bigramデータを参照させてもらっていたサイトの消滅問題 および bigramがより適切を digraphとしてきていた問題。

困っている　十分に困っている

Brown Corpusのデータの加工済みの孫引きを使って　先の論を進めていた。ところがこれをめぐって　少なくとも二つの問題が生じている。

どんな問題なのか

• 一つは　用語の最適ではない適用問題。
  • bigramをすべきだったところに digraphを用いてきてしまったことである。

cf.

これらのBCDF(or BCDP)*1をみる、、

my仮説「Dvorak&Dealey（, successors from the Gilbreths?)　が　母音を一列に並べたわけ」、敗れたり？ - 葉仮名raycy - KliologY

• 以前から ちょっと 弱いなと思ってはいたが　用例が無いわけでもないし　まあそのままにしてきた。google:Distribution Of Digraph Frequency -raycy
  • 安岡孝一大先生の文章でbigramを選択してあったので まあ bigramが正なのかな　と観念

• 二つめは　参照させてもらっていたサイトが 消滅してしまったことである。
  • http://www.cs.gmu.edu/~sean/cs499/pmwiki.php/Main/DistributionOfDigraphFrequency
    • このWebページ名にDigraphFrequencyとあったことから 私も つい digraphを使ってしまったのかなあ と思う、、って人のせいにしたがってますか？

他の問題を挙げるとすれば、

• 三つ目は　データ採取の来歴　特に母集団の採り方の問題である。
  • Brown Corpusが この問題に取り組む上でのデータとして 目的に叶い 依拠するに足るものであるか？
    • これは データ選択の適/不適によっては　とんでもない結果に導かれれ、場合によっては　命やら将来の子々孫々に係わるからである。

cf.

データによる現象分析の結果が　その後の多くの命を左右する。　（係わる。） - バ冠うだうだ - cliology

• 実際　QWERTYの場合には　電信関連業界という顧客ないし想定ユーザー集団の意向が母集団となって 設計上の変更チューニングが行われた経路情況が　安岡孝一大先生のご研究で白日の下になりつつある。
  • （原発推進関連政官業利益集団ならぬ）
    • 1867年から1874年当時のアメリカンモールスコード電信関連産業利益集団が ユーザビリティ調査の母集団であった。

• 四つ目は　このbigramを含む　加工後のリストの名称および略号である。日本語では ブラウン・コーパス順序無し連続ニ文字頻度ってな言い方になる。約すとどうするべきか。 Brown Corpus Bigram Frequency BCBF？　順序無しは？

cf.

raycy @ wiki - digraphの参照リスト集

*1:BCDF(or BCDP)：https://docs.google.com/spreadsheet/pub?key=0AqzxPHll8XJldHpYS3NkanVUT0pYNHlJTkZtYjBKRGc&output=html