<!DOCTYPE HTML PUBLIC "-//W3C//DTD HTML 4.01//EN" "http://www.w3.org/TR/html4/strict.dtd"> <html> <head> <meta http-equiv="Content-Type" content="text/html; charset=UTF-8"> <title>MeCab: Yet Another Japanese Dependency Structure Analyzer</title> <link type="text/css" rel="stylesheet" href="mecab.css"> </head> <body> <h1>出力フォーマット</h1> <h2>概要</h2> <p>MeCab は, ChaSen と同様, 出力のフォーマットを比較的自由に再定義することができます. また, 設定ファイルにフォーマットを複数記述しておき, 実行時にそれらを 切り変えることが可能です. これは, MeCab 独自の機能です.</p> <h2>出力フォーマットの指定</h2> <p>以下の 3つ出力フォーマットを変更することができます.</p> <ul> <li>node: 1つの形態素を出力, デフォルトは空文字</li> <li>unk: 1つの未知語形態素を出力, デフォルトは node と同一フォーマット</li> <li>bos: 形態素解析の結果に先だって出力 (header 的役割), デフォルトは空文字</li> <li>eos: 形態素解析の結果の後に出力 (footer 的役割), デフォルトは "EOS\n"</li> <li>eon: N-best出力で, N-Bestの出力が終了したときに出力, デフォルトは空文字列</li> </ul> <p>明示的に指定されない場合, それぞれのデフォルト文字列が使用されます.</p> <p>これらは, 以下の 2つの方法で指定します.</p> <ul> <li>コマンドラインから <pre> % mecab --node-format=STR --bos-format=STR --eos-format=STR --unk-format=STR --eon-format=STR </pre> </li> <li>mecabrc に記述する場合 <p>任意の文字列 KEY を使い, mecabrc に以下のように定義.</p> <pre> node-format-KEY = STR unk-format-KEY = STR eos-format-KEY = STR bos-format-KEY = STR eon-format-KEY = STR </pre> <p>この KEY をコマンドラインから呼び出す.</p> <pre> % mecab -Okey </pre> </li> </ul> <h2>出力フォーマット</h2> <table> <tr class="odd"> <td>%s</td> <td>形態素種類 (0: 通常, 1: 未知語, 2:文頭, 3:文末) </td> </tr> <tr class="even"> <td>%S</td> <td>入力文</td> </tr> <tr class="odd"> <td>%L</td> <td>入力文の長さ</td> </tr> <tr class="even"> <td>%m</td> <td>形態素の表層文字列</td> </tr> <tr class="odd"> <td>%M</td> <td>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)</td> </tr> <tr class="even"> <td>%h</td> <td>素性の内部 ID</td> </tr> <tr class="odd"> <td>%%</td> <td>% そのもの</td> </tr> <tr class="even"> <td>%c</td> <td>単語生起コスト</td> </tr> <tr class="odd"> <td>%H</td> <td>素性 (品詞, 活用, 読み) 等を CSV で表現したもの</td> </tr> <tr class="even"> <td>%t</td> <td>文字種 id </td> </tr> <tr class="odd"> <td>%P</td> <td>周辺確率 (-l2 オプションを指定したときのみ有効)</td> </tr> <tr class="even"> <td>%pi</td> <td>形態素に付与されるユニークなID</td> </tr> <tr class="odd"> <td>%pS</td> <td>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</td> </tr> <tr class="even"> <td>%ps</td> <td>開始位置</td> </tr> <tr class="odd"> <td>%pe</td> <td>終了位置</td> </tr> <tr class="even"> <td>%pC</td> <td>1つ前の形態素との連接コスト</td> </tr> <tr class="odd"> <td>%pw</td> <td>%c と同じ</td> </tr> <tr class="even"> <td>%pc</td> <td>連接コスト + 単語生起コスト (文頭から累積)</td> </tr> <tr class="odd"> <td>%pn</td> <td>連接コスト + 単語生起コスト (その形態素単独, %pw + %pC)</td> </tr> <tr class="even"> <td>%pb</td> <td>最適パスの場合 *, それ以外は ' '</td> </tr> <tr class="odd"> <td>%pP</td> <td>周辺確率 (-l2 オプションを指定したときのみ有効)</td> </tr> <tr class="even"> <td>%pA</td> <td>blpha, forward log 確率 (-l2 オプションを指定したときのみ有効)</td> </tr> <tr class="odd"> <td>%pB</td> <td>beta, backward log 確率 (-l2 オプションを指定したときのみ有効)</td> </tr> <tr class="even"> <td>%pl</td> <td>形態素の表層文字列としての長さ, strlen (%m) と同一</td> </tr> <tr class="odd"> <td>%pL</td> <td>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</td> </tr> <tr class="even"> <td>%phl</td> <td>左文脈 id</td> </tr> <tr class="odd"> <td>%phr</td> <td>右文脈 id</td> </tr> <tr class="even"> <td>%f[N]</td> <td>csv で表記された素性の N番目の要素</td> </tr> <tr class="odd"> <td>%f[N1,N2,N3...]</td> <td>N1,N2,N3番目の素性を, "," を デリミタとして表示</td> </tr> <tr class="even"> <td>%FC[N1,N2,N3...]</td> <td>N1,N2,N3番目の素性を, C を デリミタとして表示.<br> 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]</td> </tr> <tr class="odd"> <td>\0 \a \b \t \n \v \f \r \\</td> <td>通常の エスケープ文字列</td> </tr> <tr class="even"> <td>\s</td> <td>' ' (半角スペース)<br> 設定ファイルに記述するときに使用</td> </tr> </table> <h2>例</h2> <p> dicrc より抜粋した例 </p> <pre> ; yomi node-format-yomi = %pS%f[7] unk-format-yomi = %M eos-format-yomi = \n ; simple node-format-simple = %m\t%F-[0,1,2,3]\n eos-format-simple = EOS\n ; csv node-format-csv = %m,%f[7],%f[8],%f[6],%F-[0,1,2,3],%f[4],%f[5]\n unk-format-csv = %m,%m,%m,%f[6],%F-[0,1,2,3],,\n eos-format-csv = EOS,,,,,,\n ; ChaSen node-format-chasen = %m\t%f[7]\t%f[6]\t%F-[0,1,2,3]\t%f[4]\t%f[5]\n unk-format-chasen = %m\t%m\t%m\t%F-[0,1,2,3]\t\t\n eos-format-chasen = EOS\n </pre> <h2>注意事項</h2> <p>わかち書き出力 (-Owakati), デフォルトの出力, 出力ダンプ (-Odump) は 高速性を犠牲にしたく ないために, ハードコーディングされています.</p> </body> </html>
