• Wisteria >
• キーボードを最適に >

かな出現頻度調査

目的| 調査方法| 結果| 考察| 解析スクリプト | 関連研究

目的

• 日本語ローマ字入力における子音・母音の出現頻度を知る。
• すでに類似の調査結果はあるが、母集団が新聞だったり教科書だったり小説だったり法律文だったりして全然あてにならない。自分の書いた文章を母集団として頻度解析を行いたい。

調査方法

• 母集団は2001年1月〜2003年4月の間に自分が送信したメールの本文。ただし引用部分、署名、自分の名前、所属団体名は除外する。解析対象 650 KB （英文含む）。
• kakasi でカナに逆変換し、出現度数をカウントする。
• 「や」「ゆ」「よ」は母音と見なし、8母音マトリクスで集計する。

結果

出現度数

パーセンテージ

考察

日本語入力の目的はほとんどがメール書きなので、この統計は私の利用実態にかなり近い。メール文らしい特徴も見られる。

• ア行では「い」「う」が桁違いに多い。
• ア行以外では a と o が多い。
• ヤ行／拗音の中では yo が多い。
• 濁音の中で「で」が頭ひとつ多いのは、「で」（助詞）のほかに「です」が頻出するから？
• 「にゅ」「りょ」が有意に多いけど、「入力」なんてそんなに書いたっけ？
• ザ行とダ行に注目！　ダ行は a, e, o が多く、ザ行は a, u, e, o が少ない。ちょうど山と谷が打ち消しあうので、次のように組み替えれば使用頻度の高い子音キーを1個にまとめることが可能。

  Z	だ 3744	じ 1872	ず 638	で 6291	ど 2371	じゃ 340	じゅ 391	じょ 690	計 14919
  D	ざ 629	ぢ 5	づ 121	ぜ 413	ぞ 322	ぢゃ 0	ぢゅ 2	ぢょ 1	計 2911

解析スクリプト

• kanafreq.rb

メールボックスから本文を抽出し、カナの出現度数を数える Ruby スクリプト。別途 KAKASI と TMail が必要。

関連研究

• キーボードによるかな入力効率の比較　（益山 さん）
• 文字，キーシーケンスなどの頻度調査　（西村 さん）