台風が来て、Amazon Prime Music で「そこに鳴る」などを流しながら、洗濯や部屋の片付けをした。
久しぶりに python でなんか書いたり自然言語処理の勉強をしようと思って、PCの中を見てみたところ、どうやら自然言語処理100本ノックは（飛び飛びではあるが） 39 までやったっぽい。なんや忘れてもうてるとこも多いけど、続きからやってみよう。
python や自然言語処理、計量言語の勉強のフォルダを見ていたら、ファイルの日付が2017年11〜12月のと2018年9月〜10月のがあって、どうやら秋から冬が旬っぽい。
やったこと
Cabocha を使う準備
Mac に CaboCha をインストールした。
$ brew install git curl xz $ brew install crf++ $ brew install cabocha
それから、Python でも使えるようにする。
$ git clone https://github.com/taku910/cabocha.git $ cd cabocha $ pip install python/
準備はできたけど、使い方はむずかしそうですね。
自然言語処理100本ノック 第5章
第5章: 係り受け解析
夏目漱石の小説『吾輩は猫である』の文章（neko.txt）をCaboChaを使って係り受け解析し，その結果をneko.txt.cabochaというファイルに保存せよ．このファイルを用いて，以下の問に対応するプログラムを実装せよ．
形態素を表すクラスMorphを実装せよ．このクラスは表層形（surface），基本形（base），品詞（pos），品詞細分類1（pos1）をメンバ変数に持つこととする．さらに，CaboChaの解析結果（neko.txt.cabocha）を読み込み，各文をMorphオブジェクトのリストとして表現し，3文目の形態素列を表示せよ．
CaboCha を立ち上げて文を入力すると、解析結果がツリーっぽく表示される。 -f1 オプションを使うと、ツリーの枝に番号が振られる。こっちのほうが計算機で読むのに便利。 なので、txt を CaboCha 処理済みファイルに変換
$ cat neko.txt | cabocha -f1 > neko.txt.cabocha
さて、「吾輩は猫である」を読みましょう。
と思ったんだけど
# 公式サンプル
% cabocha
太郎は花子が読んでいる本を次郎に渡した
太郎は---------D
花子が-D |
読んでいる-D |
本を---D
次郎に-D
渡した
EOS
# 僕の実行結果
$ cabocha
太郎は花子が読んでいる本を次郎に渡した
太郎は-----D
花子が---D
読んでいる本を-D
次郎に渡した
EOS
おかしい。文節ごとに切れていない。うまくいっていなかった。
追記：解決は翌日。
追記の追記(191124)：形態素解析用の辞書による。 ipadic を使用すると公式サンプルと同じ結果になり、unidic を使用すると僕の結果になる。
