MeCaB

Installation

• pour Windows : mecab-0.996.exe

• pour Linux :

git clone https://github.com/taku910/mecab.git

cd mecab/mecab/

./configure –with-charset=utf-8 –enable-utf8-only

make

sudo make install

sudo ldconfig

cd ../mecab-ipadic/

./configure –with-charset=utf-8 –enable-utf8-only

make

sudo make install

Concernant la tokénisation et le calcul des fréquences

• MeCabのコスト計算について
• MeCabのコスト計算を理解する
• 日本テレビ東京で学ぶMeCabのコスト計算

Formatage de la sortie

%s	形態素種類 (0: 通常, 1: 未知語, 2:文頭, 3:文末)
%S	入力文
%L	入力文の長さ
%m	形態素の表層文字列
%M	形態素の表層文字列, ただし空白文字も含めて出力 (%pS を参照のこと)
%h	素性の内部 ID
%%	% そのもの
%c	単語生起コスト
%H	素性 (品詞, 活用, 読み) 等を CSV で表現したもの
%t	文字種 id
%P	周辺確率 (-l2 オプションを指定したときのみ有効)
%pi	形態素に付与されるユニークなID
%pS	もし形態素が空白文字列で始まる場合は, その空白文字列を表示 %pS%m と %M は同一
%ps	開始位置
%pe	終了位置
%pC	1つ前の形態素との連接コスト
%pw	%c と同じ
%pc	連接コスト + 単語生起コスト (文頭から累積)
%pn	連接コスト + 単語生起コスト (その形態素単独, %pw + %pC)
%pb	最適パスの場合 *, それ以外は ' '
%pP	周辺確率 (-l2 オプションを指定したときのみ有効)
%pA	blpha, forward log 確率 (-l2 オプションを指定したときのみ有効)
%pB	beta, backward log 確率 (-l2 オプションを指定したときのみ有効)
%pl	形態素の表層文字列としての長さ, strlen (%m) と同一
%pL	形態素の表層文字列としての長さ, ただし空白文字列も含む, strlen(%M) と同一
%phl	左文脈 id
%phr	右文脈 id
%f[N]	csv で表記された素性の N番目の要素
%f[N1,N2,N3...]	N1,N2,N3番目の素性を, "," を デリミタとして表示
%FC[N1,N2,N3...]	N1,N2,N3番目の素性を, C を デリミタとして表示. ただし, 要素が 空の場合は以降表示が省略される. (例)F-[0,1,2]
\0 \a \b \t \n \v \f \r \\	通常の エスケープ文字列
\s	' ' (半角スペース) 設定ファイルに記述するときに使用