アヒルヤキを、JUMAN, MeCab, FreeWnn, Cannaで変換してみました。

1. アヒルヤキを変換してみよう
はしもとまさひこ
2015/2/28
オープンソースカンファレンス 2015 Tokyo/Spring

2. 2
自己紹介
●
東海道らぐとかやってます。
– 日本openSUSEユーザ会もたまにやってます。
●
「おーぷん万葉」プロジェクトを始めました！
– 日本文学文化学科卒なので、その経験を活かしたいと。

3. 3
おーぷん万葉プロジェクトとは？
●
目的「自由な日本語入力環境を手に入れよう！」
●
現状の問題点：
– ビックデータと叫ばれる時代に、開発がアクティブで
自由にコミットメントできる日本語入力システムがない？
● 例： mozc, Anthy... （但し、SKKを除く！）
→ そんな現状を打破したい！てのが目的です。

4. 4
そそ、東海道らぐも紹介しないとね
●
大阪、京都、名古屋、浜松…などを中心に活動する
東海道らぐ（Tokaido Linux User Group）です！
http://tokaidolug.colorfultime.net
●
ほぼ小江戸らぐの丸ぱくり。
●
参加団体（というより主な参加者）：
– おーぷんここん
– Ejectコマンドユーザ会（の名古屋支部？）
– Netwalker実験所
– Linux Mint Japan（の浜松の方）

5. 5
東海道らぐに期待の新星現る！
● 名前： あひるさん （ @ahiru3net ）
●
職業： 名古屋の学生さん
● 主に、Ejectコマンドユーザ会に出没
– あひるさんをいろんなイベント（勉強会）に誘う
「あひる釣り師」という職業があるらしい
そそ、あひるさんには有名なニックネームがありますね
ちょっとアイコンを拡大してみましょう！
注：本人使用許可承諾済み

6. 6
焼かれてます！！！
これが世に言う「あひる焼き」というやつです。

7. 7
ところで、「あひる焼き」って…
●
どんな日本語なのでしょう？？？
●
品詞は？？？
– 動詞 or 名詞 or 形容詞？
– そもそもこれって「単語」なの？
「アヒルヤキ」って日本語変換できますか？

8. 8
今回のお題。
● 「アヒルヤキ」を形態素解析 or かな漢字変換します
● 形態素解析 or かな漢字変換する文：
– 「アヒルヤキ」 期待値「あひる焼き」
– 「アヒルヤキタイ」 期待値「あひる焼きたい」
– 「アヒルヤキタベタイ」 期待値「あひる焼き食べたい」
●
今回使用するツール：
– Juman、Mecab、FreeWnn、Canna

9. 9
形態素解析器① JUMAN
●
京都大の黒橋・河原研究室で開発
– http://nlp.ist.i.kyoto-u.ac.jp/index.php?JUMAN
● 最新バージョンは 7.0.1 (2014/12/22)
– 古くからありますが、結構更新されてますね
● Web版が公開されてるので試してみましょう！
– http://lotus.kuee.kyoto-u.ac.jp/nl-resource/cgi-bin/juman.cgi

10. 10
結果： JUMAN
●
あひるやき
– あひる 普通名詞 代表表記：家鴨/あひる
– や 接続助詞
– き 動詞 代表表記：着る/きる
●
あひるやきたい
「あひるやき」まで同上
– たい 接尾辞 代表表記：たい/たい
●
あひるやきたべたい
「あひるやき」まで同上
– たべ 動詞 代表表記：食べる/たべる
– たい 接尾辞 代表表記：たい/たい
注：出力は途中省略してます。
詳しくは自分で試してみてください！

11. 11
考察： JUMAN
● 「やき」って単語が登録されていないようですorz
– 辞書ファイルには「おこのみやき」「めだまやき」などは
入っていましたが、「やき」自体はありませんでした。

12. 12
形態素解析器② MeCab
●
現在最も使用されている形態素解析器
http://mecab.googlecode.com/svn/trunk/mecab/doc/index.html
● 開発はGoogle日本語入力 & mozcの工藤拓氏
● GPL, LGPL, BSDライセンスのオープンソース
●
「和布蕪（めかぶ）」は開発者の好物らしい。。。
●
辞書は国立国語研究所が開発している
Unidicを使用します。

13. 13
結果： Mecab
●
あひるやき
– あひる 家鴨 名詞-普通名詞-一般
– やき 焼き 接尾辞-名詞的-一般
●
あひるやきたい
– あひる 家鴨 名詞-普通名詞-一般
– やき 焼く 動詞-一般 五段-カ行 連用形-一般
– たい たい 助動詞 終止形-一般
●
あひるやきたべたい
「あひるやき」まで「あひるやき」と同じ
– たべ 食べる 動詞-一般 下一段-バ行 連用形-一般
– たい たい 助動詞 終止形-一般

14. 14
考察： MeCab
● さすがですね・・・(^^)
● 「あひるやき」を、「あひる(名詞)」「やき(接尾辞)」に
分割しています。
– JUMANはこれができていませんでした…
– 接尾辞＝ 「〜さん」のような辞（単独で文節にならない）
● JUMANでは「たい」を接尾辞としていましたが
MeCabでは「たい」を助動詞としています
– 文法的にはどちらも正解ですが、統一できないものかしら？
– Unidicには「形状詞」(＝形容動詞？)という品詞も出てきて
個人的には許せない(笑)

15. 15
かな漢字変換① FreeWnn
● 京都大・オムロン等が開発したWnnのオープンソース版
http://www.freewnn.org/
OSC京都で話をするとめちゃくちゃ盛り上がります(笑)
●
名称の由来は
「わたしの（W）なまえは（N）なかのです（N）」
● FreeWnnプロジェクトのサーバーがあるとかないとか…
– いろいろあって放置してます…ごめんなさい(^^;;;;;
● 辞書は付属のPubdicPlusを使用します

16. 16
結果： FreeWnn
●
あひるやき：
アヒルや 気
●
あひるやきたい：
アヒルや 気 対
●
あひるやきたべたい：
アヒルや 気 食べたい
注）スペースは文節区切りで、意図的に追加しています
本来は追加されていません

17. 17
考察： FreeWnn
●
まぁこんなもんですよね・・・
– フォローするようですが、Wnnの開発開始が1987年
– 辞書語彙数＝ 44330語
●
「アヒルや」というように「名詞＋接続助詞」で
区切っている点は、JUMANと同じですね
●
「あひる」をそのまま「あひる」とせずに
「アヒル」とカタカナ変換してしまったのは
かな漢字変換システム的に興味深い点

18. 18
かな漢字変換② Canna
● NECが開発していたものをオープンソース化
http://canna.sourceforge.jp/
MITライセンス
●
最近は開発がストップしてしまっています。。。
– 最後のリリースが 2004/5/20
– 現在フォークして「Izumo」を開発中です。。。
https://github.com/hashimom/Izumo
● 辞書は付属のPubdicPlusを使用します

19. 19
結果： Canna
●
あひるやき
あ 昼 焼き
●
あひるやきたい
あ 昼 焼きたい
●
あひるやきたべたい
あ 昼や 気 食べたい
注）スペースは文節区切りで、意図的に追加しています
本来は追加されていません

20. 20
考察： Canna
●
なんだかビミョ〜だ
– 開発開始= 1991年・・・FreeWnnの２年後ですね
● 実は、FreeWnnと同じPubdicPlusでも
語彙数はCannaの方が若干少ない
– Canna= 42001語 （FreeWnn= 44330語）
– 「あひる」はCannaの方には含まれていない
●
「やき」はどうやって「焼き」と変換できたのか？
– 辞書には見当たらない？ 要調査！

21. 21
まとめ
●
「あひる焼き」を「あひる」と「焼き」とに
分けられるか？というのがポイントだった
●
やっぱし語彙数
– mecabで使用したUnidicは単純計算で756463語ある
– FreeWnnやCannaは語彙数を増やすとばけるかも？

22. 22
皆さんで一緒に、自由な辞書を作りましょう！！！
ご清聴、ありがとうございましたm(_ _)m