コンピュータと朝鮮語のための覚え書き

この文書は読取専用です。文書のソースを閲覧することは可能ですが、変更はできません。もし変更したい場合は管理者に連絡してください。
====== HanDicの使い方 ======

コンパイル済み辞書の場合，ダウンロードしたファイルを任意の場所に解凍して，以下の方法で辞書を指定します（辞書を''C:\Users\username\dicdir\handic''に解凍した場合）．

===== 辞書を実行時に指定する =====

MeCabの ''-d'' オプションでHanDic辞書ファイルのあるディレクトリを指定します．

<code bash>
mecab -d C:\Users\username\dicdir\handic
</code>

この方法では，実行するたびに辞書を指定する必要があります．

===== 辞書を設定ファイルで指定する =====

ホームディレクトリに ''.mecabrc'' を作成して，''dicdir'' にHanDic辞書ファイルのあるディレクトリを記述します．

''.mecabrc''に以下の1行を記述：

<code>
dicdir = C:\Users\username\dicdir\handic
</code>

この方法では常にHanDicを使って解析することになります．

===== 入力を与える =====

HanDicは，UTF-8エンコーディングされたテキストを入力として形態素解析を行います．また，入力は通常のハングル（Hangul Syllables「ハングル音節文字」領域の文字，いわゆる「完成型ハングル」）ではなく，初声・中声・終声の字母に分解した入力（Hangul Jamo「ハングル字母」領域の文字）である必要があります．例えば完成型ハングルの「몸」（U+BAB8）は，字母に分解すると「ㅁ」（U+1106）「ㅗ」（U+1169）「ㅁ」（U+11B7）となります．

こうした字母への分解は，任意のスクリプトを使って行っても構いません．なお，本プロジェクトではPerlを用いたスクリプト''k2jamo.pl''を作成し，配布しています（[[https://osdn.jp/projects/handic/releases/63505|ダウンロードサイト]]）．

コマンドラインやターミナルで，''k2jamo.pl''を使って''input.txt''（例）を解析する場合：

<code bash>
> perl k2jamo.pl input.txt | mecab -d C:\Users\username\dicdir\handic
</code>

あるいはコマンドラインやターミナルで直接入力をする場合：

<code bash>
> echo "겨울 방학 때 뭐 했어요?" | perl k2jamo.pl | mecab -d C:\Users\username\dicdir\handic
</code>

のように行うことができます．

====== 便利な使い方 ======

MeCabによる[[http://taku910.github.io/mecab/format.html|出力の制御]]とコマンドを組み合わせて，様々な結果を得ることができます．いずれもHanDicが現在のディレクトリ以下の''dic''ディレクトリにあり，''k2jamo.pl''と対象のファイル''input.txt''が現在のディレクトリにあると仮定しています．

===== 基本形を基にした頻度の表示 =====

[[https://www.oreilly.co.jp/books/9784873117416/|『コマンドラインで始めるデータサイエンス』]]で紹介されていた方法をアレンジしたものです．

<code bash>
perl k2jamo.pl input.txt | \
mecab -d dic/ --node-format="%f[5]\t%F-[0,1,2]\n" --unk-format="%m\tUNK\n" --eos-format="" | \
sort | \
uniq -c | \
sort -nr
</code>

結果（延世大学校の韓国語読解テキストを分析した結果のうち，''head -n 10''で最初の10行を表示）：

<code text>
   4266 .       Symbol-ピリオド
   2377 다      Ending-語尾-終止形
   2374 을      Ending-助詞-対格
   2306 ㄴ      Ending-語尾-連体形
   2267 ㅆ      Prefinal-過去
   2039 에      Ending-助詞-処格
   1729 는      Ending-語尾-連体形
   1662 이      Ending-助詞-主格
   1543 는      Ending-助詞-題目
   1522 하다02  Suffix-動詞派生
</code>

===== 21世紀世宗計画のコーパス形式をシミュレート =====

21世紀世宗計画の形態素解析済みコーパス（형태 분석 말뭉치）のような出力を得ることができます．形態素ごとに「+」を出力し，文節末の「+」を後からPerlで消す，というようにしています．もっとスマートな方法があるかと思います．

<code bash>
echo "좋은 결과가 나왔으면 좋겠습니다." | \
perl k2jamo.pl | \
mecab -d dic/ -F"%pS%f[6]/%f[10]+" -U"%M/UNK" -E"\n" | \
perl -pe 's/\+\s/\n/g;'
</code>

結果：
<code text>
좋으/VA+ㄴ/ETM
결과/NNG+가/JKS
나와/VV+ㅆ으/EP+면/EC
좋/VA+겠/EP+습니다/EF+./SF
</code>

21世紀世宗計画の지능형 형태소 분석기（知能型形態素解析器）による解析結果：
{{:korean:mecab:スクリーンショット_2016-05-15_1.28.54.png|}}

基本形で表示する場合には，上記のコマンドの中で，''%f[6]''とある部分を''%f[**5**]''に変えてください．結果は
<code text>
좋다01/VA+ㄴ/ETM
결과02/NNG+가/JKS
나오다/VV+ㅆ/EP+면/EC
좋다01/VA+겠/EP+습니다/EF+./SF
</code>
となります．

 {{indexmenu_n>29}}