MeCab 英語ユーザ登録

Question

2単語以上の英語の固有名詞をユーザ辞書に登録して使用したいです。

deep learning,,,1,名詞,一般,,,,,,,ユーザ辞書

上記のように記載し、コンパイルして使用しています。

tagger = MeCab.Tagger(r"-d/dic/")
print(tagger.parse("deep learning"))

deep learning 名詞,一般,,,,,,,ユーザ辞書

となるので、辞書の認識はできていると考えますが、

tagger = MeCab.Tagger(r"-d/dic/")
print(tagger.parse("deep learning").split())

['deep', 'learning', '名詞,一般,,,,,,,ユーザ辞書', 'EOS']

となり、「deep」と「learning」が分離されてしまいます。

アドバイスを頂けますと幸いです。

Answer 1

単語とそれ以降はタブ文字で区切られているので.split('\t')すればよいです。
ただ.parseの返す結果は複数行の単なる文字列でありEOSなども含まれるため、.parseToNodeをつかったほうがよいと思います。

import MeCab

text = 'deep learning'

t = MeCab.Tagger()
ret = t.parse(text)
ret = ret.split('\t')
print(ret) # ['deep learning', '名詞,一般,*,*,*,*,メロンパン,メロンパン,メロンパン,ユーザー辞書\nEOS\n']

node = t.parseToNode(text)
while node:
    surf = node.surface
    feat = node.feature.split(',')
    if feat[0] != 'BOS/EOS':
        print(surf) # deep learning
        print(feat) # ['名詞', '一般', '*', '*', '*', '*', 'メロンパン', 'メロンパン', 'メロンパン', 'ユーザー辞書']

    node = node.next

Comments

[_og_]

早急な回答ありがとうございました！