聟はあちこちさすって「これは良い馬だ。どっこも不足がないが、ちとぎりが高いから、噛みつかねばいいが」と言った。お爺さんはそれを聞いて、この聟は馬鹿だと聞いていたが、まんざら馬鹿でもないと喜んで、今度は家の中へ入って「聟どの、良い仏壇を買ったから見てくれ」と言った。そこで聟は仏壇の前へ行って、あちこち撫でていたが「これは良い仏壇だ。どこも不足はないが、ちとぎりが高いから噛みつかねばいいが」と答えた。

・「鼻かけそうめん」（未来社『石見の民話』）
馬鹿聟が姑の家へ初めて呼ばれていった。姑の家ではそうめんをご馳走することにした。聟が見ていると、姑がそうめんが湯だったか箸に一本引っかけて頃合いを見ようとすると、つい鼻の上に落ちた。それを指で落として口に入れたので聟はそうめんはああして食べるものかと思った。そうめんのご馳走が出たので、一本すくい上げては鼻の上にのせ、それを口にかき込んで長い時間をかけて食べた。夕飯も済んだので、明日の朝はテウチ（手打ち：蕎麦）にしようか半殺し（ぼたもち）にしようかと相談されたので、聟はいつも女房を大事にしているのに、初めて来てテウチにされては困ると思って半殺しを望んでおいた。それから疲れたろうと蚊帳を吊って屏風を立てて床を敷いてお休みと言われた。聟が蚊帳の中に飛び込むと、屏風がくるりと廻った。屏風を右に回すと左があき、左へ廻すと右があいた。今度はまた蚊帳の中へ飛び込んで、また出て屏風を廻している内に夜が明けた。聟は朝は半殺しをするに違いない。昨夜も寝ずに廻り屏風に飛び込み蚊帳に、今朝は半殺しとは情けないと思って二階の庇に小さくなって隠れていた。姑は聟が寝床にいないので、どこへ行ったかと思って戸を開けると聟は庇に小さくなってガタガタ震えていた。そして半殺しはこらえてくださいと細い声で泣きながらいったので、そんなに嫌いなら食べなくてもよいと優しく言われて聟はようやく家へ入った。聟に昨夜はよく寝られたか姑が言うと、眠るどころか鼻かけそうめんに油をとられ、廻り屏風に引きずられ、蚊帳に出たり入ったり、半殺しは気にかかるし、眠れなかったと言ったので姑は何が何やらさっぱり分からない。娘よ、何か聞いてみよ。昔の者とは違うし、田舎にもこんな分からず屋がいるか。子供よりまだ酷いと姑が言ったので、女房が優しく尋ねると、来るまいと思っていたのに無理に行ってくれと連れてきて、鼻かけそうめんに油をとられ、廻り屏風に引きずられ、蚊帳に出たり入ったり、今朝は半殺しと言われたり、自分はこんな難儀とは知らずに寝ておられようか。思えば早く去にたくて庇の上に出て下ばかり見て夜を明かした。お前は親と組んで下の方から笑ったり、自分はおる気がしなかったと言って泣いた。それで女房も全く呆れて、それきり離縁してしまった。

・「馬鹿むこ」（未来社『石見の民話』）
昔、馬鹿な聟がいた。あるとき嫁さんの親元へ行ったら団子をこしらえてご馳走した。聟は団子を食べたのは初めてで、あまりに美味かったので腹いっぱい食べた。そして家へ帰ったらこしらえてもらおうと思って、これは大変美味いものだが、何というものかのと尋ねた。これは団子というものだとお母さんがいった。団子、団子と言って聟はしきりにうなずいていたが、忘れてはいけないと思って、帰る道々で団子、団子と言いながら歩いた。家の近くまで帰ったとき。小さな溝があった。聟はうんとこしょと言って飛び渡った。それから今度はうんとこしょ、うんとこしょと言いながら帰った。聟は家に帰ると早速嫁さんに、うんとこしょをこしらえてくれと言った。嫁さんは何のことか分からないので、うんとこしょとは何かと尋ねた。今日お前のところへ行ったら、お母さんがこしえらえてご馳走しなさった。とても美味かったからこしらえてくれと聟は言った。それでもうんとこしょと言っても何やら分からないと嫁さんが言うと、分からないことはない。すぐこしらえよと聟は言った。それでも嫁さんは分からないのでどうしようもない。いくら聞いても分からないので押問答をする内に聟は腹を立てて、そこにあった火吹竹で嫁さんの頭を叩いた。嫁さんはびっくりして額を押さえた。額はみるみる内に団子の様に腫れ上がった。何を無茶なことをするのか。これを見なさい。団子のようなこぶが出来たと嫁さんが言うと、おう、そうだ、団子だった。すぐ団子をこしらえてくれと聟は言った。

◆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。

※「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。

＊嫁
嫁 or 女房 or 娘 or お前
＊里
里 or 家 or 親元
＊ぎり
'ぎり'
＊姑
姑 or 親 or お母さん
＊うんとこしょ
'うんとこしょ'

＊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

＊いる
いる
＊なる
なる
＊よい
良い or よい or いい
＊悪い
悪い or わるい

＊馬鹿
馬鹿
＊聟
聟
＊爺さん
爺さん
＊馬
馬
＊噛みつく
噛みつく
＊仏壇
仏壇
＊そうめん
そうめん
＊ご馳走
ご馳走
＊鼻
鼻
＊手打ち
手打ち
＊半殺し
半殺し
＊屏風
屏風
＊蚊帳
蚊帳
＊庇
庇
＊離縁
離縁
＊団子
団子
＊美味い
美味い
＊こしらえる
こしらえる
＊押問答
押問答
＊叩く
叩く
＊こぶ
こぶ
＊無茶
無茶

◆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

・[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。

原点直下には「聟」「馬鹿」「里」といったキーワードがプロットされている。離れた位置にプロットされているのは「馬ほめと仏壇ほめ」では「馬」「ぎり」「仏壇」、「鼻かけそうめん」では「手打ち」「半殺し」「離縁」、「馬鹿むこ」では「団子」「うんとこしょ」「叩く」といった辺りである。

◆解釈

馬鹿な婿が起こす騒動を描いた笑話である。他人がやったとおりに真似して一旦は上手くいくが繰り返すと地が露呈してしまう。

◆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、「ぎり」「うんとこしょ」「半殺し」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、「よい」「馬鹿」「馬」「噛みつく」「仏壇」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「聟」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「まんざら」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	分かる	動詞	6 (0.111)	6 (0.400)	0.4
2	言う	動詞	19 (0.352)	8 (0.533)	0.3077
3	聟	名詞C	23 (0.426)	7 (0.467)	0.2258
4	嫁さん	名詞	8 (0.148)	4 (0.267)	0.2105
5	噛みつく	動詞	3 (0.056)	3 (0.200)	0.2
6	高い	形容詞	3 (0.056)	3 (0.200)	0.2
7	不足	サ変名詞	3 (0.056)	3 (0.200)	0.2
8	入る	動詞	4 (0.074)	3 (0.200)	0.1875
9	半殺し	名詞	6 (0.111)	3 (0.200)	0.1667
10	何やら	副詞	2 (0.037)	2 (0.133)	0.1333

・「ぬ」の結果上位一覧

N	抽出語	品詞	全体	共起	Jaccard
1	噛みつく	動詞	3 (0.056)	3 (0.500)	0.5
2	高い	形容詞	3 (0.056)	3 (0.500)	0.5
3	不足	サ変名詞	3 (0.056)	3 (0.500)	0.5
4	今朝	副詞可能	2 (0.037)	2 (0.333)	0.3333
5	寝る	動詞	3 (0.056)	2 (0.333)	0.2857
6	蚊帳	名詞	6 (0.111)	2 (0.333)	0.2
7	半殺し	名詞	6 (0.111)	2 (0.333)	0.2
8	屏風	名詞	7 (0.130)	2 (0.333)	0.1818
9	思う	動詞	8 (0.148)	2 (0.333)	0.1667
10	違う	動詞	1 (0.019)	1 (0.167)	0.1667

まんざらでもないと思ったところ、やはり馬鹿だった……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。

・［爺さん｜聟：まんざらでもない／馬鹿］
・［嫁｜聟：優しい／離縁］
・［聟｜嫁：団子／うんとこしょ］

こういった風にお話を転がしていると分析できる。聟は溝を跳び越えた際に「団子／うんとこしょ」と転倒を起こしてしまう。それで女房と押し問答となるが、「こぶ／団子」と再転倒する結果となる。

※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

・[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[H5]から[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。

聟が団子を嫁に作ってもらおうとするくだりに関するキーワードを指定したところ、「押し問答」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。

◆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]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.197-198, 289-291, 412-413.
・『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）