#Mecabで内容語のみを抽出したい

###やりたいこと
mecabでの形態素解析結果のうち、内容語（名詞、動詞、形容詞）のみを配列に格納したいと考えています。
調べてみたところ、

http://kiyukuta.github.io/2013/09/05/mecab_wakati_content.html

こちらのサイトに書かれていたのですが、私は実装中のプログラムでは形態素解析に
MeCab.Tagger("-Ochasen")を用い、(-Owakati_content)を用いると辞書の
形式が変わってしまうため、その後の処理を行うことができなくなってしまいます。

以下に実装中のプログラムの記すのですが、
このプログラムに利用できる内容語のみに絞り込む方法を教えていただきたいです。

python
1#!/usr/bin/env python3
2# -*- coding: utf-8 -*-
3
4#トピックモデル(入力:指定したディレクトリ内の.txtファイル)
5
6import time
7import os
8import glob
9import MeCab
10from gensim import corpora, models
11
12#ディレクトリ指定
13input_dir = input('select directory:')
14
15t0 = time.time()
16
17txt_list = glob.glob(input_dir + os.sep + '*.txt')
18
19texts = ''
20for file in txt_list:
21    with open(file, 'r', encoding='utf-8') as f:
22        texts += f.read()
23
24f.close()
25
26#文字列を改行位置で区切って分割する（形態素解析）
27m = MeCab.Tagger ("-Ochasen")
28chunks = m.parse(texts).splitlines()
29
30#絞り結果を格納
31sels = []
32
33#絞り込み
34for chunk in chunks:
35    #chunk:形態素解析結果（１行の文字列）
36    #タブ(\t)で区切り、文字列リストを作成
37    cols = chunk.split('\t')
38    if len(cols) >= 4:
39        #parts[0]:品詞の種類
40        parts = cols[3].split('-')
41        #指定した品詞で始まっている場合　→　true
42        if parts[0].startswith('名詞') or parts[0].startswith('動詞'):
43            #sels:形態素(原形)のみの行列
44            sels.append(cols[2])
45
46#辞書作成
47dictionary = corpora.Dictionary([sels])
48
49"""
50no_below:出現回数no_below回以下の単語を排除
51no_above:全体のno_above以上に出現した単語を排除(no_above = 0.3 ➝ 30%)
52"""
53#辞書加工
54#dictionary.filter_extremes(no_below = 1,no_above = 0.3)
55
56
57#[辞書の単語数]次元のベクトルに変換(コーパス作成)
58corpus = [dictionary.doc2bow(sels) for sel in sels]
59
60t1 = time.time()
61
62#LDAモデルに投入
63lda = models.LdaModel(corpus = corpus,
64                      id2word = dictionary,
65                      #トピック数
66                      num_topics = 20)
67
68t2 = time.time()
69
70print(lda)
71
72#各トピックにおける各トークンの出現確率を係数で表示
73for topic in lda.show_topics(-1):
74    print(topic)
75
76"""
77#文書の推定トピック番号 , 推定の確信度を表示
78for topics_per_document in lda[corpus]:
79    print(topics_per_document)
80"""
81
82corpus_time = t1 - t0
83print('コーパス生成時間：%f秒'%corpus_time)
84
85lda_time = t2 -t1
86print('LDAモデル生成時間：%f秒'%lda_time)
87
88total_time = t2 - t0
89print('合計時間：%f秒'%total_time)

出力例

python
1select file(ex, ○○.txt):0.txt
2LdaModel(num_terms=147, num_topics=20, decay=0.5, chunksize=2000)
3(0, '0.060*"する" + 0.039*"俺" + 0.029*"ここ" + 0.025*"いる" + 0.024*"の" + 0.021*"ん" + 0.019*"すべて" + 0.016*"はず" + 0.015*"誰" + 0.014*"存在"')
4(1, '0.049*"俺" + 0.049*"する" + 0.032*"ここ" + 0.029*"いる" + 0.028*"の" + 0.022*"すべて" + 0.016*"否定" + 0.015*"肯定" + 0.014*"誰" + 0.014*"神様"')
5(2, '0.064*"する" + 0.061*"俺" + 0.029*"の" + 0.028*"いる" + 0.028*"ここ" + 0.022*"ん" + 0.017*"肯定" + 0.016*"否定" + 0.014*"はず" + 0.014*"すべて"')
6(3, '0.045*"俺" + 0.043*"する" + 0.033*"いる" + 0.032*"の" + 0.024*"ここ" + 0.020*"ん" + 0.018*"すべて" + 0.017*"肯定" + 0.017*"はず" + 0.015*"否定"')
7(4, '0.016*"する" + 0.015*"俺" + 0.012*"いる" + 0.011*"の" + 0.011*"ん" + 0.010*"すべて" + 0.009*"ここ" + 0.009*"はず" + 0.009*"言う" + 0.009*"否定"')
8(5, '0.045*"俺" + 0.043*"する" + 0.024*"ここ" + 0.023*"いる" + 0.022*"の" + 0.019*"言う" + 0.019*"肯定" + 0.018*"はず" + 0.017*"ん" + 0.017*"否定"')
9(6, '0.072*"する" + 0.051*"俺" + 0.037*"ここ" + 0.026*"いる" + 0.022*"の" + 0.017*"はず" + 0.015*"神" + 0.015*"すべて" + 0.014*"言う" + 0.014*"ん"')
10(7, '0.052*"俺" + 0.052*"する" + 0.033*"ここ" + 0.029*"の" + 0.022*"ん" + 0.019*"いる" + 0.018*"すべて" + 0.018*"はず" + 0.017*"神" + 0.015*"否定"')
11(8, '0.060*"する" + 0.044*"俺" + 0.035*"の" + 0.025*"ここ" + 0.024*"いる" + 0.020*"すべて" + 0.018*"はず" + 0.016*"否定" + 0.016*"ある" + 0.015*"神様"')
12(9, '0.020*"する" + 0.017*"俺" + 0.015*"ここ" + 0.014*"いる" + 0.013*"の" + 0.011*"ん" + 0.010*"肯定" + 0.009*"ある" + 0.009*"すべて" + 0.009*"言う"')
13(10, '0.054*"する" + 0.047*"俺" + 0.039*"ここ" + 0.029*"いる" + 0.021*"の" + 0.017*"肯定" + 0.017*"否定" + 0.017*"すべて" + 0.016*"ん" + 0.015*"はず"')
14(11, '0.060*"する" + 0.038*"俺" + 0.029*"いる" + 0.026*"の" + 0.025*"ここ" + 0.022*"すべて" + 0.022*"ん" + 0.018*"肯定" + 0.017*"はず" + 0.015*"誰"')
15(12, '0.043*"する" + 0.030*"俺" + 0.030*"いる" + 0.025*"の" + 0.024*"ここ" + 0.018*"すべて" + 0.017*"ん" + 0.014*"言う" + 0.013*"誰" + 0.013*"何"')
16(13, '0.059*"俺" + 0.043*"する" + 0.035*"ここ" + 0.028*"の" + 0.021*"いる" + 0.018*"ん" + 0.017*"はず" + 0.015*"神" + 0.015*"否定" + 0.014*"何"')
17(14, '0.049*"する" + 0.048*"俺" + 0.029*"ここ" + 0.027*"の" + 0.026*"いる" + 0.020*"ん" + 0.016*"はず" + 0.016*"すべて" + 0.015*"肯定" + 0.015*"否定"')
18(15, '0.025*"俺" + 0.022*"する" + 0.019*"の" + 0.017*"いる" + 0.013*"ここ" + 0.012*"肯定" + 0.012*"すべて" + 0.012*"神" + 0.012*"はず" + 0.011*"否定"')
19(16, '0.055*"俺" + 0.049*"する" + 0.033*"ここ" + 0.025*"の" + 0.025*"いる" + 0.019*"はず" + 0.018*"すべて" + 0.018*"ん" + 0.016*"否定" + 0.014*"誰"')
20(17, '0.056*"する" + 0.049*"俺" + 0.034*"ここ" + 0.031*"いる" + 0.025*"の" + 0.018*"ん" + 0.016*"否定" + 0.016*"はず" + 0.016*"肯定" + 0.015*"言う"')
21(18, '0.050*"する" + 0.034*"ここ" + 0.033*"俺" + 0.028*"いる" + 0.025*"すべて" + 0.022*"の" + 0.022*"ん" + 0.018*"言う" + 0.016*"こと" + 0.014*"はず"')
22(19, '0.046*"俺" + 0.034*"ここ" + 0.031*"する" + 0.025*"いる" + 0.023*"の" + 0.023*"ん" + 0.021*"すべて" + 0.018*"肯定" + 0.018*"はず" + 0.016*"言う"')
23コーパス生成時間：0.079735秒
24LDAモデル生成時間：5.059341秒
25合計時間：5.139076秒