> 没想到我们的研究方向真的汇合了 > 虽然我还完全不懂python > 看了一下学童的项目，怎么感觉学童就是在解决开发这种语义字典过程中的难点呢 笑了🍻，但我的方向目前没有涉及语义分析，主要是在研究怎么提高分词精度，所以下面的回答也是仅供参考哈。 > 学童听说过Wmatrix和lancsbox吗 > 好像是两个语料库还是自然语言处理的软件 > 我在研究能不能用 Wmatrix 这个语料库分析软件分析日语文本的语义域分析（我目前的研究方向就是对日本近代殖民扩张的文本进行话语分析，原本是准备人工进行语义分析，后来发现英语学界有语料库软件进行语义分析的手段），查了之后发现 Wmatrix 的 PyMUSAS 引擎（开源）不支持日语，原因是日语没有 USAS 语义字典，实现日语的USAS语义标注的难点是不使用空格分词，找到了这个网页 https://us.pycon.org/2025/schedule/presentation/122/ ，突然发现这个和学童上次发的演讲中想解决的问题完全一样 Wmatrix 和 lancsbox 我都没听说过，因为我的方向更偏自然语言处理，所以语料库工具只用过 Wordless ，而且还是大三的时候用的了。 不过稍微看了下 PyMUSAS 的源码，发现用了 spaCy。spaCy 理论上是支持日语的，但问题在于标注体系——发语料库相关论文的话，一定得注意这个，但我对这方面不太熟（因为工业界不怎么在意标注体系，而是关注其他指标）。 > 想问问学童“日语没有 USAS 语义字典”这个问题好解决吗（Maybe 4年以内？哈哈哈） 这个难说，工业界似乎不用这套标准，所以可能只能是你自己动手实现了。但没有 Python 基础的话，光靠 AI 辅助编程估计不太行。 如果要做语料库研究的话，还是先看下这方面的系统资料比较好（比如《Python日语数字人文之文本挖掘技术及其应用》和《Python日语数字人文之语料库语言学技术及其应用》，还有[[川外图书馆漫游指南#语料库语言学]]），或者看看这个方向的论文都是用的啥工具，能不写代码就不写代码吧。 ## Sudachi > https://us.pycon.org/2025/schedule/presentation/122/ ，突然发现这个和学童上次发的演讲中想解决的问题完全一样 这个演讲主要是讲怎么用 Sudachi 分词结果给一句话标上读音，但语料库方向的「语义分析」大多数时候也是在分析 Sudachi 这类工具的分词结果，如果不嫌麻烦，可以自己重头写，但还是建议先看看上面提到的资料。 这个演讲的视频已经上传到 YouTube了： <https://youtu.be/3wQxP-GfT-A?si=jm4f4gzai4AImZlq>，PPT 在 <https://slides.takanory.net/slides/20250516pyconus/>。 不过，这个演讲其实是有日语版的，建议看下面这个： ![[日语语料库语言学方向的 Python 入门指北#^b0c94a]] （另，这位今年被我撺掇来中国做演讲了，B 站也有他的视频：【如何用 Python 学习日语 - Takanori Suzuki】 <https://www.bilibili.com/video/BV1QPWmzbEKa> ## 自己动手的建议 如果真想自己动手，可以参考这里列出的工具：<https://github.com/taishi-i/awesome-japanese-nlp-resources> 提醒一下：「研究方向就是对==日本近代殖民扩张的文本==进行话语分析」，你可能只能选 Mecab 这个分词器了，因为只有 Mecab 支持 UniDic——而 UniDic 正好又提供了目前唯一一份 「近代文語」词库，这个词库的适用范围是「明治大正期の文語文（新聞・雑誌記事など）」。 最后，你最开始提到的 PyMUSAS 处理部分语言用到了 spaCy，而 spaCy 分析日语其实就是用的 Sudachi。但 Meacb 和 Sudachi 是两个完全没有任何关联关系的独立项目，真要动手估计会踩一大堆坑。 > 我读完了，感谢学童。以目前浅显的先行研究阅读量来看，用语料库对日语文本的语义进行分析似乎是不可行的，主要是因为暂时还没发现支持日语的分析工具，而且似乎语义词典词库也受限。这方面的论文在英语学界做得如火如荼，如果能扩宽到日语学界的话应该具有非常大的价值。目前我还没决定读不读博，如果读博并且是这个研究方向的话，可能最后会通过人工分析的手段完成整篇论文的语义分析，期间希望自己也能学一学python，看能不能解决分词、词库之间的应用问题，期待到时候继续和学童交流哇哈哈哈 嗯嗯，期待进一步交流(｡•̀ᴗ-)✧。 这个方向半只脚已经踏进 NLP 了，但理工科背景的 NLPer 对这个方向不太感兴趣（其他指标才能帮公司更快地捞钱），如果想做这个方向的话，真心建议早点开始学 Python 对了，如果有兴趣关注这个方向的最新进展的话，可以关注 「言語資源ワークショップ」（如果真有人设计了日语的语义分析词库，应该能在这里看到相关论文）： https://clrd.ninjal.ac.jp/lrw2025-programme.html 也可以关注「一橋大学　社会計算言語学研究室」——这个研究室应该是最有可能做这个词库的研究室了。 https://www.scl.sds.hit-u.ac.jp/ > 学童的obsidian真的用的炉火纯青叹为观止 > 我今年暑假的时候试着开始用这个，在里面存自己读文学的时候的一些想法，方便自己正式写毕业论文的时候可以快速找到 > 逛了你的obsidian发现我真的是把这个软件当word在用 嘿嘿嘿，不敢当，不敢当。顺便推荐下我写的 Obsidain 插件「Monokakido Copilot」：无需鼠标选中，打字的时候双击 Option 就可以查词！（插件是把分词结果写入剪贴板，所以也是支持其他辞典软件的 https://obsidian.md/plugins?id=monokakido-copilot 有空也可以看 Obsidian 官方文档和知乎的这个回答[[有什么本地笔记管理软件推荐？]]： https://www.zhihu.com/question/266836039/answer/2728791257 （不过，个人建议少折腾 Obsidian，尽量把时间花在用 Obsidian 写东西上233） > 好的，感谢学童！今天早上去找老师聊了研究方向，他也很期待我做语料库方面的研究（我们学校没有相关的老师，所以缺人），我这两天就开始按学童的书单和python日记学python，如果读博了就是继续坚持学习研究了！等我python入门了，还想加入学童的小组，一起写写论文什么的！ 哈哈哈，欢迎欢迎！ 不过我没有搞封闭的小组，我研究的东西基本都是公开的，一般会在下面开个帖子记录比较重要的文章和分享 https://github.com/NoHeartPen/NoHeartPen.github.io/issues 注册 Github 账号，然后在上面的仓库点 watch 就可以收到邮件通知了。如果用 RSS 的话，可以用下面这个链接： https://blazing-dolphin.pikapod.net/github/issue/NoHeartPen/NoHeartPen.github.io 对了，我偶尔也会逛逛【语料库语言学在线】，你有兴趣也可以来这里发帖交流： https://www.corpus4u.org/