質問をすることでしか得られない、回答やアドバイスがある。

15分調べてもわからないことは、質問しよう!

新規登録して質問してみよう
ただいま回答率
86.02%
Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

Q&A

解決済

MeCabで形態素解析.カタカナを連続して取得したいが,分割されてしまいます、、、

maro
maro

総合スコア12

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。

2回答

0グッド

0クリップ

354閲覧

投稿2022/12/06 11:45

編集2022/12/06 12:55

前提

MeCabでのカタカナを連続して取得したい.

実現したいこと

  • MeCabを用いて,カタカナを途中で分割することなく,連続して取得したい.

発生している問題

例えば,ライトアップでは「ライト」「アップ」と解析されてしまう.
これを「ライトアップ」として取得したいのですが,辞書を改良するしかないのでしょうか.

試したこと

unidicやipadicで試しましたが,同じ結果になりました.

python

1import re 2import time 3import codecs 4import MeCab 5 6if __name__ == '__main__': 7 file = codecs.open("/content/dataset_kurashiki_spring_test.txt", 'r', 'utf-8') #ファイルを開いてファイルオブジェクトを取得(codecs.open()) 8 documents = [document.strip() for document in file] #strip()で空白文字を削除 9 file.close() 10 11 # number of documents 12 N = len(documents) 13 print(N) 14 15 segList = [] 16 for document in documents: 17 mecab = MeCab.Tagger() 18 #print(document) 19 mecab.parse('') 20 21 data = mecab.parse(document) 22 node = mecab.parseToNode(document) 23 #print(node) 24 25 while node: 26 if node.feature.split(",")[0] == u"名詞": 27 segList.append(node.surface) 28 29 node = node.next 30 print(segList)

以下のような質問にはグッドを送りましょう

  • 質問内容が明確
  • 自分も答えを知りたい
  • 質問者以外のユーザにも役立つ

グッドが多くついた質問は、TOPページの「注目」タブのフィードに表示されやすくなります。

気になる質問をクリップする

クリップした質問は、後からいつでもマイページで確認できます。

またクリップした質問に回答があった際、通知やメールを受け取ることができます。

下記のような質問は推奨されていません。

  • 間違っている
  • 質問になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

適切な質問に修正を依頼しましょう。

回答2

1

mecab-ipadic-NEologdなら分割されませんでした

% mecab -D filename: /opt/homebrew/lib/mecab/dic/mecab-ipadic-neologd/sys.dic % echo 'ライトアップ' | mecab ライトアップ 名詞,一般,*,*,*,*,ライトアップ,ライトアップ,ライトアップ EOS

投稿2022/12/06 12:04

technocore

総合スコア7124

quickquip👍を押しています

良いと思った回答にはグッドを送りましょう。
グッドが多くついた回答ほどページの上位に表示されるので、他の人が素晴らしい回答を見つけやすくなります。

下記のような回答は推奨されていません。

  • 間違っている回答
  • 質問の回答になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

このような回答には修正を依頼しましょう。

回答へのコメント

maro

2022/12/06 12:52

ご指摘いただいた通り,mecab-ipadic-NEologdの辞書を用いたのですが,上手くいきませんでした. コードに何か問題があるのでしょうか.

0

ベストアンサー

辞書をどうにかするしかありません。

カタカナの連結を常に1単語にするなら辞書のunk.defで連結コストを0にして辞書をビルドするという手もあります。

KATAKANA,1285,1285,9461,名詞,一般,*,*,*,*,* ↓ KATAKANA,1285,1285,0,名詞,一般,*,*,*,*,*↲

参考
https://taku910.github.io/mecab/learn.html
http://blog.mwsoft.jp/article/40647298.html

投稿2022/12/06 12:47

編集2022/12/07 02:36
quickquip

総合スコア10432

良いと思った回答にはグッドを送りましょう。
グッドが多くついた回答ほどページの上位に表示されるので、他の人が素晴らしい回答を見つけやすくなります。

下記のような回答は推奨されていません。

  • 間違っている回答
  • 質問の回答になっていない投稿
  • スパムや攻撃的な表現を用いた投稿

このような回答には修正を依頼しましょう。

回答へのコメント

maro

2022/12/15 08:20

解決しました!!ありがとうございます!!

15分調べてもわからないことは
teratailで質問しよう!

ただいまの回答率
86.02%

質問をまとめることで
思考を整理して素早く解決

テンプレート機能で
簡単に質問をまとめる

質問する

関連した質問

同じタグがついた質問を見る

Python 3.x

Python 3はPythonプログラミング言語の最新バージョンであり、2008年12月3日にリリースされました。

Mecab

Mecabは、オープンソースの形態素解析エンジンです。 言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 Mecabの由来は、開発者の好物である和布蕪(めかぶ)から名づけられました。