辞書の追加方法

$Id: libmecab.html,v 1.8 2002/09/29 03:55:34 taku-ku Exp $;

概要

以下の手続きで, 辞書に新しい単語を登録することができます.

- cd ${prefix}/lib/mecab/dic/ipadic 
- dic.csv にエントリを追加する。 
- % mkmecabdic 

エントリのフォーマット (活用しない語)

エントリは, 以下のような CSV で追加します. 名詞などの 活用しない語だと, 登録は簡単です.

工藤,3547,名詞,固有名詞,人名,名,*,*,くどう,クドウ,クドウ

左から,

表層形,コスト,品詞,品詞細分類1,品詞細分類2,品詞細分類3,活用形,活用型,原形,読み,発音

コストは,その単語がどれだけ出現しやすいかという意味をあらわします. 小さいほど, 出現しやすいという意味になります. 似たような単語と 同じスコアを割り振り, その単位で切り出せない場合は, 徐々に小さくしていけばいいと思います.

さらに, 自分の好きな情報をCSVが許す範囲で追加してもかまいません.

ユーザ設定,10,名詞,一般,*,*,*,*,ユーザ設定,ユーザセッテイ,ユーザセッテイ,追加エントリ

動作例:
% mecab 
ユーザ設定が必要です。
ユーザ設定      名詞,一般,*,*,*,*,ユーザ設定,ユーザセッテイ,ユーザセッテイ,追加エントリ
が      助詞,格助詞,一般,*,*,*,が,ガ,ガ
必要    名詞,形容動詞語幹,*,*,*,*,必要,ヒツヨウ,ヒツヨー
です    助動詞,*,*,*,特殊・デス,基本形,です,デス,デス
。      記号,句点,*,*,*,*,。,。,。
EOS

エントリのフォーマット (活用する語)

活用する語は, 自分で活用語展開しなければならないので, 面倒です. 以下は, 「いそがしい」 という言葉を, すべて活用語展開した場合です.

いそがしい,3206,形容詞,自立,*,*,形容詞・イ段,基本形,いそがしい,イソガシイ,イソガシイ
いそがし,3206,形容詞,自立,*,*,形容詞・イ段,文語基本形,いそがしい,イソガシ,イソガシ
いそがしから,3206,形容詞,自立,*,*,形容詞・イ段,未然ヌ接続,いそがしい,イソガシカラ,イソガシカラ
いそがしかろ,3206,形容詞,自立,*,*,形容詞・イ段,未然ウ接続,いそがしい,イソガシカロ,イソガシカロ
いそがしかっ,3206,形容詞,自立,*,*,形容詞・イ段,連用タ接続,いそがしい,イソガシカッ,イソガシカッ
いそがしく,3206,形容詞,自立,*,*,形容詞・イ段,連用テ接続,いそがしい,イソガシク,イソガシク
いそがしくっ,3206,形容詞,自立,*,*,形容詞・イ段,連用テ接続,いそがしい,イソガシクッ,イソガシクッ
いそがしゅう,3206,形容詞,自立,*,*,形容詞・イ段,連用ゴザイ接続,いそがしい,イソガシュウ,イソガシュウ
いそがしゅぅ,3206,形容詞,自立,*,*,形容詞・イ段,連用ゴザイ接続,いそがしい,イソガシュゥ,イソガシュゥ
いそがしき,3206,形容詞,自立,*,*,形容詞・イ段,体言接続,いそがしい,イソガシキ,イソガシキ
いそがしけれ,3206,形容詞,自立,*,*,形容詞・イ段,仮定形,いそがしい,イソガシケレ,イソガシケレ
いそがしかれ,3206,形容詞,自立,*,*,形容詞・イ段,命令ｅ,いそがしい,イソガシカレ,イソガシカレ
いそがしけりゃ,3206,形容詞,自立,*,*,形容詞・イ段,仮定縮約１,いそがしい,イソガシケリャ,イソガシケリャ
いそがしきゃ,3206,形容詞,自立,*,*,形容詞・イ段,仮定縮約２,いそがしい,イソガシキャ,イソガシキャ
いそがし,3206,形容詞,自立,*,*,形容詞・イ段,ガル接続,いそがしい,イソガシ,イソガシ

chasen は, grammar.cha cforms.char に文法を記述していれば, 解析中に活用 展開を行ないます. これを動的活用展開と呼びます. よって, chasen では, 原形(基本形)のみを追加すればよいです.

一方, mecab は, 解析中に展開するのをやめ, 辞書作成時に静的に展開するとい う方針(静的活用展開)をとっています. この理由は, 計算機のスピードやリソースといった問題に 絡んでいます. chasen が開発された当初は, メモリやディスクに制限があり, 静的に展開するのが困難でした. 一方, 最近は, メモリやディスクに余裕がある ために, 静的に展開するほうが, 全体的な解析スピードが向上します.

将来的には, 文法から静的展開を行なえるような枠組にしたいと考えています. しかし, 現状では, 活用展開をユーザに任せています.

$Id: libmecab.html,v 1.8 2002/09/29 03:55:34 taku-ku Exp $;