「MeCab」を使ってイニシャルを生成しよう

by

fcfg100120841_tp_v

サーバー開発担当の木下です。

少し前にPebble Timeを購入しました。屋外でも見やすい液晶と、使いやすいインターフェイスが気に入っています。ウォッチフェイス(盤面)も、昔のMac風のものや、ひたすらUnixtimeだけ刻み続けるものなど、遊び心のあるものがたくさんあって面白いです。

さて今回は、形態素解析の話です。

形態素解析とは

「形態素解析」は自然言語処理のひとつで、文章を単語(形態素)ごとに切り分けてそれぞれの品詞・読みなどを判別する処理のことを指します。
日本語の形態素解析は非常に難しいと言われているようです。というのも、英語のように文章が単語で区切られておらず、また文脈によって読みが変わるからです。

日本語の形態素解析エンジンはいくつかありますが、その中の一つに、オープンソースで開発されている「MeCab」があります。こちらはGitHubで公開されています。
余談ながらお気づきかもしれませんが、「MeCab」の語源は「和布蕪」のようです。
UNIX/Windowsで動作するようなので、今回は手元のLinuxマシンで試してみたいと思います。

形態素解析をさわってみる

上記GitHubページから、MeCab本体のSourceをダウンロードしてきました。現時点での最新版は「mecab-0.996.tar.gz」です。コンパイル・インストールしてみましょう。

$ tar xvzf ./mecab-0.996.tar.gz
$ cd mecab-0.996
$ ./configure
$ make
$ make check
# make install

続けて、辞書データもインストールします。

$ tar xvzf ./mecab-ipadic-2.7.0-20070801.tar.gz
$ cd mecab-ipadic-2.7.0-20070801
$ ./configure --with-charset=utf8
$ make
# make install

順調にいけばこれでインストール完了です。実際に解析してみましょう。

$ echo すもももももももものうち | mecab
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

サンプル通りに解析できました。
今回の目標は「イニシャルを生成する」です。ここからはPHPで記述して、APIに組み込めるようにしたいと思います。

MeCabでイニシャルを生成する

PHPで記述してみました。exec関数を使って、mecabコマンドを呼び出しています。

$firstName = '漱石';
$lastName = '夏目';

$firstNameKana = exec('echo '.$firstName.' | mecab --node-format="%f[7]" --eos-format="\n"');
$lastNameKana = exec('echo '.$lastName.' | mecab --node-format="%f[7]" --eos-format="\n"');

echo $firstNameKana; // -> ソウセキ
echo $lastNameKana; // -> ナツメ

「夏目 漱石」をちゃんと「ナツメ ソウセキ」に解析できました。ここから、カナを英字に変換してみます。
カナ→英字はmb_convert_kanaあたりで一発変換できるかと思っていたのですが、PHPにはそのような関数がなさそうなので、自分で関数を作成することにしました。

function initialCheck($val){   
  $valf = mb_substr($val, 0, 1, 'UTF8');
  switch($valf){
    case 'ア': return 'A'; break;
    case 'イ': return 'I'; break;
    case 'ウ': return 'U'; break;
    case 'エ': return 'E'; break;
    case 'オ': return 'O'; break;
    case 'カ': case 'キ': case 'ク': case 'ケ': case 'コ': return 'K'; break;
    case 'サ': case 'シ': case 'ス': case 'セ': case 'ソ': return 'S'; break;
    case 'タ': case 'チ': case 'ツ': case 'テ': case 'ト': return 'T'; break;
    case 'ナ': case 'ニ': case 'ヌ': case 'ネ': case 'ノ': return 'N'; break;
    case 'ハ': case 'ヒ': case 'フ': case 'ヘ': case 'ホ': return 'H'; break;
    case 'マ': case 'ミ': case 'ム': case 'メ': case 'モ': return 'M'; break;
    case 'ヤ': case 'ヰ': case 'ユ': case 'ヱ': case 'ヨ': return 'Y'; break;
    case 'ラ': case 'リ': case 'ル': case 'レ': case 'ロ': return 'R'; break;
    case 'ワ': case 'ヲ': case 'ン': return 'W'; break;
    case 'ガ': case 'ギ': case 'グ': case 'ゲ': case 'ゴ': return 'G'; break;
    case 'ザ': case 'ジ': case 'ズ': case 'ゼ': case 'ゾ': return 'Z'; break;
    case 'ダ': case 'ヂ': case 'ヅ': case 'デ': case 'ド': return 'D'; break;
    case 'バ': case 'ビ': case 'ブ': case 'ベ': case 'ボ': return 'B'; break;
    case 'パ': case 'ピ': case 'プ': case 'ペ': case 'ポ': return 'P'; break;
    default: return '';
    break;
    }
}

この関数で、カナを変換してみましょう。

$initial = initialCheck($firstNameKana) . initialCheck($lastNameKana);
echo $initial; // -> SN

これでイニシャルが生成できるようになりました。この処理をまとめて関数にしてしまえば、Webの入力画面やAPIなどで使いやすくなると思います。

自然言語処理の活用

今回はイニシャルを生成するだけでしたが、実は自然言語処理(+音声解析)はIT業界でも今特に注目を浴びている分野です。Googleの音声検索や、iOSのSiri、WindowsのCortanaなどがその代表例です。
10月4日に開催されたGoogleの発表イベント「Made by Google」で、一番最初に自然言語処理の話題が取り上げられていたところからも、その注目度がよく分かります。
スマホに向かって「○○さんにお礼のメール」と言うだけでメールを書いてくれたり、「課題図書の感想」と言うだけで読書感想文を自動生成してくれたりする世界に期待したいところです。

また弊社では、音声認識・解析アプリのご依頼も承っております。お気軽にお問い合わせください!

木下 晴晶
e.d.aではサーバー・APIの開発を担当。Plamo->Fedora->Ubuntu->CentOSとわたり歩く生粋のLinux好き。趣味はゆったりした鉄道旅行。

Egg Device Application

東京品川のスマホアプリ開発会社です。
一般アプリ、業務用アプリからVRまで開発可能。

ライター一覧

求人情報

スマホアプリ開発の
相談を受け付けています

メールでのご相談

お電話でのご相談
TEL 03-5422-7524
平日10:00~18:00