HanDicUsage - HanDic Wiki - HanDic

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）．

辞書の指定

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．

 mecab -d C:\Users\username\dicdir\handic

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．

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：

 dicdir = C:\Users\username\dicdir\handic

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用スクリプトk2jamo.pl（ダウンロード）とPython用スクリプトpy_k2jamo.py（ダウンロード）を作成し，配布しています．

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：

 perl k2jamo.pl input.txt | mecab -d C:\Users\username\dicdir\handic

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：

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

のように行うことができます．

便利な使い方

MeCabによる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

『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．

 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

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）：

   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

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．

 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;'

結果：

좋으/VA+ㄴ/ETM
결과/NNG+가/JKS
나와/VV+ㅆ으/EP+면/EC
좋/VA+겠/EP+습니다/EF+./SF

参考（지능형 형태소분석기の解析結果）：

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

좋다01/VA+ㄴ/ETM
결과02/NNG+가/JKS
나오다/VV+ㅆ/EP+면/EC
좋다01/VA+겠/EP+습니다/EF+./SF

となります．