回答編集履歴
3
追記2
answer
CHANGED
|
@@ -41,4 +41,29 @@
|
|
|
41
41
|
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。
|
|
42
42
|
|
|
43
43
|
参考：
|
|
44
|
-
[スクリプト言語のバインディング](https://taku910.github.io/mecab/bindings.html)
|
|
44
|
+
[スクリプト言語のバインディング](https://taku910.github.io/mecab/bindings.html)
|
|
45
|
+
|
|
46
|
+
### 追記2
|
|
47
|
+
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。
|
|
48
|
+
|
|
49
|
+
```python
|
|
50
|
+
import MeCab
|
|
51
|
+
|
|
52
|
+
def extractKeyword(text):
|
|
53
|
+
tagger = MeCab.Tagger('-Ochasen')
|
|
54
|
+
tagger.parse('')
|
|
55
|
+
node = tagger.parseToNode(text)
|
|
56
|
+
keywords = []
|
|
57
|
+
while node:
|
|
58
|
+
if node.feature.split(",")[0] == u"名詞":
|
|
59
|
+
if node.stat == 0 or node.feature.split(",")[1] != "サ変接続":
|
|
60
|
+
keywords.append(node.surface)
|
|
61
|
+
elif node.feature.split(",")[0] == u"形容詞":
|
|
62
|
+
keywords.append(node.surface)
|
|
63
|
+
elif node.feature.split(",")[0] == u"動詞":
|
|
64
|
+
keywords.append(node.surface)
|
|
65
|
+
node = node.next
|
|
66
|
+
return keywords
|
|
67
|
+
text = "日本の/東京"
|
|
68
|
+
print(extractKeyword(text))
|
|
69
|
+
```
|
2
追記
answer
CHANGED
|
@@ -37,6 +37,8 @@
|
|
|
37
37
|
|
|
38
38
|
|
|
39
39
|
```
|
|
40
|
+
|
|
41
|
+
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。
|
|
42
|
+
|
|
40
43
|
参考：
|
|
41
|
-
|
|
42
44
|
[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
answer
CHANGED
|
@@ -7,4 +7,36 @@
|
|
|
7
7
|
|
|
8
8
|
---
|
|
9
9
|
|
|
10
|
-
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。
|
|
10
|
+
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。
|
|
11
|
+
|
|
12
|
+
### 追記
|
|
13
|
+
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。
|
|
14
|
+
|
|
15
|
+
```python
|
|
16
|
+
import MeCab
|
|
17
|
+
|
|
18
|
+
def extractKeyword(text):
|
|
19
|
+
tagger = MeCab.Tagger('-Ochasen')
|
|
20
|
+
tagger.parse('')
|
|
21
|
+
node = tagger.parseToNode(text)
|
|
22
|
+
keywords = []
|
|
23
|
+
while node:
|
|
24
|
+
if node.stat != 0:
|
|
25
|
+
node = node.next
|
|
26
|
+
continue
|
|
27
|
+
if node.feature.split(",")[0] == u"名詞":
|
|
28
|
+
keywords.append(node.surface)
|
|
29
|
+
elif node.feature.split(",")[0] == u"形容詞":
|
|
30
|
+
keywords.append(node.surface)
|
|
31
|
+
elif node.feature.split(",")[0] == u"動詞":
|
|
32
|
+
keywords.append(node.surface)
|
|
33
|
+
node = node.next
|
|
34
|
+
return keywords
|
|
35
|
+
text = "日本の/東京"
|
|
36
|
+
print(extractKeyword(text)) # => ['日本', '東京']
|
|
37
|
+
|
|
38
|
+
|
|
39
|
+
```
|
|
40
|
+
参考：
|
|
41
|
+
|
|
42
|
+
[スクリプト言語のバインディング](https://taku910.github.io/mecab/bindings.html)
|