ありおりはべりいまそがり とは。 【牧場物語3つの里の大切な友だち】恐怖! 深夜の町を散策してみた

わたしのブログ by barna7

ありおりはべりいまそがり とは

基本の状態動詞 日本語の動詞の殆どは変化動詞です。 状態を表すものではありません。 状態を表す動詞としては• いる があります。 おる も使われますが、若干古い言葉という感じもします。 古文だと• あり、おり、はべり、いまそがり です。 変化動詞の状態表現 変化動詞の状態表現には、「て」を付加した上、 状態動詞「ある」「いる」あるいは その省略表現である「る」を付加します。 例えば• 「持つ」の状態表現は「持っている(持ってる)」• 「食べる」の状態表現は「食べている(食べてる)」 となります。 そして、• 「知る」の状態表現は「知っている(知ってる)」 です。 変化動詞の状態表現の否定形 さて、状態表現の否定形はどうでしょう?• ところが、• 自然な表現では• 「知る」は半状態語である 「知る」は変化動詞なのですが、その形態的否定語• 「知らない」は変化の否定語ではなく、否定状態を表す語 となっているのです。 つまり• 日本語の状態動詞は「ある」「いる」「知らない(否定形のみ 」 があると言えるのです。 「知る」は単体では変化語ですが、その否定「知らない」「知りません」 が「状態語」となる「半状態動詞」なのです。 否定語の時制に関する考察が にも書かれています。 #「知らない」が特殊化した理由 「知らない」が特殊である理由の一つは「知る」という変化が 認識しづらいということがあると思います。 意識的動作と見なし難いこともあります。 「覚える」というのは 「作業」ですが「知る」というのは「作業」とは言いづらい面 があります。 「覚える」ことは否定できても「知る」ことは否定が難しい のです。 「知る?」などという現在形疑問が考え難いというのもそもそも "知る"という概念がかなり特殊なものであることを示しています。 「知らない」は頻度が低いため古い言い方が残った。 例えば 「君知るや南の国・・」という表現では「知る」は状態を 表す言葉です。 # 状態活用(現在進行形連体活用 状態語でない語でも、体言に結びつく場合、現在進行状態 を表す活用ができる場合があります。 例えば• 眠れる森の美女• 迷える子羊 などです。 これらに関する考察を に置きました。 英語ではknowそのものが「特殊」な状態語となっています。 他の言語ではどうなのか興味が沸きます。 ### 余談 タイトルが「ある、いる、知らない」でなくて「あり、おり、知らない」 となっているのはもちろん「あり、おり、はべり、いまそがり」を 連想してもらうためです。 ちょっとわざとらしすぎるかも知れません。 ### ところで 「あり、おり、はべり、いまそがり」というのは妙に語呂が良くて 気にいってるんですが、 「いまそがる」って本当に普通の言葉として使われていたんでしょうか? あんまり見たことが無いように思います。 」というフレーズが有ったような 気もしますが、当時としても特殊な言葉だったとか、 ある特定の著者しか使ったことのない言葉だとかって ことはないのでしょうか? あるいは"流行語"のように一時期のみ使われた 言葉だった。

次の

ありをりはべり

ありおりはべりいまそがり とは

あと、覚えてるトガシ先生のことばは、 「人間というのは、 人の間に生きてるから、人間なんだ」 スナオなあたしはスナオに 感動したものです、このことばに。 女とはこうあるべしと考えるとき、 つねにお手本はオキタ先生の、 あのタンカと、 大股開きの白いパンツでした。 高校生になってすぐ、 その家庭科の先生は「直立カバ」と 呼ばれていると知ったとき、 高校生とは、うまいあだ名を つけるものだな、と中学生あがりの 新高校生は、感心したものであります。 受けた恩は、そのまま、 だれかに返せばいいと思うんです。 そうしてあたしはあたしより 年下のだれかれに、コト先生に してもらったほどではないが、 親切なことをしてきました。 あのころ、先生がいた。 伊藤比呂美 「ありおりはべり、いまそがり」。 高校時代を思い起こすとき、 呪文のようなこの言葉が浮かびます。 たぶん、古文のなにかだったと思うのですが、 この言葉を、黒板の前で、 不機嫌きわまる顔でとなえていた 年配の先生の顔も同時に思い出しつつ、 「はて、これってなんのことだっけ?」 と意味不明な思いに頭をひねります。 この本の、扉に登場する16人の先生を、 じっとごらんください。 どうですか? あなたの知っている先生に、 どこか似てはいませんか? 打ち合わせの喫茶店で、 伊藤比呂美さんの口から、 家庭科の「直立カバ」先生の名が出たとき、 私の脳裏にはまざまざと、 高校の時の漢文の先生の姿が浮かびました。 国語の「トガシ先生」は、 社会科の「ウルトラマン」に何から何までそっくりで、 「オメガ」は、私の中では「ガっちゃん」です。 熱血ではないけれども、 それから、生徒みんなから、 必ずしも好かれていたわけではないけれども、 でも、子どもにとっての「身近な大人」として、 忘れがたいなにがしかを残していった人が つづられています。 リアルタイムで「学校の生徒」をやっていた昔、 「学校の先生」にいつも、 「理想の大人」「完璧な大人」を求めては、 やれ、この先生は好き。 あの先生は嫌い。 嫌いな先生はどーして、あんなにイヤなんだろう。 と、キリキリ、さわがしくやっておりました。 でも、「学校の先生」ってべつに、全部がぜんぶ、 「理想の、完璧な大人」でなくたってよかったみたい。 (もちろん、悪いことしてつかまったり、 意味なく人を傷つける人だったらすごく困るけど) ヘンな髪型をしていた担任が、いつも平気で 生徒から笑われていた、その「平気」っぷりが、 大人になって、なんの脈絡もなくふとよみがえり、 やけに気持ちを謙虚に正されることがある。 あるいは、誰も聞いちゃいなかった授業で、 新米先生が絶叫せんばかりに説明していた 江戸城開城の話を、昨日のことのように鮮やかに 覚えている、ということもあります。 「そうそう、 当時はわかんなくても、たしかに、 子どもだったあなたの中に種をまいて、 大人になってから気づかせてくれる、 先生って、そういう存在でもあるんです」。 ページをめくるたび、 伊藤さんがそう言っている声が聞こえます。 「ありおりはべり、いまそがり」。 あの古文の先生はいつも、 不機嫌で恐ろしげな顔で、授業といえば このうえなくぴりぴりと苦痛な時間でしたが、 この意味不明な言葉のぶんだけ、私の世界を、 たしかに広げてくれたのでした。 (編集担当・坂本裕美) 2008-06-05-THU.

次の

ありをりはべり

ありおりはべりいまそがり とは

前回はリスト内包表記とを使って新しい思考エンジンを作りました。 しかし依然として辞書はユーザーが手作業で作らなければならず、チャットをしても新しい発見があるとは思えません。 今回は Dictionaryに学習機能を組み込みます。 的にはファイルへの書き込みと、ライブラリを使ってみます。 真・オウム返し 学習と一口に言ってもいろいろな方法があります。 そのうちもっとも基本的なものとして、「聞いた言葉をそのまま返す」というものがあります。 ユーザーが発言するたびに、その発言をランダム辞書へ追加していくというアプローチにしましょう。 会話すればするほどデータが増えるので、賢くなるかどうかはわかりませんが、語彙は増えるはずです。 まずは Dictionaryクラスに studyメソッドと saveメソッドを追加しましょう。 class Dictionary:... def study self, text : """ユーザーの発言textをメモリに保存する。 すでに同じ発言があった場合は何もしない。 """ if not text in self. append text def save self : """メモリ上の辞書をファイルに保存する。 """ with open Dictionary. join self. ファイルへの書き込みを表す引数で、ファイルが無ければ作成し、存在すれば書き込み前に中身をクリアします。 writeは文字列をファイルへ書き込むメソッドです。 join self. random というのは、 self. join [ 'ありおり', 'はべり', 'いまそがり'] 'ありおり はべり いまそがり' Unmoクラスに反映させましょう。 from random import choice, randrange... class Unmo:... def dialogue self, text : """ユーザーからの入力を受け取り、Responderに処理させた結果を返す。 呼び出されるたびにランダムでResponderを切り替える。 入力をDictionaryに学習させる。 response text self. study text return response def save self : """Dictionaryへの保存を行う。 """ self. save dialogueメソッドでは、まず0から100の範囲で乱数を取得します。 その乱数が0から59の間である場合は PatternResponderに、60から89の間であれば RandomResponder、それ以外であれば WhatResponderという条件分岐を行っています。 Dictionaryオブジェクトへの学習はユーザーの入力があるたびに行いますが、Responderの response呼び出しの前に学習させてしまうと、覚えたばかりの発言を返してくる可能性があります。 それを避けるため、一旦 responseに応答を保存してから学習させています。 saveメソッドは Dictionaryクラスの saveを呼び出すだけのつなぎ役です。 学習はメモリ上で行うので速いのですが、ファイルへの保存を発言のたびに行っていたのではファイルIOオーバーヘッドが発生し、辞書ファイルが巨大になればなるほど動作が重くなってしまいます。 そこでからプログラムの終了を検知したときに saveを呼び出すようにしたいわけです。 とはいえ、 main. pyから proto. save と呼び出すのは長くなりますし、 Unmoクラスの仕様が変わったときに困ります。 proto. save と呼び出したほうが自然に見えますね。 というわけで main. pyはこんな感じです。 save 追加 これでプログラム終了時に自動保存してくれるようになりました。 文章をまるごと覚えるのでは個性がありませんので、して学習させてみたいですね。 というのは 「意味を持つことができる最小単位の単語」で、「あたしはプログラムの女の子です」という文章は次のようなに分解できます。 あたし 名詞 は 助詞 プログラム 名詞 の 助詞 女の子 名詞 です 助動詞 この学習を活用して、パターン辞書に保存することにしましょう。 フォーマットはこんな感じ。 あたし あたしはプログラムの女の子です プログラム あたしはプログラムの女の子です 女の子 あたしはプログラムの女の子です これでまた 「プログラムの女の子って性別あるのかな」といった発言をすると、 あたし あたしはプログラムの女の子です プログラム あたしはプログラムの女の子です プログラムの女の子って性別あるのかな 女の子 あたしはプログラムの女の子です プログラムの女の子って性別あるのかな 性別 プログラムの女の子って性別あるのかな といった感じで、関連キーワードごとにどんどん辞書が膨らんでいきます。 予想外の返事を求めるアプローチとしては中々のものですね。 でを行うには janomeというパッケージを使うと簡単です。 pip経由でインストールできます。 pip install janome ちょっと試してみましょう。 シェルを開きます。 学習するパターンの選別 を行い、 [ 表層形, 品詞 ]の形にして返すメソッド analyzeを実装しましょう。 tokenizeメソッドで得られる情報は多岐に渡るので、必要な情報のみ抜き出します。 x,y という形式はタプルといい、いわば変更不可能なリストです。 リストよりも動作速度に優れ、また中身を変えたくない場合に用いられます。 dictionary. pyを見てみましょう。 import re from janome. tokenizer import Tokenizer まずはファイルの先頭で reと janomeをインポートしています。 reは学習するパターン()の品詞判定に使います。 名詞はともかく、「は」や「です」といった助詞まで辞書に記録していると、逆に脈絡が無くなりそうです。 そこで今回は名詞のみ、それも『一般』『固有名詞』『サ変接続』『形容動詞語幹』に分類される名詞のみを学習させることにします(『三』などの漢数字が『名詞・数』として認識されるため)。 staticmethod def analyze text : """文字列textを形態素解析し、[ surface, parts ]の形にして返す。 """ return [ t. surface, t. TOKENIZER. format pattern[ 'pattern'], ' '. """ return bool re. r''という文字列はケープシーケンスを無視します。 boolで囲んでいるのは、戻り値を True, Falseのどちらかにするためです。 analyzeメソッドは文字列を受け取り、を[ 表層形, 品詞 ]の形にして返します。 実行すると以下のような結果が得られます。 肝心の学習メソッドについて見ていきましょう。 class Dictionary:... def study self, text : """ランダム辞書、パターン辞書をメモリに保存する。 """ self. すでに同じ発言があった場合は何もしない。 """ if not text in self. """ for word, part in parts: if self. append text else: self. そのうちする必要がありそうです。 nextという見慣れないものがありますが、これは ジェネレータに関連するものなので深くは触れません。 「 self. する際にはメソッドを分けたほうがいいかもしれませんね。 動作確認 では、ちゃんと学習してくれるのでしょうか。 今回はというほどではないですが、からのテキストデータをダウンロードして、まとめて学習させてみました。 元がギャグ小説だけに、さぞかし面白い会話になるに違いない……そう思っていた時期が私にもありました。 違う、そうじゃない いやな感じの語りを入れられました。 どうしてこうなった……。 とはいえパターン辞書の自動学習により、手作業で辞書を保存するよりも鋭い切り返しが見られるようになりました。 今回のように小説をまるごと読ませなくても、感覚でチャットしているだけで充分成長しているのがわかります。 ぜひ育ててあげてください。 また、コードが長くなってきたのでからダウンロードしておくことをお勧めします。 次回の課題 また新しい学習方法として テンプレートについて考えてみます。 まずは Dictionaryクラスの改善に始まり、余裕があれば新しいResponderを作っていきましょう。 sandmark.

次の