[1] [[コーパスのタグセット]]各種のいくつかの[[要素]]には [DFN[[CODE[p]]]] [[要素]], [DFN[[CODE[block]]]] [[要素]]があります。 [2] [CODE[p]] [[要素]]は[[段落]]を表します。 原則として[[論理改行]]を段落末としますが、 [[箇条書き]]などそれが相応しくないときは人手により判定します。 [SRC[>>29 #page=7, >>32 #page=13]] [3] [CODE[block]] [[要素]]は[[段落]]と同位で、 [[段落]]とは認められないものを表します。 具体的には雑誌タイトル、 欄タイトル、 記事タイトル、 記事著者表示、 記事小見出しなどが該当します。 [SRC[>>29 #page=7, >>32 #page=13]] [4] [CODE[p]] は [[HTML]] と同名で、 [[HTML]] (あるいは他の [[SGML応用]]) の慣習に由来する[[要素名]]かもしれませんが、その[[意味]]は必ずしも同じとはいえません。 [5] [[HTML5]] 以来の定義では[[コーパス]]の [CODE[p]] や [CODE[block]] で表されるものが [[HTML]] の[[段落]]に当たると考えられます。 [[HTML5]] 以来の定義による [CODE[p]] は[[コーパス]]の [CODE[p]] とかなり近い意味を持つようにも思われます。 -*-*- [6] [CODE[rejectedBlock]] [[要素]]は[[漢文]]や[[外国語]]のような非[[日本語]]の[[段落]]の存在を表します。 [SRC[>>32 #page=15]] [7] この[[要素]]は[[空要素]]ですが、これは[[コーパス]]の設計上原文にあってもデータに含めないことにして、 その位置だけを記述したものだからです。[[要素名]]の rejected もそのような意味なのでしょう。 [8] [[漢文]]や[[外国語]]でも実際にデータ化されているものは [CODE[p]] や [CODE[block]] で記述でき、 [CODE[style=""][style (コーパス)]] でその種別を明示できます。 [9] [CODE[rejectedBlock]] には[[必須]]の [DFN[[CODE[type]]]] [[属性]]があって、 - [10] [DFN[[CODE[kanbun]]]]: [[漢文]] - [11] [DFN[[CODE[foreign]]]]: [[外国語]] を表します。 [SRC[>>32 #page=15]] [12] [CODE[style=""][style (コーパス)]] とはなぜか[[属性値]]が違うので要注意です。 [REFS[ - [29] [CITE[[L[『明六雑誌コーパス』の仕様]]]], [[近藤明日子]], [[田中牧郎]], [TIME[2023-11-26T08:07:49.000Z]] - [31] [CITE@ja[国立国語研究所学術情報リポジトリ]], [TIME[2023-11-26T08:12:17.000Z]] -- [32] [CITE[[L[『国民之友コーパス』解説書[BR[]]第1.1 版]]]], [[[L[近藤明日子]]]], [[[L[2014]]]], [CODE[kokumin_manual_v1_1.pdf]] ]REFS]