映画 DVD を利用して生きた会話を分析する

1. 映画DVDを利用して生きた会話を分析する 同志社大学 北尾謙治 http://kkitao.e-learning-server.com/index.shtml

2. はじめに • 自然な会話の利用は困難 • 目的に合ったデータが収集しにくい • データが入手できても後の処理が困難

3. 映画DVDがその解決策の１つ • 台詞の字幕がある • 非言語要素も扱える • 安価　500円から • 入手が比較的容易 • 何度でも視聴できる

4. DVDの利用 • 比較的自然な会話表現 • 字幕は会話とは少し異なる • 話者のインターラクション • 時間の測定が容易 • 言語と非言語のコミュニケーション • コミュニケーションストラテジー • 英語教育のよい教材

5. 注意 • 著作権の問題 • DVDの著作権は複雑 • 不自然さはある • 目的に完全一致するコーパスはない • 整形作業は必要 • 日本語の処理は困難

6. ワークショップの内容 １　発話音声の書き起こし ２　DVDから字幕の取り出し ３　字幕をテキストデータに変換 ４　時間の計算と表示

7. 5 字幕の整形 　　（1行1文） 6　時間の計算方法 7 登場人物や性別の表示や集計 8 コーパス処理による解析 9 英語教材の作成 紙の教材 e-ラーニングの教材 10 まとめ

8. Roman Holiday(ローマの休日） • 1953年のアメリカ映画 • 世界の名作 • 1953年度のアカデミー賞において • 主役の新人オードリー・ヘップバーンがアカデミー最優秀主演女優賞 • 脚本のイアン・マクレライン・ハンターが最優秀脚本賞 • 衣装のイデス・ヘッドが最優秀衣装デザイン賞

9. １　発話音声の書き起こし 字幕がない場合 台詞どおりのテキストを必要とする場合 (台詞と字幕は異なる） フリーソフト Okoshiyasu2 (最新版もある） Okoshiyasu2 http://www.forest.impress.co.jp/lib/offc/document/docsupt/okoshiyasu2.html

10. Okoshiyasu2 エディタを使用しながらキーボードから手を離すことなく音声ファイルの再生・停止を可能にする • キーボードにより再生・停止が可能 • 停止と同時に自動的に指定した秒数巻き戻しを行う • 指定した秒数の区間のリピートが可能 • 速度を変えても音程が変わらないので 聴き取り練習にも利用可

12. ２　市販ソフト • Caption DVD • かつて使用されたソフト • 5000円 • 北尾研究室に所蔵 • スキャンされた字幕も豊富

13. ３DVDから字幕の取り出し • DVD Decrypterの使い方 • 上記からダウンロード、解説あり • DVDから字幕を取り出す • ハードディスクのどこに保存するかを確認 • 自分の作業フォルダに取り出すのがよい • 注　既に開発はストップ • DVD Decrypter 入手先当サイトバックアップVer.3.5.4.0

15. 字幕をテキストデータに変換 • SubRipを使ってDVDから字幕をテキストで保存 • 字幕のスキャニング、テキストデータに変換

18. 時間の計算と表示 • Perlのプログラム(a5.pl)で整形　 • 字幕数、開始時間、終了時間、所要時間、前の台詞との空き時間 • テキストファイルで出力 • A5.plとb3.plは以下でダウンロード http://www.cis.doshisha.ac.jp/kkitao/Japanese/library/resource/corpus/perl/DVD.doc • エクセルで表示 • OpenOffice.org • http://wiki.services.openoffice.org/wiki/Ja.openoffice.org/documentation/start

20. 字幕の整形 • 1行1文に整形　 • 台詞は1行1文ではないので分析に不向き • Perlのプログラム（ｂ3.pｌ）を使用 • テキストファイルで出力 • エクセルに貼り付ける

22. ４　SRTファイル • http://kkitao.e-learning-server.com/kitao/DVD/ • Roman Holidaysのsrtファイル入手先 映画のDVDの字幕の取り出し　srtファイルhttp://kkitao.e-learning-server.com/kitao/DVD/1.doc

23. srtファイルの整形 http://kkitao.e-learning-server.com/kitao/DVD/2.doc • srtファイルの整形　字幕のみのコーパスの作成 http://kkitao.e-learning-server.com/kitao/DVD/3.doc

24. 注意 • ｓｒｔファイルはすべての映画にあるとは限らない • ない場合はどうするのか？

25. インターネットのサイト • Drew's Script-O-Rama http://www.script-o-rama.com/oldindex.shtml セリフを取り出し、加工する方法 http://kkitao.e-learning-server.com/kitao/DVD/4.doc

26. 他の台詞のあるサイト • Movie Scripts and Screenplays • http://www.moviescriptsandscreenplays.com/ • Scripts • http://www.movie-page.com/movie_scripts.htm • Original scripts

27. Simply Scriptshttp://www.simplyscripts.com/注: Scriptsとtranscriptsがオンライに存在します。Scriptsは実際の映画では変更が加えられている可能性があります。 Transcripts は映画から作成されていますが、作業中にエラーが起こっている可能性があります。 Kenji Kitao

28. 注意 • 自分の関心のある映画の台詞が見つかるとは限らない

29. コンコーダンサによる解析 AntConc3 http://www.antlab.sci.waseda.ac.jp/software.html Ant Concを使ってみよう http://www11.ocn.ne.jp/~iskwshin/antconc.html

30. KWIC • ある特定の語（群）がどのような文脈で出現するか • 前後の語は何か • アルファベット順に並べるのも可能 • コロケーション

32. Collocatesで共起語を一気に調べる • 指定した位置の語彙の頻度表の作成

34. 特定語を含むクラスター • 語数を指定したクラスターの頻度表の作成 • N-gram

36. 語彙頻度表の作成

38. データの中での語の位置関係をみる

40. 「ローマの休日」の日英パラレルコーパス　 http://kkitao.e-learning-server.com/kitao/DVD/ParaCor.zip

41. 教材の作成 空所補充問題 N番目の語を空白 　指定した語を空白 JACET８０００のレベルで空白 　 　　組み合わせも可能 　品詞で空白 　　　組み合わせで実施

42. Cloze Test 作成ツールについて http://www.oit.ac.jp/ip/~kamiya/mwb/mwb.html

43. The End