Mac Mecab installé
#Mot-clé Hatena
curl -L http://d.hatena.ne.jp/images/keyword/keywordlist_furigana.csv | iconv -f euc-jp -t utf-8 > keywordlist_furigana.csv
# Wikipedia
curl -L http://dumps.wikimedia.org/jawiki/latest/jawiki-latest-all-titles-in-ns0.gz | gunzip > jawiki-latest-all-titles-in-ns0
sample.rb
require 'csv'
original_data = {
wikipedia: 'jawiki-latest-all-titles-in-ns0',
hatena: 'keywordlist_furigana.csv'
}
CSV.open("custom.csv", 'w') do |csv|
original_data.each do |type, filename|
next unless File.file? filename
open(filename).each do |title|
title.strip!
next if title =~ %r(^[+-.$()?*/&%!"'_,]+)
next if title =~ /^[-.0-9]+$/
next if title =~ /Désambiguïsation/
next if title =~ /_\(/
next if title =~ /^PJ:/
next if title =~ /Personnages/
next if title =~ /liste/
title_length = title.length
if title_length > 3
score = [-36000.0, -400 * (title_length ** 1.5)].max.to_i
csv << [title, nil, nil, score, 'nom', 'Général', '*', '*', '*', '*', title, '*', '*', type]
end
end
end
end
Après cela, exécutez sample.rb
ruby sample.rb
Créez un dictionnaire utilisateur custom.dic avec la commande mecab-dict-index basée sur le fichier CSV ainsi créé.
/usr/local/libexec/mecab/mecab-dict-index -d /usr/local/lib/mecab/dic/ipadic -u custom.dic -f utf-8 -t utf-8 custom.csv
Assurez-vous que vous avez custom.dic ici.
Après cela, dans le terminal, accédez à / usr / local / lib / mecab / dic / ipadic et
$ sudo vi dicrc
Et
Enfin, créez un répertoire custom.dic.
userdic ="Emplacement du répertoire du dictionnaire créé"
Mettez dedans.
Implémentons le code suivant.
sample01.py
#coding:utf-8
import MeCab
tagger = MeCab.Tagger("-Ochasen")
result = tagger.parse("Nuage")
print result
Au début, lorsque vous n'ajoutez pas de dictionnaire, "cloud"
Kura Kura Kura Noun-Nom propre-Général
Udo Udo Noun-Général
Alors que c'était
Nuage de nuage-Général
devenu.
Si vous pouvez faire cela, vous avez terminé. Je vous remercie pour votre travail acharné.