MeCab - MeCab - Wikipedia

MeCab
ӘзірлеушілерТаку Кудоу, Google жапонша енгізу жоба
Тұрақты шығарылым
0.996 / 18 ақпан 2013 ж; 7 жыл бұрын (2013-02-18)
Репозиторий
Мұны Wikidata-да өңде
ЖазылғанC ++, үшін модульдер бар C, C #, Java, Перл, Python, және Рубин
ПлатформаКросс-платформа
ЛицензияҮш лицензия бойынша GPL, LGPL және BSD лицензиялары
Веб-сайтhttps://taku910.github.io/mecab

MeCab болып табылады ашық көзі мәтінді сегментациялау ішінде жазылған мәтінмен пайдалануға арналған кітапхана жапон тілі бастапқыда Нара ғылым және технологиялар институты және қазіргі уақытта Таку Кудоу (工藤 拓) өзінің жұмысының бөлігі ретінде қолдайды Google жапонша енгізу жоба.[1][2] Бұл атау әзірлеушінің сүйікті тағамынан шыққан, мекабу [ja ] (和 布 蕪), а Жапон тағамы жасалған вакаме жапырақтары.

Бағдарламалық жасақтама бастапқыда негізделген ChaSen және ChaSenTNG атауымен жасалды, бірақ қазір ол ChaSen-ге тәуелсіз дамып, нөлден қайта жазылды. MeCab талдау дәлдігі ChaSen-мен салыстыруға болады, ал оның талдау жылдамдығы орта есеппен 3-4 есе жоғары.

MeCab сөйлемді талдап, оны сөйлемге бөле алады сөйлеу бөліктері. MeCab үшін бірнеше сөздіктер бар, бірақ IPADIC ChaSen сияқты ең жиі қолданылады.

2007 жылы Google MeCab-ті генерациялау үшін пайдаланды n-грамм ол өзінің Google Japan блогында жариялаған жапон мәтінінің үлкен корпусына арналған мәліметтер.[3]

MeCab сонымен бірге қолданылады Жапондық енгізу қосулы Mac OS X 10.5 және 10.6 және iOS 2.1 нұсқасынан бастап.[4][5]

Мысал

Кіріс:

ウ ィ キ ペ デ ィ ア Ｗｉｋｉｐｅｄｉａ Ｗｉｋｉｐｅｄｉａ） は 誰 誰 で も も 編 編 集 で き き き き き る す す る す

Нәтижелер:

ィ キ ペ デ ィ ア 名詞, 一般, *, *, *, *, * （記号, 括弧 開, *, *, *, *, （, （, （Ｗｉｋｉｐｅｄｉａ 名詞, 固有 名詞, 組織, *, *, *, *, *） 記号, 括弧 閉, *, *, *, *,）,）,） は 助詞, 係 助詞, *, *, *, *, は, ハ, ワ 誰 名詞, 代名詞, 一般, *, *, *, 誰, ダ レ, ダ レ で も 助詞, 副 助詞, *, *, *, *, で も, デ モ, デ モ 編 名詞, サ 接 続, *, *, *, *, *, 編 集, ヘ シ ュ ヘ, ヘ ン * *, * , 一段, 基本 形, で き る, デ キ ル, デ キ フ リ ー 名詞, 一般, *, *, *, *, フ ー, フ リ ー, フ, *, *, *, *, 百科 カ, カ, カ,, , *, *, *, *, 事 典, ジ テ ン, ジ テ ン で す 助動詞, *, *, *, 特殊 ・ デ ス, 基本 形, で す, デ ス, デ ス EOS

MeCab мәтінді сегментациялаумен қатар, сөздің сөйлеу бөлігін, егер қажет болса және сөздікте айтылса, оның айтылуын тізімдейді. Жоғарыдағы мысалда で き る (декиру, «қабілетті болу») ретінде жіктеледі ішидан (一段) етістік (動詞) инфинитивті шақта (基本 形). Сөз で も (демо) ретінде анықталды адвербиалды бөлшек (副 助詞). Барлық бағандар барлық сөздерге қолданыла бермейтіндіктен, баған сөзге қатысты болмаған кезде, жұлдызша қолданылады; бұл ақпаратты және сөзден кейін форматтауға мүмкіндік береді қойынды таңбасы ретінде үтірмен бөлінген мәндер.

MeCab сонымен қатар бірнеше шығыс форматтарын қолдайды; оның бірі, chasen, нәтижелер қойындымен бөлінген мәндер бағдарламаларға арналған форматта ChaSen қолдана алады. Басқа формат, иоми (読 む бастап) йому, оқу үшін), енгізілген мәтіннің айтылуын былайша шығарады катакана,[6] төменде көрсетілгендей.

ウ ィ キ ペ デ ィ ア Ｗｉｋｉｐｅｄｉａ） ハ ダ ダ レ デ モ ヘ ヘ ン シ シ シ ュ ウ ウ ュ シ ュ ュ ュ ュ リ リ リ ス ス ス

Әдебиеттер тізімі

  1. ^ «「 グ グ る 」の を 高 め る た め に 必要 な も の - ＠IT 自 分 戦 略 研究所» [Google өзінің дәлдігін жақсарту үшін не қажет]. ITmedia (жапон тілінде). 2006-03-15. Алынған 2009-04-09.
  2. ^ «思 い ど お り の 入 力 力 - Google 日本語 入 力» [Жапондықтардың дәлірек кіруіне қарай]. Google (жапон тілінде). 2009-12-03. Алынған 2009-12-03.
  3. ^ «Google Japan Blog: 大規模 日本語 n-gram デ ー タ の 公開» [Үлкен жапондық мәтін корпусы бойынша n-грамматикалық деректерді жариялау]. Google (жапон тілінде). 2007-11-01. Алынған 2009-04-09.
  4. ^ «大規模 テ キ ス ト 処理 支 え る 形態 素 解析 技術 （工藤 拓 氏 氏 氏 Google 氏» [(Дәріс) Морфологиялық талдау мәтінді кең көлемде өңдеуді қолдайды (Таку Кудо мырза, Google қызметкері)] (жапон тілінде). 2009-12-03. Алынған 2009-12-03.
  5. ^ «iPhone は 仮 名 漢字 変 換 C MeCab を 利用» [iPhone MeCab-ты кана-канджи түрлендіру үшін қолданады] (жапон тілінде). 2009-12-03. Архивтелген түпнұсқа 2008-09-18. Алынған 2009-12-03.
  6. ^ Кудоу, Таку. «MeCab: сөйлеудің тағы бір бөлігі және морфологиялық анализатор». taku910.github.io (жапон тілінде). Алынған 23 қаңтар 2018.

Сыртқы сілтемелер