質問編集履歴
2
誤字
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -11,585 +11,3 @@
|
|
|
11
11
|
そこで接続詞が来たら、その前の文を見て要約文として抽出されていたら接続詞を取り除かないという処理をしたいです。
|
|
12
12
|
|
|
13
13
|
どうかご教授お願いします。
|
|
14
|
-
|
|
15
|
-
``#!/usr/bin/perl
|
|
16
|
-
|
|
17
|
-
|
|
18
|
-
|
|
19
|
-
use strict;
|
|
20
|
-
|
|
21
|
-
use warnings;
|
|
22
|
-
|
|
23
|
-
use Encode qw(decode);
|
|
24
|
-
|
|
25
|
-
|
|
26
|
-
|
|
27
|
-
#変数宣言
|
|
28
|
-
|
|
29
|
-
my $mecab_file = $ARGV[0].".mecab";
|
|
30
|
-
|
|
31
|
-
|
|
32
|
-
|
|
33
|
-
my $df_file = $ARGV[0].".df";
|
|
34
|
-
|
|
35
|
-
|
|
36
|
-
|
|
37
|
-
|
|
38
|
-
|
|
39
|
-
my @line = ();#mecabの行
|
|
40
|
-
|
|
41
|
-
|
|
42
|
-
|
|
43
|
-
|
|
44
|
-
|
|
45
|
-
my $i = 0;
|
|
46
|
-
|
|
47
|
-
|
|
48
|
-
|
|
49
|
-
my @mecab_data = ();#mecabのデータ
|
|
50
|
-
|
|
51
|
-
|
|
52
|
-
|
|
53
|
-
my @mecab_char = ();#文字
|
|
54
|
-
|
|
55
|
-
|
|
56
|
-
|
|
57
|
-
my @mecab_prot = ();#原型
|
|
58
|
-
|
|
59
|
-
|
|
60
|
-
|
|
61
|
-
my @mecab_hinshi = ();#品詞
|
|
62
|
-
|
|
63
|
-
|
|
64
|
-
|
|
65
|
-
|
|
66
|
-
|
|
67
|
-
my @df_line = ();#dfの行
|
|
68
|
-
|
|
69
|
-
|
|
70
|
-
|
|
71
|
-
my @df_data = ();
|
|
72
|
-
|
|
73
|
-
|
|
74
|
-
|
|
75
|
-
my @df_char = ();#文字
|
|
76
|
-
|
|
77
|
-
|
|
78
|
-
|
|
79
|
-
my @df_hinshi = ();#品詞
|
|
80
|
-
|
|
81
|
-
|
|
82
|
-
|
|
83
|
-
my @df_tf = ();#tf
|
|
84
|
-
|
|
85
|
-
|
|
86
|
-
|
|
87
|
-
my @df_df = ();#df
|
|
88
|
-
|
|
89
|
-
|
|
90
|
-
|
|
91
|
-
my $a = 0;
|
|
92
|
-
|
|
93
|
-
|
|
94
|
-
|
|
95
|
-
my $b = 0;
|
|
96
|
-
|
|
97
|
-
|
|
98
|
-
|
|
99
|
-
my $j = 0;
|
|
100
|
-
|
|
101
|
-
|
|
102
|
-
|
|
103
|
-
my $k = 0;
|
|
104
|
-
|
|
105
|
-
|
|
106
|
-
|
|
107
|
-
my @tf_idf = ();
|
|
108
|
-
|
|
109
|
-
|
|
110
|
-
|
|
111
|
-
my $N = 34644;
|
|
112
|
-
|
|
113
|
-
|
|
114
|
-
|
|
115
|
-
my $alllength = 0;
|
|
116
|
-
|
|
117
|
-
|
|
118
|
-
|
|
119
|
-
my @length = ();
|
|
120
|
-
|
|
121
|
-
|
|
122
|
-
|
|
123
|
-
my @sentence = ();
|
|
124
|
-
|
|
125
|
-
|
|
126
|
-
|
|
127
|
-
my @sum = ();
|
|
128
|
-
|
|
129
|
-
|
|
130
|
-
|
|
131
|
-
my $max = 0;
|
|
132
|
-
|
|
133
|
-
|
|
134
|
-
|
|
135
|
-
my $number = 0;
|
|
136
|
-
|
|
137
|
-
|
|
138
|
-
|
|
139
|
-
my $count = 0;
|
|
140
|
-
|
|
141
|
-
|
|
142
|
-
|
|
143
|
-
my @all_sentence = ();
|
|
144
|
-
|
|
145
|
-
|
|
146
|
-
|
|
147
|
-
my $percent = $ARGV[1]/100;
|
|
148
|
-
|
|
149
|
-
|
|
150
|
-
|
|
151
|
-
|
|
152
|
-
|
|
153
|
-
|
|
154
|
-
|
|
155
|
-
if($ARGV[1]>100){
|
|
156
|
-
|
|
157
|
-
die "要約率を100以下にしてください\n";
|
|
158
|
-
|
|
159
|
-
|
|
160
|
-
|
|
161
|
-
}
|
|
162
|
-
|
|
163
|
-
|
|
164
|
-
|
|
165
|
-
elsif($ARGV[1]<0){
|
|
166
|
-
|
|
167
|
-
|
|
168
|
-
|
|
169
|
-
die "要約率を0以上にしてください\n";
|
|
170
|
-
|
|
171
|
-
|
|
172
|
-
|
|
173
|
-
}
|
|
174
|
-
|
|
175
|
-
|
|
176
|
-
|
|
177
|
-
|
|
178
|
-
|
|
179
|
-
open(FP,$mecab_file) || die "can't open $mecab_file\n"; #ファイルをファイルハンドルであるFPへ読み込む
|
|
180
|
-
|
|
181
|
-
|
|
182
|
-
|
|
183
|
-
@line = <FP>; #読み込んだファイルを配列lineにセット
|
|
184
|
-
|
|
185
|
-
|
|
186
|
-
|
|
187
|
-
|
|
188
|
-
|
|
189
|
-
for($i=0; $i<=$#line; $i++) { #$#lineは配列の最後を表す
|
|
190
|
-
|
|
191
|
-
|
|
192
|
-
|
|
193
|
-
chomp(@line); #改行コード削除
|
|
194
|
-
|
|
195
|
-
|
|
196
|
-
|
|
197
|
-
if($line[$i] ne "EOS") {#lineがEOSじゃなかったら
|
|
198
|
-
|
|
199
|
-
|
|
200
|
-
|
|
201
|
-
@mecab_data = split(/\t/,$line[$i]); #mecabのデータをsplitでタグの部分で文字・原型・品詞に分割し@mecab_dataに順番に格納していく
|
|
202
|
-
|
|
203
|
-
|
|
204
|
-
|
|
205
|
-
|
|
206
|
-
|
|
207
|
-
$mecab_char[$i] = $mecab_data[0]; #さっき格納された文字、原型、品詞をそれぞれの配列に移していく。
|
|
208
|
-
|
|
209
|
-
|
|
210
|
-
|
|
211
|
-
$mecab_prot[$i] = $mecab_data[1];
|
|
212
|
-
|
|
213
|
-
|
|
214
|
-
|
|
215
|
-
$mecab_hinshi[$i] = $mecab_data[2];
|
|
216
|
-
|
|
217
|
-
|
|
218
|
-
|
|
219
|
-
}
|
|
220
|
-
|
|
221
|
-
|
|
222
|
-
|
|
223
|
-
else { #それ以外の時は空の配列になってしまうのでちゃんと埋める
|
|
224
|
-
|
|
225
|
-
|
|
226
|
-
|
|
227
|
-
$mecab_char[$i] = "EOS";
|
|
228
|
-
|
|
229
|
-
|
|
230
|
-
|
|
231
|
-
$mecab_prot[$i] = 0;
|
|
232
|
-
|
|
233
|
-
|
|
234
|
-
|
|
235
|
-
$mecab_hinshi[$i] = 0;
|
|
236
|
-
|
|
237
|
-
|
|
238
|
-
|
|
239
|
-
}
|
|
240
|
-
|
|
241
|
-
}
|
|
242
|
-
|
|
243
|
-
close(FP);
|
|
244
|
-
|
|
245
|
-
|
|
246
|
-
|
|
247
|
-
open(DF,$df_file) || die "can't open $df_file\n";#ファイルをファイルハンドルであるDFへ読み込む
|
|
248
|
-
|
|
249
|
-
|
|
250
|
-
|
|
251
|
-
@df_line = <DF>;#読み込んだファイルを配列df_lineにセット
|
|
252
|
-
|
|
253
|
-
|
|
254
|
-
|
|
255
|
-
for($i=0; $i<=$#df_line; $i++) {#df_lineは配列の最後を示す。配列の最後までループ
|
|
256
|
-
|
|
257
|
-
|
|
258
|
-
|
|
259
|
-
chomp(@df_line);#改行コードの削除
|
|
260
|
-
|
|
261
|
-
|
|
262
|
-
|
|
263
|
-
@df_data = split(/\t/,$df_line[$i]);#splitで分割しdf_dataへ入れていく
|
|
264
|
-
|
|
265
|
-
|
|
266
|
-
|
|
267
|
-
|
|
268
|
-
|
|
269
|
-
$df_char[$i] = $df_data[0];
|
|
270
|
-
|
|
271
|
-
|
|
272
|
-
|
|
273
|
-
$df_hinshi[$i] = $df_data[1];
|
|
274
|
-
|
|
275
|
-
|
|
276
|
-
|
|
277
|
-
$df_tf[$i] = $df_data[2];
|
|
278
|
-
|
|
279
|
-
|
|
280
|
-
|
|
281
|
-
$df_df[$i] = $df_data[3];
|
|
282
|
-
|
|
283
|
-
|
|
284
|
-
|
|
285
|
-
|
|
286
|
-
|
|
287
|
-
|
|
288
|
-
|
|
289
|
-
}
|
|
290
|
-
|
|
291
|
-
close(DF);
|
|
292
|
-
|
|
293
|
-
|
|
294
|
-
|
|
295
|
-
|
|
296
|
-
|
|
297
|
-
for($i = 0, $a = 0, $b = 0; $i<=$#mecab_char; $i++) {
|
|
298
|
-
|
|
299
|
-
|
|
300
|
-
|
|
301
|
-
if($mecab_char[$i] ne "EOS") { #EOSでないときmecabとdfの単語を比較する
|
|
302
|
-
|
|
303
|
-
|
|
304
|
-
|
|
305
|
-
if($mecab_hinshi[$i]=~"^名詞" || $mecab_hinshi[$i]=~"^動詞" || $mecab_hinshi[$i]=~"^形容詞" || $mecab_hinshi[$i]=~"^形容動詞") {
|
|
306
|
-
|
|
307
|
-
#名詞、動詞、形容詞、形容動詞の時に次の処理へ移行
|
|
308
|
-
|
|
309
|
-
|
|
310
|
-
|
|
311
|
-
for($j=0; $j <= $#df_char; $j++) {#単語と品詞の比較
|
|
312
|
-
|
|
313
|
-
|
|
314
|
-
|
|
315
|
-
if($mecab_prot[$i] eq $df_char[$j] && $mecab_hinshi[$i] eq $df_hinshi[$j]){
|
|
316
|
-
|
|
317
|
-
|
|
318
|
-
|
|
319
|
-
$tf_idf[$k] = $df_tf[$j]*(log($N/($df_df[$j]+1))+1);#単語の重要度を計算
|
|
320
|
-
|
|
321
|
-
|
|
322
|
-
|
|
323
|
-
|
|
324
|
-
|
|
325
|
-
if($mecab_hinshi[$i] =~ "固有名詞"){
|
|
326
|
-
|
|
327
|
-
|
|
328
|
-
|
|
329
|
-
$tf_idf[$k] = 2*$tf_idf[$k];#2倍にしたのはなぜか？なんで2倍にしようと考えたのか。
|
|
330
|
-
|
|
331
|
-
#固有名詞の重要度を2倍にすることで要約の正確さを高める
|
|
332
|
-
|
|
333
|
-
|
|
334
|
-
|
|
335
|
-
}
|
|
336
|
-
|
|
337
|
-
|
|
338
|
-
|
|
339
|
-
$k++;#次へ行くためにkをインクリメント
|
|
340
|
-
|
|
341
|
-
}
|
|
342
|
-
|
|
343
|
-
}
|
|
344
|
-
|
|
345
|
-
}
|
|
346
|
-
|
|
347
|
-
|
|
348
|
-
|
|
349
|
-
|
|
350
|
-
|
|
351
|
-
#接続詞を取り除くときに、前の文が選ばれているなら接続詞を取り除かない#選ばれているかどうかの判定が必要
|
|
352
|
-
|
|
353
|
-
if($ARGV[1] != 100){
|
|
354
|
-
|
|
355
|
-
if($mecab_char[$i] eq "（"){#()の部分を取り除く
|
|
356
|
-
|
|
357
|
-
|
|
358
|
-
|
|
359
|
-
for(; $mecab_char[$i-1] ne "）"; $i++){
|
|
360
|
-
|
|
361
|
-
#;で初期値を与えている。
|
|
362
|
-
|
|
363
|
-
|
|
364
|
-
|
|
365
|
-
$alllength+=length(decode('utf-8',$mecab_char[$i-1]));
|
|
366
|
-
|
|
367
|
-
#decodeでutf-8を使いperlに対して文字列として認識させ、length関数に渡して文字数を返してもらう
|
|
368
|
-
|
|
369
|
-
#除いた分を全体の文字数にカウント
|
|
370
|
-
|
|
371
|
-
|
|
372
|
-
|
|
373
|
-
}
|
|
374
|
-
|
|
375
|
-
|
|
376
|
-
|
|
377
|
-
}
|
|
378
|
-
|
|
379
|
-
|
|
380
|
-
|
|
381
|
-
if($mecab_hinshi[$i]=~"^接続詞"){#接続詞だった場合それを取り除いてalllengthへ入れていく
|
|
382
|
-
|
|
383
|
-
$alllength+=length(decode('utf-8',$mecab_char[$i]));
|
|
384
|
-
|
|
385
|
-
|
|
386
|
-
|
|
387
|
-
#decodeでutf-8を使いperlに対して文字列と認識させた #除いた分を全体の文字の長さにカウント
|
|
388
|
-
|
|
389
|
-
$i++;#インクリメント
|
|
390
|
-
|
|
391
|
-
|
|
392
|
-
|
|
393
|
-
if($mecab_hinshi[$i]=~"^記号"){#記号を取り除く #除いた分を全体の文字数にカウント
|
|
394
|
-
|
|
395
|
-
|
|
396
|
-
|
|
397
|
-
$alllength+=length(decode('utf-8',$mecab_char[$i]));
|
|
398
|
-
|
|
399
|
-
|
|
400
|
-
|
|
401
|
-
#decodeによりperlに対して文字列と認識させた #除いた分を全体の文字数にカウント
|
|
402
|
-
|
|
403
|
-
|
|
404
|
-
|
|
405
|
-
$i++;#インクリメント
|
|
406
|
-
|
|
407
|
-
|
|
408
|
-
|
|
409
|
-
|
|
410
|
-
|
|
411
|
-
}
|
|
412
|
-
|
|
413
|
-
}
|
|
414
|
-
|
|
415
|
-
}
|
|
416
|
-
|
|
417
|
-
|
|
418
|
-
|
|
419
|
-
|
|
420
|
-
|
|
421
|
-
|
|
422
|
-
|
|
423
|
-
$length[$b]+=length(decode('utf-8',$mecab_char[$i]));
|
|
424
|
-
|
|
425
|
-
#文の文字数を入れる
|
|
426
|
-
|
|
427
|
-
|
|
428
|
-
|
|
429
|
-
if(defined($sentence[$b])){ #definedで定義しているかを確認
|
|
430
|
-
|
|
431
|
-
|
|
432
|
-
|
|
433
|
-
$sentence[$b]=$sentence[$b].$mecab_char[$i];#連結
|
|
434
|
-
|
|
435
|
-
|
|
436
|
-
|
|
437
|
-
}
|
|
438
|
-
|
|
439
|
-
|
|
440
|
-
|
|
441
|
-
else {#未定義のとき最初の単語を入れる
|
|
442
|
-
|
|
443
|
-
|
|
444
|
-
|
|
445
|
-
$sentence[$b]=$mecab_char[$i];
|
|
446
|
-
|
|
447
|
-
|
|
448
|
-
|
|
449
|
-
}
|
|
450
|
-
|
|
451
|
-
|
|
452
|
-
|
|
453
|
-
}
|
|
454
|
-
|
|
455
|
-
|
|
456
|
-
|
|
457
|
-
else {#EOSになったら文自体の重要度計算を行う
|
|
458
|
-
|
|
459
|
-
|
|
460
|
-
|
|
461
|
-
for($j = 0; $j < $k; $j++) { #kまでループする
|
|
462
|
-
|
|
463
|
-
|
|
464
|
-
|
|
465
|
-
$sum[$a]+=$tf_idf[$j];#計算した重要度を随時足していく
|
|
466
|
-
|
|
467
|
-
}
|
|
468
|
-
|
|
469
|
-
|
|
470
|
-
|
|
471
|
-
|
|
472
|
-
|
|
473
|
-
$alllength+=$length[$b];#文字数を足す
|
|
474
|
-
|
|
475
|
-
|
|
476
|
-
|
|
477
|
-
$k=0;
|
|
478
|
-
|
|
479
|
-
|
|
480
|
-
|
|
481
|
-
$a++;
|
|
482
|
-
|
|
483
|
-
|
|
484
|
-
|
|
485
|
-
$b++;
|
|
486
|
-
|
|
487
|
-
|
|
488
|
-
|
|
489
|
-
}
|
|
490
|
-
|
|
491
|
-
}
|
|
492
|
-
|
|
493
|
-
|
|
494
|
-
|
|
495
|
-
|
|
496
|
-
|
|
497
|
-
for(; $count<=$percent * $alllength; $max = 0) {#パーセントとすべての文字数をかけ算して指定した文字に最大限近くなるまでループ
|
|
498
|
-
|
|
499
|
-
|
|
500
|
-
|
|
501
|
-
|
|
502
|
-
|
|
503
|
-
for($i = 0; $i <= $#sum; $i++){
|
|
504
|
-
|
|
505
|
-
|
|
506
|
-
|
|
507
|
-
if($sum[$i]>$max){
|
|
508
|
-
|
|
509
|
-
|
|
510
|
-
|
|
511
|
-
$max=$sum[$i];#重要度が高かった場合上書きする
|
|
512
|
-
|
|
513
|
-
|
|
514
|
-
|
|
515
|
-
$number=$i;
|
|
516
|
-
|
|
517
|
-
|
|
518
|
-
|
|
519
|
-
}
|
|
520
|
-
|
|
521
|
-
}
|
|
522
|
-
|
|
523
|
-
|
|
524
|
-
|
|
525
|
-
$sum[$number]=0; #一度一番高い重要度を0にする
|
|
526
|
-
|
|
527
|
-
|
|
528
|
-
|
|
529
|
-
$all_sentence[$number]=$sentence[$number];
|
|
530
|
-
|
|
531
|
-
#重要度の高い文を配列に入れる
|
|
532
|
-
|
|
533
|
-
|
|
534
|
-
|
|
535
|
-
$count+=$length[$number]; #文の文字数を加える
|
|
536
|
-
|
|
537
|
-
|
|
538
|
-
|
|
539
|
-
}
|
|
540
|
-
|
|
541
|
-
|
|
542
|
-
|
|
543
|
-
if($count > $percent * $alllength){#指定した文字数を越えてしまったら
|
|
544
|
-
|
|
545
|
-
|
|
546
|
-
|
|
547
|
-
undef($all_sentence[$number]);#undefを使って未定義にする
|
|
548
|
-
|
|
549
|
-
|
|
550
|
-
|
|
551
|
-
$count-=$length[$number];#countからlengthを引いたものをcountへ代入
|
|
552
|
-
|
|
553
|
-
|
|
554
|
-
|
|
555
|
-
#余計な文字数を引く
|
|
556
|
-
|
|
557
|
-
|
|
558
|
-
|
|
559
|
-
}
|
|
560
|
-
|
|
561
|
-
|
|
562
|
-
|
|
563
|
-
|
|
564
|
-
|
|
565
|
-
for($i = 0, $j = 1; $i <= $#sum; $i++){
|
|
566
|
-
|
|
567
|
-
|
|
568
|
-
|
|
569
|
-
|
|
570
|
-
|
|
571
|
-
if(defined($all_sentence[$i])){#definedで未定義部分を判別#真であれば
|
|
572
|
-
|
|
573
|
-
|
|
574
|
-
|
|
575
|
-
printf("%s\n", $all_sentence[$i]);#printfで出力する
|
|
576
|
-
|
|
577
|
-
|
|
578
|
-
|
|
579
|
-
}
|
|
580
|
-
|
|
581
|
-
}
|
|
582
|
-
|
|
583
|
-
|
|
584
|
-
|
|
585
|
-
|
|
586
|
-
|
|
587
|
-
printf("%s文字\n", $count);#要約した文字数を出力
|
|
588
|
-
|
|
589
|
-
|
|
590
|
-
|
|
591
|
-
|
|
592
|
-
|
|
593
|
-
コード
|
|
594
|
-
|
|
595
|
-
```
|
1
コードを見やすくしました
test
CHANGED
|
File without changes
|
test
CHANGED
|
@@ -28,6 +28,8 @@
|
|
|
28
28
|
|
|
29
29
|
my $mecab_file = $ARGV[0].".mecab";
|
|
30
30
|
|
|
31
|
+
|
|
32
|
+
|
|
31
33
|
my $df_file = $ARGV[0].".df";
|
|
32
34
|
|
|
33
35
|
|
|
@@ -36,16 +38,26 @@
|
|
|
36
38
|
|
|
37
39
|
my @line = ();#mecabの行
|
|
38
40
|
|
|
41
|
+
|
|
42
|
+
|
|
43
|
+
|
|
44
|
+
|
|
39
45
|
my $i = 0;
|
|
40
46
|
|
|
47
|
+
|
|
48
|
+
|
|
41
49
|
my @mecab_data = ();#mecabのデータ
|
|
42
50
|
|
|
43
51
|
|
|
44
52
|
|
|
45
53
|
my @mecab_char = ();#文字
|
|
46
54
|
|
|
55
|
+
|
|
56
|
+
|
|
47
57
|
my @mecab_prot = ();#原型
|
|
48
58
|
|
|
59
|
+
|
|
60
|
+
|
|
49
61
|
my @mecab_hinshi = ();#品詞
|
|
50
62
|
|
|
51
63
|
|
|
@@ -54,48 +66,76 @@
|
|
|
54
66
|
|
|
55
67
|
my @df_line = ();#dfの行
|
|
56
68
|
|
|
69
|
+
|
|
70
|
+
|
|
57
71
|
my @df_data = ();
|
|
58
72
|
|
|
73
|
+
|
|
74
|
+
|
|
59
75
|
my @df_char = ();#文字
|
|
60
76
|
|
|
77
|
+
|
|
78
|
+
|
|
61
79
|
my @df_hinshi = ();#品詞
|
|
62
80
|
|
|
81
|
+
|
|
82
|
+
|
|
63
83
|
my @df_tf = ();#tf
|
|
64
84
|
|
|
85
|
+
|
|
86
|
+
|
|
65
87
|
my @df_df = ();#df
|
|
66
88
|
|
|
67
89
|
|
|
68
90
|
|
|
69
91
|
my $a = 0;
|
|
70
92
|
|
|
93
|
+
|
|
94
|
+
|
|
71
95
|
my $b = 0;
|
|
72
96
|
|
|
73
97
|
|
|
74
98
|
|
|
75
99
|
my $j = 0;
|
|
76
100
|
|
|
101
|
+
|
|
102
|
+
|
|
77
103
|
my $k = 0;
|
|
78
104
|
|
|
105
|
+
|
|
106
|
+
|
|
79
107
|
my @tf_idf = ();
|
|
80
108
|
|
|
109
|
+
|
|
110
|
+
|
|
81
111
|
my $N = 34644;
|
|
82
112
|
|
|
83
113
|
|
|
84
114
|
|
|
85
115
|
my $alllength = 0;
|
|
86
116
|
|
|
117
|
+
|
|
118
|
+
|
|
87
119
|
my @length = ();
|
|
88
120
|
|
|
89
121
|
|
|
90
122
|
|
|
91
123
|
my @sentence = ();
|
|
92
124
|
|
|
125
|
+
|
|
126
|
+
|
|
93
127
|
my @sum = ();
|
|
94
128
|
|
|
129
|
+
|
|
130
|
+
|
|
95
131
|
my $max = 0;
|
|
96
132
|
|
|
133
|
+
|
|
134
|
+
|
|
97
135
|
my $number = 0;
|
|
98
136
|
|
|
137
|
+
|
|
138
|
+
|
|
99
139
|
my $count = 0;
|
|
100
140
|
|
|
101
141
|
|
|
@@ -116,30 +156,48 @@
|
|
|
116
156
|
|
|
117
157
|
die "要約率を100以下にしてください\n";
|
|
118
158
|
|
|
159
|
+
|
|
160
|
+
|
|
119
|
-
}
|
|
161
|
+
}
|
|
162
|
+
|
|
163
|
+
|
|
120
164
|
|
|
121
165
|
elsif($ARGV[1]<0){
|
|
122
166
|
|
|
167
|
+
|
|
168
|
+
|
|
123
169
|
die "要約率を0以上にしてください\n";
|
|
124
170
|
|
|
171
|
+
|
|
172
|
+
|
|
125
|
-
}
|
|
173
|
+
}
|
|
174
|
+
|
|
175
|
+
|
|
126
176
|
|
|
127
177
|
|
|
128
178
|
|
|
129
179
|
open(FP,$mecab_file) || die "can't open $mecab_file\n"; #ファイルをファイルハンドルであるFPへ読み込む
|
|
130
180
|
|
|
181
|
+
|
|
182
|
+
|
|
131
183
|
@line = <FP>; #読み込んだファイルを配列lineにセット
|
|
132
184
|
|
|
133
185
|
|
|
134
186
|
|
|
187
|
+
|
|
188
|
+
|
|
135
189
|
for($i=0; $i<=$#line; $i++) { #$#lineは配列の最後を表す
|
|
136
190
|
|
|
191
|
+
|
|
192
|
+
|
|
137
193
|
chomp(@line); #改行コード削除
|
|
138
194
|
|
|
139
195
|
|
|
140
196
|
|
|
141
197
|
if($line[$i] ne "EOS") {#lineがEOSじゃなかったら
|
|
142
198
|
|
|
199
|
+
|
|
200
|
+
|
|
143
201
|
@mecab_data = split(/\t/,$line[$i]); #mecabのデータをsplitでタグの部分で文字・原型・品詞に分割し@mecab_dataに順番に格納していく
|
|
144
202
|
|
|
145
203
|
|
|
@@ -148,8 +206,12 @@
|
|
|
148
206
|
|
|
149
207
|
$mecab_char[$i] = $mecab_data[0]; #さっき格納された文字、原型、品詞をそれぞれの配列に移していく。
|
|
150
208
|
|
|
209
|
+
|
|
210
|
+
|
|
151
211
|
$mecab_prot[$i] = $mecab_data[1];
|
|
152
212
|
|
|
213
|
+
|
|
214
|
+
|
|
153
215
|
$mecab_hinshi[$i] = $mecab_data[2];
|
|
154
216
|
|
|
155
217
|
|
|
@@ -160,10 +222,16 @@
|
|
|
160
222
|
|
|
161
223
|
else { #それ以外の時は空の配列になってしまうのでちゃんと埋める
|
|
162
224
|
|
|
225
|
+
|
|
226
|
+
|
|
163
227
|
$mecab_char[$i] = "EOS";
|
|
164
228
|
|
|
229
|
+
|
|
230
|
+
|
|
165
231
|
$mecab_prot[$i] = 0;
|
|
166
232
|
|
|
233
|
+
|
|
234
|
+
|
|
167
235
|
$mecab_hinshi[$i] = 0;
|
|
168
236
|
|
|
169
237
|
|
|
@@ -178,13 +246,17 @@
|
|
|
178
246
|
|
|
179
247
|
open(DF,$df_file) || die "can't open $df_file\n";#ファイルをファイルハンドルであるDFへ読み込む
|
|
180
248
|
|
|
249
|
+
|
|
250
|
+
|
|
181
251
|
@df_line = <DF>;#読み込んだファイルを配列df_lineにセット
|
|
182
252
|
|
|
183
253
|
|
|
184
254
|
|
|
185
255
|
for($i=0; $i<=$#df_line; $i++) {#df_lineは配列の最後を示す。配列の最後までループ
|
|
186
256
|
|
|
257
|
+
|
|
258
|
+
|
|
187
|
-
|
|
259
|
+
chomp(@df_line);#改行コードの削除
|
|
188
260
|
|
|
189
261
|
|
|
190
262
|
|
|
@@ -196,12 +268,20 @@
|
|
|
196
268
|
|
|
197
269
|
$df_char[$i] = $df_data[0];
|
|
198
270
|
|
|
271
|
+
|
|
272
|
+
|
|
199
273
|
$df_hinshi[$i] = $df_data[1];
|
|
200
274
|
|
|
275
|
+
|
|
276
|
+
|
|
201
277
|
$df_tf[$i] = $df_data[2];
|
|
202
278
|
|
|
279
|
+
|
|
280
|
+
|
|
203
281
|
$df_df[$i] = $df_data[3];
|
|
204
282
|
|
|
283
|
+
|
|
284
|
+
|
|
205
285
|
|
|
206
286
|
|
|
207
287
|
|
|
@@ -216,14 +296,22 @@
|
|
|
216
296
|
|
|
217
297
|
for($i = 0, $a = 0, $b = 0; $i<=$#mecab_char; $i++) {
|
|
218
298
|
|
|
299
|
+
|
|
300
|
+
|
|
219
|
-
|
|
301
|
+
if($mecab_char[$i] ne "EOS") { #EOSでないときmecabとdfの単語を比較する
|
|
220
|
-
|
|
302
|
+
|
|
303
|
+
|
|
304
|
+
|
|
221
|
-
|
|
305
|
+
if($mecab_hinshi[$i]=~"^名詞" || $mecab_hinshi[$i]=~"^動詞" || $mecab_hinshi[$i]=~"^形容詞" || $mecab_hinshi[$i]=~"^形容動詞") {
|
|
222
306
|
|
|
223
307
|
#名詞、動詞、形容詞、形容動詞の時に次の処理へ移行
|
|
224
308
|
|
|
309
|
+
|
|
310
|
+
|
|
225
311
|
for($j=0; $j <= $#df_char; $j++) {#単語と品詞の比較
|
|
226
312
|
|
|
313
|
+
|
|
314
|
+
|
|
227
315
|
if($mecab_prot[$i] eq $df_char[$j] && $mecab_hinshi[$i] eq $df_hinshi[$j]){
|
|
228
316
|
|
|
229
317
|
|
|
@@ -236,7 +324,9 @@
|
|
|
236
324
|
|
|
237
325
|
if($mecab_hinshi[$i] =~ "固有名詞"){
|
|
238
326
|
|
|
327
|
+
|
|
328
|
+
|
|
239
|
-
|
|
329
|
+
$tf_idf[$k] = 2*$tf_idf[$k];#2倍にしたのはなぜか？なんで2倍にしようと考えたのか。
|
|
240
330
|
|
|
241
331
|
#固有名詞の重要度を2倍にすることで要約の正確さを高める
|
|
242
332
|
|
|
@@ -270,7 +360,9 @@
|
|
|
270
360
|
|
|
271
361
|
#;で初期値を与えている。
|
|
272
362
|
|
|
363
|
+
|
|
364
|
+
|
|
273
|
-
|
|
365
|
+
$alllength+=length(decode('utf-8',$mecab_char[$i-1]));
|
|
274
366
|
|
|
275
367
|
#decodeでutf-8を使いperlに対して文字列として認識させ、length関数に渡して文字数を返してもらう
|
|
276
368
|
|
|
@@ -290,7 +382,9 @@
|
|
|
290
382
|
|
|
291
383
|
$alllength+=length(decode('utf-8',$mecab_char[$i]));
|
|
292
384
|
|
|
385
|
+
|
|
386
|
+
|
|
293
|
-
|
|
387
|
+
#decodeでutf-8を使いperlに対して文字列と認識させた #除いた分を全体の文字の長さにカウント
|
|
294
388
|
|
|
295
389
|
$i++;#インクリメント
|
|
296
390
|
|
|
@@ -302,9 +396,13 @@
|
|
|
302
396
|
|
|
303
397
|
$alllength+=length(decode('utf-8',$mecab_char[$i]));
|
|
304
398
|
|
|
399
|
+
|
|
400
|
+
|
|
305
401
|
#decodeによりperlに対して文字列と認識させた #除いた分を全体の文字数にカウント
|
|
306
402
|
|
|
403
|
+
|
|
404
|
+
|
|
307
|
-
|
|
405
|
+
$i++;#インクリメント
|
|
308
406
|
|
|
309
407
|
|
|
310
408
|
|
|
@@ -330,122 +428,158 @@
|
|
|
330
428
|
|
|
331
429
|
if(defined($sentence[$b])){ #definedで定義しているかを確認
|
|
332
430
|
|
|
431
|
+
|
|
432
|
+
|
|
333
|
-
|
|
433
|
+
$sentence[$b]=$sentence[$b].$mecab_char[$i];#連結
|
|
434
|
+
|
|
435
|
+
|
|
334
436
|
|
|
335
437
|
}
|
|
336
438
|
|
|
439
|
+
|
|
440
|
+
|
|
337
|
-
|
|
441
|
+
else {#未定義のとき最初の単語を入れる
|
|
338
|
-
|
|
442
|
+
|
|
443
|
+
|
|
444
|
+
|
|
339
|
-
|
|
445
|
+
$sentence[$b]=$mecab_char[$i];
|
|
446
|
+
|
|
447
|
+
|
|
448
|
+
|
|
449
|
+
}
|
|
450
|
+
|
|
451
|
+
|
|
340
452
|
|
|
341
453
|
}
|
|
342
454
|
|
|
343
455
|
|
|
344
456
|
|
|
457
|
+
else {#EOSになったら文自体の重要度計算を行う
|
|
458
|
+
|
|
459
|
+
|
|
460
|
+
|
|
461
|
+
for($j = 0; $j < $k; $j++) { #kまでループする
|
|
462
|
+
|
|
463
|
+
|
|
464
|
+
|
|
465
|
+
$sum[$a]+=$tf_idf[$j];#計算した重要度を随時足していく
|
|
466
|
+
|
|
467
|
+
}
|
|
468
|
+
|
|
469
|
+
|
|
470
|
+
|
|
471
|
+
|
|
472
|
+
|
|
473
|
+
$alllength+=$length[$b];#文字数を足す
|
|
474
|
+
|
|
475
|
+
|
|
476
|
+
|
|
477
|
+
$k=0;
|
|
478
|
+
|
|
479
|
+
|
|
480
|
+
|
|
481
|
+
$a++;
|
|
482
|
+
|
|
483
|
+
|
|
484
|
+
|
|
485
|
+
$b++;
|
|
486
|
+
|
|
487
|
+
|
|
488
|
+
|
|
345
489
|
}
|
|
346
490
|
|
|
491
|
+
}
|
|
492
|
+
|
|
493
|
+
|
|
494
|
+
|
|
495
|
+
|
|
496
|
+
|
|
497
|
+
for(; $count<=$percent * $alllength; $max = 0) {#パーセントとすべての文字数をかけ算して指定した文字に最大限近くなるまでループ
|
|
498
|
+
|
|
499
|
+
|
|
500
|
+
|
|
501
|
+
|
|
502
|
+
|
|
503
|
+
for($i = 0; $i <= $#sum; $i++){
|
|
504
|
+
|
|
347
505
|
|
|
348
506
|
|
|
349
|
-
else {#EOSになったら文自体の重要度計算を行う
|
|
350
|
-
|
|
351
|
-
|
|
507
|
+
if($sum[$i]>$max){
|
|
352
|
-
|
|
353
|
-
|
|
354
|
-
|
|
508
|
+
|
|
509
|
+
|
|
510
|
+
|
|
355
|
-
|
|
511
|
+
$max=$sum[$i];#重要度が高かった場合上書きする
|
|
356
|
-
|
|
357
|
-
}
|
|
358
512
|
|
|
359
513
|
|
|
360
514
|
|
|
515
|
+
$number=$i;
|
|
516
|
+
|
|
361
517
|
|
|
362
518
|
|
|
363
|
-
$alllength+=$length[$b];#文字数を足す
|
|
364
|
-
|
|
365
|
-
$k=0;
|
|
366
|
-
|
|
367
|
-
$a++;
|
|
368
|
-
|
|
369
|
-
$b++;
|
|
370
|
-
|
|
371
|
-
|
|
372
|
-
|
|
373
519
|
}
|
|
374
520
|
|
|
375
|
-
}
|
|
521
|
+
}
|
|
522
|
+
|
|
523
|
+
|
|
524
|
+
|
|
376
|
-
|
|
525
|
+
$sum[$number]=0; #一度一番高い重要度を0にする
|
|
526
|
+
|
|
527
|
+
|
|
528
|
+
|
|
377
|
-
|
|
529
|
+
$all_sentence[$number]=$sentence[$number];
|
|
530
|
+
|
|
378
|
-
|
|
531
|
+
#重要度の高い文を配列に入れる
|
|
532
|
+
|
|
533
|
+
|
|
534
|
+
|
|
379
|
-
|
|
535
|
+
$count+=$length[$number]; #文の文字数を加える
|
|
536
|
+
|
|
537
|
+
|
|
538
|
+
|
|
380
|
-
|
|
539
|
+
}
|
|
540
|
+
|
|
541
|
+
|
|
542
|
+
|
|
381
|
-
f
|
|
543
|
+
if($count > $percent * $alllength){#指定した文字数を越えてしまったら
|
|
544
|
+
|
|
545
|
+
|
|
546
|
+
|
|
382
|
-
|
|
547
|
+
undef($all_sentence[$number]);#undefを使って未定義にする
|
|
548
|
+
|
|
549
|
+
|
|
550
|
+
|
|
383
|
-
|
|
551
|
+
$count-=$length[$number];#countからlengthを引いたものをcountへ代入
|
|
552
|
+
|
|
553
|
+
|
|
554
|
+
|
|
384
|
-
|
|
555
|
+
#余計な文字数を引く
|
|
556
|
+
|
|
557
|
+
|
|
558
|
+
|
|
385
|
-
|
|
559
|
+
}
|
|
386
|
-
|
|
560
|
+
|
|
561
|
+
|
|
562
|
+
|
|
563
|
+
|
|
564
|
+
|
|
387
|
-
|
|
565
|
+
for($i = 0, $j = 1; $i <= $#sum; $i++){
|
|
566
|
+
|
|
567
|
+
|
|
568
|
+
|
|
569
|
+
|
|
570
|
+
|
|
571
|
+
if(defined($all_sentence[$i])){#definedで未定義部分を判別#真であれば
|
|
388
572
|
|
|
389
573
|
|
|
390
574
|
|
|
391
|
-
if($sum[$i]>$max){
|
|
392
|
-
|
|
393
|
-
|
|
575
|
+
printf("%s\n", $all_sentence[$i]);#printfで出力する
|
|
394
|
-
|
|
395
|
-
|
|
576
|
+
|
|
396
|
-
|
|
397
|
-
|
|
398
|
-
|
|
577
|
+
|
|
578
|
+
|
|
399
|
-
|
|
579
|
+
}
|
|
400
580
|
|
|
401
581
|
}
|
|
402
582
|
|
|
403
|
-
|
|
404
|
-
|
|
405
|
-
$sum[$number]=0; #一度一番高い重要度を0にする
|
|
406
|
-
|
|
407
|
-
$all_sentence[$number]=$sentence[$number]; #重要度の高い文を配列に入れる
|
|
408
|
-
|
|
409
|
-
$count+=$length[$number]; #文の文字数を加える
|
|
410
|
-
|
|
411
|
-
|
|
412
|
-
|
|
413
|
-
}
|
|
414
|
-
|
|
415
|
-
|
|
416
|
-
|
|
417
|
-
if($count > $percent * $alllength){#指定した文字数を越えてしまったら
|
|
418
|
-
|
|
419
|
-
|
|
420
|
-
|
|
421
|
-
undef($all_sentence[$number]);#undefを使って未定義にする
|
|
422
|
-
|
|
423
|
-
|
|
424
|
-
|
|
425
|
-
$count-=$length[$number];#countからlengthを引いたものをcountへ代入
|
|
426
|
-
|
|
427
|
-
#余計な文字数を引く
|
|
428
|
-
|
|
429
|
-
}
|
|
430
|
-
|
|
431
|
-
|
|
432
|
-
|
|
433
|
-
|
|
434
|
-
|
|
435
|
-
for($i = 0, $j = 1; $i <= $#sum; $i++){
|
|
436
|
-
|
|
437
|
-
|
|
438
|
-
|
|
439
|
-
|
|
440
|
-
|
|
441
|
-
if(defined($all_sentence[$i])){#definedで未定義部分を判別#真であれば
|
|
442
|
-
|
|
443
|
-
printf("%s\n", $all_sentence[$i]);#printfで出力する
|
|
444
|
-
|
|
445
|
-
}
|
|
446
|
-
|
|
447
|
-
}
|
|
448
|
-
|
|
449
583
|
|
|
450
584
|
|
|
451
585
|
|