!!!COCA: The Corpus of Contemporary American English
{{outline}}
----
https://www.english-corpora.org/coca/
!!概要
*約10億語
*1990年から2019まで30年×2,500万語以上ずつ
*8つのジャンル

+spoken
+fiction
+popular magazines
+newspapers
+academic texts
+TV and Movies subtitles (2020-)
+blogs (2020-)
+web pages (2020-)

!5つの調べ方
+上位6万語の頻度リスト
++語形
++品詞
++レンジ
++意味
++発音
+単語検索
++共起語
++トピック
++クラスター
++Webサイト
++コンコーダンス
++関連語
+英語文章とCOCAとの比較
+フレーズ・文字列検索
++品詞を指定可能
+ランダム検索
++「Words of the Day」


!!利用
!全部使うにはライセンスの購入が必要

!オンラインでのWeb利用

!データダウンロード

!!サンプル：890万語
https://www.corpusdata.org/coca/samples/coca-samples-text.zip
元データからランダムに、100分の一

!Word/lemma/PoS

!Linear text (ダウンロード20MBで、解凍後73MB)
+テキストIDに続き本文の英文を改行なしで。
+縮約形は分割：can't は ca n'tに
+句読点は、前後にスペース
+ファイルは8種
{{pre
text_acad.txt
text_fic.txt
text_news.txt
text_tvm.txt
text_blog.txt
text_mag.txt
text_spok.txt
text_web.txt
}}

*伏字は「 @ @ @ @ @ @ @ @ @ @ 」
*段落は <p>

!!サンプルを使っての分析例