การศึกษาภาษาและภาษาศาสตร์มักต้องการข้อมูลการใช้คำ ไม่ว่าจะเป็นตามเวลา การวิจัยจำเป็น แต่มีเครื่องมือมอบข้อมูลที่ต้องการจะช่วยมาก Google Ngram Viewer เป็นวิธีค้นหาเทรนด์คำในไลบรารี Google Books ได้รวดเร็ว
บทความนี้แนะนำวิธีใช้ Google Ngram ให้มีประสิทธิภาพ เริ่มจากการรู้จักเครื่องมือ
รู้จัก Google Ngram
Google ระงับฐานข้อมูลภาษาที่ตีพิมพ์หลายภาษา โดยสแกนหนังสือจำนวนมาก ประมวลผลข้อความ และให้สถิติตามความถี่ของคำ
ด้วยเครื่องมือค้นหา Google Ngram Viewer สามารถค้นหาข้อมูลนี้ได้ โดยเปรียบเทียบความนิยมสัมพัทธ์ของคำ สามารถจับแนวโน้มการเปลี่ยนแปลงของภาษาและวัฒนธรรมตามเวลา
แต่ Google Ngram ทำได้มากกว่ารายงานความถี่คำ
วิธีค้นหาขั้นพื้นฐาน
จากหน้า Google Ngram พิมพ์คีย์เวิร์ดในกล่องค้นหา
หากต้องการรวมทุกตัวพิมพ์ใหญ่/เล็กของคำ ให้ติ๊ก Case-Insensitive การค้นหาจะรวม "Tech" และ "tech"
ใต้กล่องค้นหาตั้งค่าพารามิเตอร์ได้ เช่น ช่วงวันที่ และ smoothing ค่าต่ำ = 精确 ค่าสูง = แนวโน้มลึกๆ เท่านั้น
วิธีเลือก Corpus
Corpus คือคอลเลกชันข้อความที่ Ngram Viewer จะตรวจสอบ ค่าเริ่มต้น "English" ใช้ได้สำหรับการ瀏覽ทั่วไป แต่อาจ academic มาก
"English Fiction" สะท้อนภาษาทั่วไปมากกว่า Corpus "English" มาตรฐานอาจหนักไปที่ non-fiction และคำเทคนิค
ความหมายลึกของการเลือก corpus นอกขอบเขตบทความนี้ Google ให้ข้อมูลสรุปสั้นๆ สำหรับการเลือก
การค้นหาขั้นสูง
ใช้คำค้นหาเพิ่มเติมสร้างการเปรียบเทียบซับซ้อน แยกแต่ละ term ด้วย comma
Ngram Viewer จะแสดงความถี่สัมพัทธ์ของ search terms ในกราฟเดียว วางเมาส์บนเส้นกราฟดูข้อมูล precise ได้
ใช้ asterisk (*) เป็น wildcard เช่น "Bachelor of *" จะคืนผลหลายปริญญาตรี
หา inflections ทั้งหมดของ term ใช้ modifier _INF
หากคำมีหลาย parts of speech ระบุได้เฉพาะเจาะจงด้วย text operators Parts of speech ที่ถูกต้องในฐานข้อมูล Google:
- _ADJ_: คำคุณศัพท์ (fast, large, smart)
- _ADV_: คำวิเศษณ์ (quickly, later, always)
- _PRON_: คำสรรพนาม (their, it, we)
- _DET_: คำกำกับ/冠詞 (a, an, the)
- _ADP_: คำบุพบท (prepositions และ postpositions)
- _NUM_: คำนามมูล (first, second, fifth)
- _CONJ_: คำสันธาน (and, nor, but)
- _PRT_: คำอนุบาล catchall ใช้บ่อยน้อย
รวมเป็น phrases ได้ เช่น "_ADJ_ boy" คืนคู่คำคุณศัพท์กับ "boy"
ระบุ part of speech เฉพาะสำหรับ term ใด term หนึ่ง ใช้ตัวอัพเดทท้าย เช่น "water_VERB" โดยไม่มี underscore ท้าย เพื่อรวมทุก part of speech ใช้ wildcard หลัง underscore
Functional Variables, Compositions, และ Dependencies
Functional variables ให้ค้นหาตามฟังก์ชันหรือตำแหน่งคำ:
- _ROOT_: placeholder สำหรับ root ของ parse tree ประโยค (โดยปกติคือ subject หลักหรือคำที่ verb ปรับแต่ง)
- _START_: เริ่มต้นประโยค ("_START_ President Obama" คืนประโยคที่เริ่มด้วย "President Obama" เท่านั้น)
- _END_: จบประโยค ("_ADP_ _END_" คืนประโยคที่จบด้วย prepositions)
รวม search terms ด้วย arithmetic operators ทำ mathematical analysis ง่ายๆ กับค่า term frequency:
- +: รวมหลาย expressions เป็น search term เดียว
- -: ลบ expression ขวาจากซ้าย เปรียบเทียบการใช้คำสัมพัทธ์เร็ว
- /: หาร expression ซ้ายด้วยขวา
- *: คูณ expression เปรียบเทียบ ngrams ความถี่ต่างมาก ใส่วงเล็บครอบทั้ง ngram เพื่อไม่ให้ asterisk ถูก parse เป็น wildcard
- : (colon) ค้นหา ngram ซ้ายใน corpus ขวา
ตั้ง dependencies ด้วย "=>" ค้นหาความสัมพันธ์ทางภาษาศาสตร์
เช่น "car=>fast" คืนผลที่ "fast" upadategrammatically dependent on หรือปรับแต่งคำ "car" ผสมผสานกับ advanced operations อื่นๆ ได้อิสระ
สรุป
การค้นหาเทรนด์คำมีประโยชน์ทางวิชาการมาก Google Ngram tool ช่วยหาข้อมูลได้รวดเร็ว ไม่ได้แค่ basic searches ใช้ modifiers อันทรงพลังเจาะจงข้อมูลที่ต้องการ
ฟังก์ชัน Google Ngram ไม่มีได้หากไม่มี search engine ที่ทรงพลังใต้หลอดเครื่อง คุณประทับใจกับความสามารถของ Google Ngram ไหม? แชร์ความคิดเห็นได้ที่ส่วนความคิดเห็นด้านล่าง!
