Search type | Search syntax |
---|---|
タグ | [タグ] |
完全一致 | "ここの単語" |
作成者 |
user:1234 user:me (あなたの) |
スコア |
score:3 (3+) score:0 (なし) |
回答 |
answers:3 (3+) answers:0 (なし) isaccepted:yes hasaccepted:no inquestion:1234 |
閲覧数 | views:250 |
コード | code:"if (foo != bar)" |
セクション |
title:リンゴ body:"リンゴ オレンジ" |
URL | url:"*.example.com" |
セーブ | in:saves |
状態 |
closed:yes duplicate:no migrated:no wiki:no |
種類 |
is:question is:answer |
除外 |
-[タグ] -リンゴ |
高度な検索の詳細については、ヘルプ ページをご覧ください。 |
MeCabはオープンソースの形態素解析エンジンで、言語、辞書、コーパスに依存しない汎用的な設計を基本方針としています。 平均的にChaSen, Juman, KAKASIより高速に動作します。 名称は開発者の好物「和布蕪(めかぶ)」から取られた。
1
票
0
回答
239
閲覧数
MeCabで短単位かつ最新の語彙が収録された辞書を使う方法
MeCabには多数の辞書がありますが、IPADICとUniDicは長い間メンテナンスされていません。また人手によってチェックされている面もあるので、語彙数は多くありません。
NEologdは今でも週に2回更新されていて語彙数はとても多いのですが、私の用途では分割が長すぎて不適なケースがあります。 … 「国立オリンピック記念青少年総合センター」のような長い単語は短く切ってほしい
「ミエケンドウナラケンドウキョウトフドウハチジュウニゴウウエノミナミヤマシロセン」のような単語は長い単語をカタカナにしたような単語は入っていないほうがよい
MeCabのコスト再学習などの方法で短い単語が選ばれやすくすることはできますが、今のところ十分な成果は得られていません。 …
12
票
1
回答
1,115
閲覧数
日本語のステミング(「よい」と「良い」が同じであるか判定する)方法
日本語の文章を分割する際にMeCabを使っています。ここで非常によく似た2つの文を入力します。
私たちは寿司屋に行った
私達はすし屋に行った
結果
私 たち は 寿司 屋 に 行っ た
私 達 は すし 屋 に 行っ た
使用した辞書はIPADICです。この2つは声に出して日本語話者が聞いたところ同じ文ですが、単純に文字列単位での比較をすると違いが2箇所出てきます。 …