|
昨日で一応ある程度ＨＴＭＬの解析プログラムにめどがついたので
今日はテキスト情報を解析するプログラムの作成に取り掛かった。
基本的なのは形態素解析。
形態素とは単語の最小単位のこと。
だからある文の構造を解析することともいえる。
例えば「今日の天気はいい天気です。だから今日は勝君と野球をしよう。」を解析すると
今日 今日 キョウ キョー 名詞-副詞可能
の の ノ ノ 助詞-連体化
天気 天気 テンキ テンキ 名詞-一般
は は ハ ワ 助詞-係助詞
いい いい イイ イイ 形容詞-自立 不変化型 基本形
天気 天気 テンキ テンキ 名詞-一般
です です デス デス 助動詞 特殊・デス 基本形
。 。 。 。 記号-句点
だから だから ダカラ ダカラ 接続詞
今日 今日 キョウ キョー 名詞-副詞可能
は は ハ ワ 助詞-係助詞
勝 勝 カツ カツ 名詞-固有名詞-人名-姓
君 君 クン クン 名詞-接尾-人名
と と ト ト 助詞-並立助詞
野球 野球 ヤキュウ ヤキュー 名詞-一般
を を ヲ ヲ 助詞-格助詞-一般
しよ する シヨ シヨ 動詞-自立 サ変・スル 未然ウ接続
う う ウ ウ 助動詞 不変化型 基本形
。 。 。 。 記号-句点
EOS
のような解析ができるのです。
有名なツールにchasenがあってこれはそれを使ってみました。
この解析によって人物名や組織名、キーワードを抽出しようというのが目的です。
試行錯誤していますが今日はこの後所用があって変えるんですが。
ある程度のプログラムはできました。
また例のごとくエラーが多いんですけどね。
とにかく計画としては３日以内に重要文を抽出するプログラムを作成することです。
気合です。
|
コメント（0）
