劉慈欣『三体』『三体Ⅱ：黒暗森林』、陳楸帆『荒潮』、郝景芳『郝景芳短篇集』、立原透耶編『時のきざはし』、いずれも《SFマガジン》2020年12月号（特集：中国SF）
キム・チョヨプ『わたしたちが光の速さで進めないなら』、大恵和実編『移動迷宮：中国史SF短篇集』、立原透耶『時のきざはし：現代中華SF傑作選』、いずれも《SFマガジン》2022年6月号（特集：アジアSF）

全作解題

カート・ヴォネガット『タイタンの妖女』『スラップスティック』『バゴンボの嗅ぎタバコ入れ』『はい、チーズ』『これで駄目なら』、いずれも《SFマガジン》2022年12月号（特集：カート・ヴォネガット生誕100周年）

総解説

星新一『妖精配給会社』、小松左京『ある生き物の記録』、筒井康隆『馬は土曜に蒼ざめる』、石原藤夫『画像文明』、いずれも《SFマガジン》2021年8月号
小川一水『老ヴォールの惑星』、円城塔『Self-Reference ENGINE』、いずれも《SFマガジン》2021年10月号
円城塔『後藤さんのこと』、日下三蔵編『日本SF傑作選』、草野原々『大進化どうぶつデスゲーム』『大絶滅恐竜タイムウォーズ』、伴名練編『日本SFの臨界点』、いずれも《SFマガジン》2021年12月号

エッセイ

「未来のSFを担う人に：SFへの参加のすすめ」、《SFマガジン》2022年2月号（特集：未来の文芸）
「近くて遠い人」、星新一公式サイト内寄せ書き（2022年6月）

メディア出演

NHK仙台放送局『てれまさむね』内「みやぎUP-DATE」、2020年11月19日放送分

好きな作家

星新一、筒井康隆、小松左京、伊藤計劃、円城塔、伴名練、草野原々、小川哲

レイ・ブラッドベリ、フレドリック・ブラウン、ジェイムズ・ティプトリー・ジュニア、ウィリアム・ギブスン、テッド・チャン、グレッグ・イーガン、ホルヘ・ルイス・ボルヘス、劉慈欣、ケン・リュウ

各種連絡先

メールアドレス　shiyuu.shimomura_at_gmail.com

Twitter　@ss_scifi　（下村思游）

御用命はメールにて承ります。

2023-10-17

夏目漱石『こころ』の文字頻度解析

研究

前回の円城塔『通信記録保管所』および『花とスキャナー』の文字頻度解析から引き続き、夏目漱石による小説『こころ』の本文テキストに含まれる各文字の出現頻度を調べた。

定本として国立国会図書館でデジタル化された『こころ』（岩波書店、1916）を用いた。この本文画像データから国立国会図書館が公開しているOCRソフトNDLOCR ver.2.1を用いて本文テキストデータを作成し、前書き・奥付け・章題など本文でないことが明白な箇所を人力で補正した。

結果は下図の通り。

『こころ』についても、Zipf則は見えると言っていいのではないか。

なお、出現頻度の順位を30位まで列挙すると以下の通り。

のたしにはてなつでいをかと私るもがらますれうんりさあゐだくへ

円城塔の出現頻度、

『通信記録保管所』

のいとなるはたてにしでがかうをっもれこらありだそくすまわきん

『花とスキャナー』

いのとなてはるにたしがかをでうっもられこだりそくあんすけまき

と比較して“い”の順位が低くなったのは、”い”と“ゐ”に割れてしまったからだろう。

ちなみに“k”は388回登場し、60位だった。

なお、本研究で用いたテキストデータには記号類の一部（“『”など）や読み取り不可能文字が多数存在するほか、NDLOCR由来の不定性があり、精度に課題が残っていることに注意したい。

今後も引き続き、パブリックドメインとなっている日本語文学作品との比較を行なっていきたい。

参考文献・ツール

[1] 夏目漱石, こころ, 岩波書店, 1916, 国立国会図書館デジタルコレクション,

https://dl.ndl.go.jp/pid/906330

[2] 中村覚, Google Colabを用いたNDLOCRアプリの実行（Google Driveを用いた画像の入力と結果の保存）,

https://zenn.dev/nakamura196/articles/a8227f4524570c, 2022

[3] 中村覚, NDLOCR_v2の実行例.ipynb,

https://colab.research.google.com/github/nakamura196/000_tools/blob/main/NDLOCR_v2%E3%81%AE%E5%AE%9F%E8%A1%8C%E4%BE%8B.ipynb, 2023

2023-10-15

円城塔『通信記録保管所』および『花とスキャナー』の文字頻度解析

円城塔研究

円城塔による短篇小説集『通信記録保管所』および『花とスキャナー』の本文テキストに含まれる各文字の出現頻度を調べた。

結果は下図の通り。なお、縦軸が各文字の出現数、横軸が各文字の出現数の順位を表している。

“任意の自然言語における単語の出現順位分布は冪乗則に従う”ということが経験的に知られている。これをZipf則といい、単語だけでなく、文字においても同様の結果が得られることが知られている。今回は円城塔がCC BY-NC 4.0で全文を公開している短篇小説集『通信記録保管所』および『花とスキャナー』に対して文字レベルの頻度解析を行った。

図1, 2を見ると、汚いものの確かにZipf則が見えそうな気配がする。『通信記録保管所』が 2000×100 = 10万字、『花とスキャナー』が 10000×4 = 4万字と母集団の大きさが異なるが、母集団が小さい『花とスキャナー』の方がより綺麗にZipf則が見えたのが興味深い。また、どちらも出現する文字の種類は高々10^3のオーダーでしかないことにも注目したい。

なお、出現頻度の順位を30位まで列挙するとそれぞれ以下の通り。

『通信記録保管所』

のいとなるはたてにしでがかうをっもれこらありだそくすまわきん

『花とスキャナー』

いのとなてはるにたしがかをでうっもられこだりそくあんすけまき

28位に出現する“わ”と“け”がそれぞれ交代しているだけで、それ以外の文字は全てかなり近い順位に出現することは非常に興味深い。

2000字のフラッシュフィクションと10000字の短篇では、当然作品の構成が異なることが期待されるが、今回の例においてはその構成の差異を文字の出現頻度という量的な指標から読み取ることは困難であろうと予想される。

円城塔作品だけに対する解析だけでなく、パブリックドメインとなっている夏目漱石、芥川龍之介、太宰治などの作品における文字頻度解析を行なって日本語の文学作品におけるZipf則の存在の有無や出現頻度順を比較すること、また私自身の文章についても解析を行うことを今後の課題としたい。