10万字サンプルの直拗比率

10万字サンプルで「ゐゑゎ」以外のカナと句読点「。、」、長音「ー」の合計101,156字を打鍵した時に、拗音がどれだけ出現するのか、今一度確かめます。いつもの 2-gram データから拗音全部を抜き出します。

10万字サンプルにおける 2-gram 頻度。

2007-06-22

10万字サンプルに登場する拗音

	出現数
うぇ	3
ヴぇ	1
きゃ	26
きゅ	69
きょ	156
ぎゃ	22
ぎょ	87
しゃ	292
しゅ	147
しょ	394
じぇ	1
じゃ	112
じゅ	101
じょ	206
ちぇ	3
ちゃ	90
ちゅ	74
ちょ	229
てぃ	6
でぃ	8
にゃ	1
にゅ	25
ひゃ	4
ひゅ	5
ひょ	243
びゅ	7
びょ	19
ぴゅ	7
ぴょ	3
ふぁ	8
ふぃ	4
ふぇ	19
ふぉ	9
みゅ	2
みょ	14
りゃ	7
りゅ	15
りょ	118
計	2,537

10万字サンプルの直拗比率

101,156−2,537×2＝10,156 101,156 −5,074＝96,082 ですから、10万字サンプルにおける直拗比率は直音96,082：拗音5,074≒19：1で、拗音は全体の5％未満であることが分かります。

10万字程度のサンプリングでは「ぎゅ」や「にょ」、「みゃ」が登場していなかったりして、文章毎の偏りを平準化しきれていないことも分かりますね。

あれ、96,082＋2,537＝98,619 で、蜂蜜小梅配列の名目打鍵数として公表している 98,630 と一致しません。こちらは近日中に計算を見直します。申し訳ありません。

19：1＝84：75

蜂蜜小梅配列は現在の 2.5.0 版で、カナに限って言えば、直音と捨て仮名単体を合わせた 84 字と、拗音 75 組 を定義しています。5％未満の頻度に75組ですから、拗音の配置は規則性が高くないと本当に覚えきれません。

蜂蜜小梅配列は誕生した時から、拗音を子音＋母音で入力する行段系的なアプローチを採り、徐々に抽象度を高めて現在の姿に至っています。当初から「親指キー同時シフト＋文字キー同時シフトのハイブリッド同時打鍵」を標榜してきましたが、

	シフト方式	入力方式
直音	親指キー同時シフト	カナ系
拗音	文字キー同時シフト	行段系

と、二重にハイブリッドだったのかと今さらながら思い当たりました。

2014-11-11 追記

中井悠詞さんからこの発言に対するコメントを、次の記事にいただきました。

蜂蜜小梅配列 2.5.6 版です（了）

2014-03-10

http://61degc.seesaa.net/article/273787748.html

「10万字サンプルの直拗比率」の計算式の一部が「10,156」になっているのと、「拗音5,074」は「拗音2,537」だと思います。拗音は2文字で1音なので。それと、ネット上で拗音の出現率が2％台という情報を見かけて気になりましたので。

数式中の「10,156」は「101,156」に訂正しました。ご指摘ありがとうございました。

さてと、この直拗比率の計算は、実は私も正解にたどり着くまで迷った記憶があります。数値の取り扱いで最も大切なことは、単位に気を配ること。単位が異なるデータ同士を掛け合わせても、意味のある答えにはたどり着けません。

そして、どう計算すればいいか迷った時は、指折り数えられるミニマムモデルで試してみると、視界がぱっと開けてきたりします。

試しに、「集中」1語の直拗比率を確かめてみましょう。「しゅうちゅう」を直拗分解すると拗「しゅ」＋直「う」＋拗「ちゅ」＋直「う」で、合計4モーラ・６字あります。

• モーラで数える → 直音2モーラ：拗音2モーラ＝直拗比率1：1
• 字数で数える → 直音2字：拗音4字＝直拗比率1：2

単位が違えば、計算方法とその結果も自ずと異なります。私は「10万モーラサンプル」ではなく「10万字サンプル」の直拗比率を求めているので、2,537モーラ×2字＝5,074字と字数ベースで計算しています。