回答編集履歴
2
追記
test
CHANGED
|
@@ -14,7 +14,7 @@
|
|
|
14
14
|
|
|
15
15
|
入力が半角なのがまずいので、適当なコード(Web検索で拾ってくればいいでしょう)で全角にしましょう。
|
|
16
16
|
|
|
17
|
-
ipadicには半角記号が辞書に含まれてないのです。
|
|
17
|
+
ipadicには半角記号が辞書に含まれていないため、名詞扱いになるのです。
|
|
18
18
|
|
|
19
19
|
|
|
20
20
|
|
1
追記
test
CHANGED
|
@@ -5,3 +5,117 @@
|
|
|
5
5
|
```
|
|
6
6
|
|
|
7
7
|
として、**未知語を取り除く**処理をいれて、自分でわざわざ取り除いてますよね。
|
|
8
|
+
|
|
9
|
+
|
|
10
|
+
|
|
11
|
+
----
|
|
12
|
+
|
|
13
|
+
|
|
14
|
+
|
|
15
|
+
入力が半角なのがまずいので、適当なコード(Web検索で拾ってくればいいでしょう)で全角にしましょう。
|
|
16
|
+
|
|
17
|
+
ipadicには半角記号が辞書に含まれてないのです。
|
|
18
|
+
|
|
19
|
+
|
|
20
|
+
|
|
21
|
+
|
|
22
|
+
|
|
23
|
+
```shell
|
|
24
|
+
|
|
25
|
+
% echo "ドライ・アムネシア・バラ（切花）" | mecab
|
|
26
|
+
|
|
27
|
+
ドライ・アムネシア・バラ 名詞,一般,*,*,*,*,*
|
|
28
|
+
|
|
29
|
+
（ 記号,括弧開,*,*,*,*,（,（,（
|
|
30
|
+
|
|
31
|
+
切花 名詞,一般,*,*,*,*,切花,キリバナ,キリバナ
|
|
32
|
+
|
|
33
|
+
） 記号,括弧閉,*,*,*,*,）,）,）
|
|
34
|
+
|
|
35
|
+
EOS
|
|
36
|
+
|
|
37
|
+
% echo "ドライ・アムネシア・バラ(切花)" | mecab
|
|
38
|
+
|
|
39
|
+
ドライ・アムネシア・バラ 名詞,一般,*,*,*,*,*
|
|
40
|
+
|
|
41
|
+
( 名詞,サ変接続,*,*,*,*,*
|
|
42
|
+
|
|
43
|
+
切花 名詞,一般,*,*,*,*,切花,キリバナ,キリバナ
|
|
44
|
+
|
|
45
|
+
) 名詞,サ変接続,*,*,*,*,*
|
|
46
|
+
|
|
47
|
+
EOS
|
|
48
|
+
|
|
49
|
+
```
|
|
50
|
+
|
|
51
|
+
|
|
52
|
+
|
|
53
|
+
その上で、`node.stat`を見ないで、品詞が名詞のものを拾えばいいかと思います。
|
|
54
|
+
|
|
55
|
+
あと用途によるでしょうが、私ならもうちょっと品詞細目を絞りますね。
|
|
56
|
+
|
|
57
|
+
|
|
58
|
+
|
|
59
|
+
```Python
|
|
60
|
+
|
|
61
|
+
STOP_POS = {
|
|
62
|
+
|
|
63
|
+
('名詞', '副詞可能', '*'), # これは微妙?
|
|
64
|
+
|
|
65
|
+
('名詞', '非自立', '副詞可能'),
|
|
66
|
+
|
|
67
|
+
('名詞', '非自立', '一般'),
|
|
68
|
+
|
|
69
|
+
('名詞', '接尾', '副詞可能'),
|
|
70
|
+
|
|
71
|
+
('名詞', '接尾', '助数詞'),
|
|
72
|
+
|
|
73
|
+
('名詞', '数', '*'),
|
|
74
|
+
|
|
75
|
+
}
|
|
76
|
+
|
|
77
|
+
|
|
78
|
+
|
|
79
|
+
|
|
80
|
+
|
|
81
|
+
def han2zen(text):
|
|
82
|
+
|
|
83
|
+
# なんかてきとうな全角化関数にしてください
|
|
84
|
+
|
|
85
|
+
return text
|
|
86
|
+
|
|
87
|
+
|
|
88
|
+
|
|
89
|
+
|
|
90
|
+
|
|
91
|
+
def extractKeyword(text):
|
|
92
|
+
|
|
93
|
+
tagger = MeCab.Tagger('-Ochasen')
|
|
94
|
+
|
|
95
|
+
tagger.parse('')
|
|
96
|
+
|
|
97
|
+
node = tagger.parseToNode(han2zen(text))
|
|
98
|
+
|
|
99
|
+
keywords = []
|
|
100
|
+
|
|
101
|
+
while node:
|
|
102
|
+
|
|
103
|
+
features = tuple(node.feature.split(","))
|
|
104
|
+
|
|
105
|
+
if features[0] == u"名詞" and features[:3] not in STOP_POS:
|
|
106
|
+
|
|
107
|
+
keywords.append(node.surface)
|
|
108
|
+
|
|
109
|
+
elif features[0] == u"形容詞" and features[1] == u"自立":
|
|
110
|
+
|
|
111
|
+
keywords.append(node.surface)
|
|
112
|
+
|
|
113
|
+
elif features[0] == u"動詞" and features[1] == u"自立":
|
|
114
|
+
|
|
115
|
+
keywords.append(node.surface)
|
|
116
|
+
|
|
117
|
+
node = node.next
|
|
118
|
+
|
|
119
|
+
return keywords
|
|
120
|
+
|
|
121
|
+
```
|