단어의 추가 방법

$Id: dic.html 65 2007-01-30 00:52:53Z taku-ku $;

개요

사전에의 단어 추가에는, 두 개의 방법이 있습니다.

시스템 사전에의 추가
user dictionary에의 추가

시스템 사전에의 추가

사전 갱신이 빈번하지 않을 때나, 해석 속도를 떨어뜨리고 싶지 않을 때는, 직접 시스템 사전을 변경하는 것이 좋을 것입니다.

mecab-ipadic 하지만 있는 디렉토리에 이동
foo.csv 그렇다고 하는 파일을 작성 ( 확장자(extension)가 .csv (이)라면 뭐든지 가능)
foo.csv 에 단어를 추가
사전의 재컴파일 + 인스톨
```
% /usr/local/libexec/mecab/mecab-dict-index -f euc-jp -t euc-jp
% su
# make install 
```
- -f charset: CSV 의 문자 코드
- -t charset: 바이너리 사전의 문자 코드
례: utf-8 의 사전을 작성하는 예
```
% /usr/local/libexec/mecab/mecab-dict-index -f euc-jp -t utf8
```

user dictionary에의 추가

시스템 사전의 갱신은 시간이 걸립니다. 사전의 갱신이 빈번한 경우나, 시스템 사전을 변경하는 권한이 없는 경우는, user dictionary를 만드는 것이 좋을 것입니다.

적당한 디렉토리에 이동 ( 례: /home/foo/bar)
foo.csv 그렇다고 하는 파일을 작성
foo.csv 에 단어를 추가
사전의 컴파일
```
% /usr/local/libexec/mecab/mecab-dict-index -d/usr/local/lib/mecab/dic/ipadic 
-u foo.dic -f euc-jp -t euc-jp foo.csv
```
- -d DIR: 시스템 사전이 있는 디렉토리
- -u FILE: FILE 그렇다고 하는 유저 파일을 작성
- -f charset: CSV 의 문자 코드
- -t charset: 바이너리 사전의 문자 코드
/home/foo/bar/foo.dic 하지만 되어 있는 것을 확인
/usr/local/lib/mecab/dic/ipadic/dicrc 혹은 /usr/local/etc/mecabrc 에 이하를 추가
```
userdic = /home/foo/bar/foo.dic 
```
/usr/local/etc/mecabrc (을)를 편집하는 권한이 없는 경우는 /usr/local/etc/mecabrc (을)를 /.mecabrc 에 카피해, 상기의 엔트리를 추가

userdic 하 : (을)를 딜리미터에 복수 지정 가능

 userdic = /home/foo/bar/foo.dic:/home/foo/bar2/usr.dic:/home/foo/bar3/bar.dic

엔트리의 포맷 ( 활용하지 않는 말)

시스템 사전, user dictionary, 함께 엔트리의 포맷은 동일합니다.

엔트리는, 이하와 같은 CSV 그리고 추가합니다. 명사등의 활용하지 않는 말이라면, 등록은 간단합니다.


쿠도,1223,1223,6058,
명사,
고유 명사,
인명,
명,*,*,
쿠도,
쿠드우,
쿠드우

왼쪽에서,


표층형,
왼쪽 문맥ID,
우문맥ID,
코스트,
품사,
품사 세분류1,
품사 세분류2,
품사 세분류3,
활용형,
활용형,
원형,
읽기,
발음

입니다.

코스트는, 그 단어가 얼마나 출현하기 쉬운가를 나타내고 있습니다. 작은 만큼, 출현하기 쉽다고 하는 의미가 됩니다. 비슷한 단어와 같은 스코아를 할당해, 그 단위로 자를 수 없는 경우는, 서서히 작게 해 나가면 좋다고 생각합니다.

왼쪽 문맥ID 하, 그 단어를 왼쪽에서 보았을 때의 내부 상태ID 입니다. 통상 시스템 사전과 동일 장소에 있다 left-id.def (으)로부터 해당한다 ID (을)를 선택합니다. -1 (으)로 해두면, mecab-dict-index 하지만 자동적으로 ID (을)를 부여합니다.

우문맥ID 하, 그 단어를 오른쪽에서 보았을 때의 내부 상태ID 입니다. 통상 시스템 사전과 동일 장소에 있다 right-id.def (으)로부터 해당한다 ID (을)를 선택합니다. -1 (으)로 해두면, mecab-dict-index 하지만 자동적으로 ID (을)를 부여합니다.

한층 더, 자신이 좋아하는 정보를CSV 하지만 허락하는 범위에서 추가해도 괜찮습니다.


유저 설정,-1,-1,10,
명사,
일반,*,*,*,*,
유저 설정,
유자셋테이,
유자셋테이,
추가 엔트리


동작예:
% mecab 

유저 설정이 필요합니다.

유저 설정      
명사,
일반,*,*,*,*,
유저 설정,
유자셋테이,
유자셋테이,
추가 엔트리

하지만      
조사,
격조사,
일반,*,*,*,
하지만,
가,
가

필요    
명사,
형용동사 어간,*,*,*,*,
필요,
히트요우,
히트요

입니다    
조동사,*,*,*,
특수·데스,
기본형,
입니다,
데스,
데스

.      
기호,
구두점,*,*,*,*,
.,
.,
.
EOS

엔트리의 포맷 ( 활용하는 말)

활용하는 말은, 스스로 활용어 전개해야 하기 때문에, 귀찮습니다. 이하는, 「바쁘다」 라는 말을, 모두 활용어 전개했을 경우입니다.


바쁘다,120,120,6078,
형용사,
자립,*,*,
형용사·이단,
기본형,
바쁘다,
이소가시이,
이소가시이

서둘러,128,128,6080,
형용사,
자립,*,*,
형용사·이단,
문어 기본형,
바쁘다,
이소가시,
이소가시

해변이 밖에들,136,136,6079,
형용사,
자립,*,*,
형용사·이단,
미연누 접속,
바쁘다,
이소가시카라,
이소가시카라

해변이 해 난로,132,132,6079,
형용사,
자립,*,*,
형용사·이단,
미연우 접속,
바쁘다,
이소가시카로,
이소가시카로

해변이 밖에,148,148,6078,
형용사,
자립,*,*,
형용사·이단,
연용타 접속,
바쁘다,
이소가시칵,
이소가시칵

바쁘고,152,152,6078,
형용사,
자립,*,*,
형용사·이단,
연용테 접속,
바쁘다,
이소가시크,
이소가시크

바쁘고,152,152,6079,
형용사,
자립,*,*,
형용사·이단,
연용테 접속,
바쁘다,
이소가시쿡,
이소가시쿡

해변 화집,144,144,6079,
형용사,
자립,*,*,
형용사·이단,
연용 고자이 접속,
바쁘다,
이소가슈우,
이소가슈우

해변 우아한 정취,144,144,6079,
형용사,
자립,*,*,
형용사·이단,
연용 고자이 접속,
바쁘다,
이소가슈,
이소가슈

서둘러 나무,124,124,6079,
형용사,
자립,*,*,
형용사·이단,
체언 접속,
바쁘다,
이소가시키,
이소가시키

서둘러 차라,108,108,6079,
형용사,
자립,*,*,
형용사·이단,
가정형,
바쁘다,
이소가시케레,
이소가시케레

해변이 꾸짖어라,140,140,6079,
형용사,
자립,*,*,
형용사·이단,
명령 e,
바쁘다,
이소가시카레,
이소가시카레

바쁘면,112,112,6079,
형용사,
자립,*,*,
형용사·이단,
가정축약 1,
바쁘다,
이소가시케랴,
이소가시케랴

바쁘면,116,116,6079,
형용사,
자립,*,*,
형용사·이단,
가정축약 2,
바쁘다,
이소가시캐,
이소가시캐

서둘러,104,104,6080,
형용사,
자립,*,*,
형용사·이단,
갈 접속,
바쁘다,
이소가시,
이소가시

chasen 하, grammar.cha cforms.char 에 문법을 기술하고 있으면, 해석중에 활용 전개를 행합니다. 이것을 동적 활용 전개라고 부릅니다. 따라서, chasen 그럼, 원형( 기본형) 만을 추가하면 좋습니다.

한편, mecab 하, 해석중에 전개하는 것을 그만두어, 사전 작성시에 정적으로 전개하면 있어 방침( 정적 활용 전개) (을)를 취하고 있습니다. 이 이유는, 계산기의 스피드나 자원이라고 하는 문제에 관련되고 있습니다. chasen 하지만 개발된 당초는, 메모리나 디스크에 제한이 있어, 정적으로 전개하는 것이 곤란했습니다. 한편, 최근에는, 메모리나 디스크에 여유가 있다 위해(때문에), 정적으로 전개하는 편이, 전체적인 해석 스피드가 향상합니다.

장래적으로는, 문법으로부터 정적 전개를 행할 수 있는 범위로 하고 싶다고 생각하고 있습니다. 그러나, 현재 상태로서는, 활용 전개를 유저에게 맡기고 있습니다.

$Id: dic.html 65 2007-01-30 00:52:53Z taku-ku $;