翻訳者が特定の表現の使用頻度を調べたり、言語学の研究者が特定の言葉の使用例を確認したり。
この類の判断で根拠になることが多いものとして、Googleのヒット数があります。
もちろん、１ページ目に出てくるヒット数が全然あてにならないことは、わりと知られています。
Googleなら検索結果のページを1ページずつ繰るか、次の手順で最終ページまでダイレクトジャンプすることで、そこそこ実数を把握できました。
１．検索結果の下にあるGooooooooogleというところで、2ページ目に進みます。
２．ブラウザに表示されたURLの末尾を見てください。最後に、
&start=10
と書かれていると思います。
３．この10を990に直して、Enterキーを押します。
ところが最近は、こうした方法も、ほとんど機能しなくなってきています。
どう考えても検索結果の表示最大件数である990件より多そうな語でも、そこまでいく前にカットされたり、あるいは「ストップワード」が導入されたのではないかと思うようなヒット数になったり。
おそらく、データベースに蓄積されたコンテンツの量が、かなり増えてきているのでしょう。
Googleがそうだと断言するわけではないのですが、検索エンジンの開発・運営側では、「ヒット数は二の次」にしていることが多いと思います。
私もかつて「英日対訳 物質名データベース」や「国際特許分類の対訳検索」など、自宅のサーバー上でいくつかの全文検索エンジンを運営していたので、そうしたくなる気持ちは何となくわかります。
開発側として最も優先するのは、「いかに最適な結果を返すか」。
これが、最優先です。Googleでいえば、中身ですね。
いくらコンピューターの性能があがったからといって、膨大なインデックスを正確にカウントしようとすると、どうしても速度が犠牲になります。
瞬時に結果を返すには、どうしたところで、ある程度は概算値にせざるを得ないということです。
そしてそれは、たとえ巨人Googleといえども、同じではないかなと。
蓄積されるデータの量が多くなればなるほど、ヒット数を適当な「概算」にせざるを得ないとしても、少しも不思議はありません。
ヒット数のカウントも、きちんとしようとするとサーバーの負荷にもなりますし、しないですむならしたくないのが本音でしょう。たぶん。
・・・でも、よいと思うのです。それで。
検索エンジンは本来、最適なコンテンツを返すためのものであって、正確なヒット数を教えるものではないですし。
人々の検索の仕方を調査した結果によると、最初の１ページ目だけしか見ない人が相当数でいるらしく、いってせいぜい４～５ページ目まで。
ということは、検索エンジン側からしてみれば、10ページ以降なんて「どうでもいい（笑）」ようなもの。
ユーザーの私たちが勝手に、「数を知るための道具」として「も」使ってきただけ、なんですよね。
おそらく、Googleを表現の使用頻度の調査に使える時代は、そろそろ終わり。
以前からときどきコーパスを紹介していますが、少なくとも私たち翻訳者はそろそろ本格的にコーパスに移行してもよい頃なのかもしれません。
・小学館コーパスネットワーク （有料／無料）
・The Open American National Corpus
・The Corpus of Contemporary American English (COCA)
・The British National Corpus (BNC) ※COCAとインタフェースはそっくりですが別コーパス。
・コーパス開発センター （国立国語研究所など）
