回答編集履歴
3
追記2
test
CHANGED
@@ -85,3 +85,53 @@
|
|
85
85
|
参考:
|
86
86
|
|
87
87
|
[スクリプト言語のバインディング](https://taku910.github.io/mecab/bindings.html)
|
88
|
+
|
89
|
+
|
90
|
+
|
91
|
+
### 追記2
|
92
|
+
|
93
|
+
特徴の第二層とnode.statの両方を見るパターン。これだと犠牲になるものを減らせるはず。
|
94
|
+
|
95
|
+
|
96
|
+
|
97
|
+
```python
|
98
|
+
|
99
|
+
import MeCab
|
100
|
+
|
101
|
+
|
102
|
+
|
103
|
+
def extractKeyword(text):
|
104
|
+
|
105
|
+
tagger = MeCab.Tagger('-Ochasen')
|
106
|
+
|
107
|
+
tagger.parse('')
|
108
|
+
|
109
|
+
node = tagger.parseToNode(text)
|
110
|
+
|
111
|
+
keywords = []
|
112
|
+
|
113
|
+
while node:
|
114
|
+
|
115
|
+
if node.feature.split(",")[0] == u"名詞":
|
116
|
+
|
117
|
+
if node.stat == 0 or node.feature.split(",")[1] != "サ変接続":
|
118
|
+
|
119
|
+
keywords.append(node.surface)
|
120
|
+
|
121
|
+
elif node.feature.split(",")[0] == u"形容詞":
|
122
|
+
|
123
|
+
keywords.append(node.surface)
|
124
|
+
|
125
|
+
elif node.feature.split(",")[0] == u"動詞":
|
126
|
+
|
127
|
+
keywords.append(node.surface)
|
128
|
+
|
129
|
+
node = node.next
|
130
|
+
|
131
|
+
return keywords
|
132
|
+
|
133
|
+
text = "日本の/東京"
|
134
|
+
|
135
|
+
print(extractKeyword(text))
|
136
|
+
|
137
|
+
```
|
2
追記
test
CHANGED
@@ -76,8 +76,12 @@
|
|
76
76
|
|
77
77
|
```
|
78
78
|
|
79
|
+
|
80
|
+
|
79
|
-
|
81
|
+
この方法が一番手間がかからないと思います。ただし、「未知語だけど正しく処理されている」という形態素があれば、犠牲になる(結果のリストに含まれなくなる)ことになります。
|
80
82
|
|
81
83
|
|
82
84
|
|
85
|
+
参考:
|
86
|
+
|
83
87
|
[スクリプト言語のバインディング](https://taku910.github.io/mecab/bindings.html)
|
1
追記
test
CHANGED
@@ -17,3 +17,67 @@
|
|
17
17
|
|
18
18
|
|
19
19
|
コード修正で解消しようと思ったら、サ変接続の名詞はぜんぶ切り捨ててしまうという手があります。この場合、本来のサ変接続の名詞(「苦労する」「愛する」「説明する」等)も捨ててしまうことになりますが、タスクによっては許容できるということも多いでしょう。
|
20
|
+
|
21
|
+
|
22
|
+
|
23
|
+
### 追記
|
24
|
+
|
25
|
+
回答を書いてから軽く調べて、`node.stat`を見れば、未知語かどうかわかることに気づきました。
|
26
|
+
|
27
|
+
|
28
|
+
|
29
|
+
```python
|
30
|
+
|
31
|
+
import MeCab
|
32
|
+
|
33
|
+
|
34
|
+
|
35
|
+
def extractKeyword(text):
|
36
|
+
|
37
|
+
tagger = MeCab.Tagger('-Ochasen')
|
38
|
+
|
39
|
+
tagger.parse('')
|
40
|
+
|
41
|
+
node = tagger.parseToNode(text)
|
42
|
+
|
43
|
+
keywords = []
|
44
|
+
|
45
|
+
while node:
|
46
|
+
|
47
|
+
if node.stat != 0:
|
48
|
+
|
49
|
+
node = node.next
|
50
|
+
|
51
|
+
continue
|
52
|
+
|
53
|
+
if node.feature.split(",")[0] == u"名詞":
|
54
|
+
|
55
|
+
keywords.append(node.surface)
|
56
|
+
|
57
|
+
elif node.feature.split(",")[0] == u"形容詞":
|
58
|
+
|
59
|
+
keywords.append(node.surface)
|
60
|
+
|
61
|
+
elif node.feature.split(",")[0] == u"動詞":
|
62
|
+
|
63
|
+
keywords.append(node.surface)
|
64
|
+
|
65
|
+
node = node.next
|
66
|
+
|
67
|
+
return keywords
|
68
|
+
|
69
|
+
text = "日本の/東京"
|
70
|
+
|
71
|
+
print(extractKeyword(text)) # => ['日本', '東京']
|
72
|
+
|
73
|
+
|
74
|
+
|
75
|
+
|
76
|
+
|
77
|
+
```
|
78
|
+
|
79
|
+
参考:
|
80
|
+
|
81
|
+
|
82
|
+
|
83
|
+
[スクリプト言語のバインディング](https://taku910.github.io/mecab/bindings.html)
|