Mac OS X El CapitanでRubyからMeCabを使って形態素解析

記事の概要

Rubyとチャットボットの学習に使用している書籍の中で形態素解析にChasenを使っていたため、MacにChasenをインストールしようと調べていたら、MeCabならHomebrewが使えてRubyからの呼び出しも簡単らしいと知ったので、MeCabを使ってみることにしました。

恋するプログラム―Rubyでつくる人工無脳 (Mynavi Advanced Library)

目次

和布蕪をMacに入れる

まずは、和布蕪の醸造方法を調べます。

$brew search mecab 
mecab               mecab-ipadic        mecab-jumandic      mecab-ko            mecab-ko-dic        mecab-unidic      
homebrew/php/php53-mecab                homebrew/php/php55-mecab                homebrew/php/php70-mecab              
homebrew/php/php54-mecab                homebrew/php/php56-mecab  

色々あるようですが、とりあえず、形態素解析エンジンのmecabと和布蕪用のIPA辞書*1のmecab-ipadicを醸造します。

$brew install mecab mecab-ipadic
==> Downloading https://homebrew.bintray.com/bottles/mecab-0.996.el_capitan.bottle.2.tar.gz
######################################################################## 100.0%
==> Pouring mecab-0.996.el_capitan.bottle.2.tar.gz
🍺  /usr/local/Cellar/mecab/0.996: 17 files, 4.3M
==> Downloading https://downloads.sourceforge.net/project/mecab/mecab-ipadic/2.7.0-20070801/mecab-ipadic-2.7.0-20070801.
==> Downloading from http://jaist.dl.sourceforge.net/project/mecab/mecab-ipadic/2.7.0-20070801/mecab-ipadic-2.7.0-200708
######################################################################## 100.0%
==> ./configure --prefix=/usr/local/Cellar/mecab-ipadic/2.7.0-20070801 --with-charset=utf8 --with-dicdir=/usr/local/Cell
==> make install
==> Caveats
To enable mecab-ipadic dictionary, add to /usr/local/etc/mecabrc:
  dicdir = /usr/local/lib/mecab/dic/ipadic
==> Summary
🍺  /usr/local/Cellar/mecab-ipadic/2.7.0-20070801: 15 files, 50.6M, built in 17 seconds

醸造されたようなので、和布蕪ってみます。

$mecab 
すもももももももものうち
すもも   名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも  名詞,一般,*,*,*,*,もも,モモ,モモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも  名詞,一般,*,*,*,*,もも,モモ,モモ
の 助詞,連体化,*,*,*,*,の,ノ,ノ
うち  名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
EOS

無事に和布蕪れましたヽ(･ω･)/

和布蕪と納豆を混ぜる

Natto::MeCabでRubyから和布蕪が使えるらしいので、納豆の準備をします。

$gem install natto
Fetching: natto-1.1.0.gem (100%)
Successfully installed natto-1.1.0
1 gem installed

納豆の準備ができたので、和布蕪納豆を作ります。

# mecab_natto.rb
require 'natto'

# 納豆和布蕪を作る
mecab_natto = Natto::MeCab.new

# 標準入力を取得
line = gets()
line.chomp!

# 形態素解析の結果を表示
puts mecab_natto.parse(line)

"動けば良い"の精神で、和布蕪納豆を試してみます。

$ruby mecab_natto.rb
すもももももももものうち
すもも   名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも  名詞,一般,*,*,*,*,もも,モモ,モモ
も 助詞,係助詞,*,*,*,*,も,モ,モ
もも  名詞,一般,*,*,*,*,もも,モモ,モモ
の 助詞,連体化,*,*,*,*,の,ノ,ノ
うち  名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
EOS

Rubyからも和布蕪れましたヽ(･ω･)/

和布蕪納豆の出力を調整する

学習中の本のサンプルプログラムでは、茶筌を使用して出力フォーマットを、

形態素のあとにスペースをあけ、品詞情報をハイフン区切りで表示し、形態素 ごとに改行するよう指定

しているので、和布蕪の標準の出力と異なり、以下の様な出力になるようです。

あたしはプログラムの女の子です
あたし 名詞-代名詞-一般  
は 助詞-係助詞
プログラム 名詞-サ変接続
の 助詞-連体化  
女の子 名詞-一般 
です 助動詞
EOS

納豆の説明書きを読むと、-Fオプションで和布蕪の出力フォーマットを指定して、enum_parseメソッドを使って解析すれば、形態素解析の出力を調整できるようなので、-F%m\s%F-[0,1,2]を出力フォーマットに指定して試してみます。

• -F…出力フォーマットを変更するオプション
• %m…形態素の表層文字列
• \s…半角スペース
• %F-[0,1,2]…0,1,2番目の素性を'-'をデリミタとして表示(要素が空の場合は以降の表示は省略)

# mecab_natto.rb
require 'natto'

# 出力フォーマットを指定して和布蕪納豆を作る
mecab_natto = Natto::MeCab.new('-F%m\s%F-[0,1,2]')

# 標準入力を取得
line = gets()
line.chomp!

# 解析する
enum = mecab_natto.enum_parse(line)

# 解析結果を表示
enum.each do |n|
  puts n.feature
end

祈りながら、調整和布蕪納豆を試します。

$ruby mecab_natto.rb
あたしはプログラムの女の子です
あたし 名詞-代名詞-一般
は 助詞-係助詞
プログラム 名詞-サ変接続
の 助詞-連体化
女の子 名詞-一般
です 助動詞
EOS

うまいこと似たような出力を得ることが出来ました( ・ㅂ・)و ̑̑

参考記事

和布蕪と納豆については、こちらの記事を参考にさせていただきました。
* 【natto・mecabで】5分で形態素分析に入門して、修造の「人生を強く生きる83の言葉」の頻出語を調べてみる。【形態素解析】 | Project name
* MeCab: Yet Another Part-of-Speech and Morphological Analyzer
* GitHub - buruzaemon/natto: A Tasty Ruby Binding with MeCab

開発環境

• OSX 10.11.2 El Capitan
  - ターミナルエミュレータ： Macターミナル
  - シェル： zsh
  - パッケージマネージャ： Homebrew
• Ruby 2.0.0p645

*1:形態素解析に使える日本語辞書の１つ