差分

このページの2つのバージョン間の差分を表示します。

--- korean:mecab:howto [2015/10/12 17:17] – 外部編集 127.0.0.1
+++ korean:mecab:howto [2016/05/15 21:57] (現在) – [21世紀世宗計画のコーパス形式をシミュレート] yoshi
@@ 行 29: / 行 29: @@
 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．なの，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]]）．
+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]]）．
-''k2jamo.pl''を使って''input.txt''（例）を解析する場合：
+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
+> 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>
+.       Symbol-ピリオド
+다      Ending-語尾-終止形
+을      Ending-助詞-対格
+ㄴ      Ending-語尾-連体形
+ㅆ      Prefinal-過去
+에      Ending-助詞-処格
+는      Ending-語尾-連体形
+이      Ending-助詞-主格
+는      Ending-助詞-題目
+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 =====
+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>
+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}}