全文検索システム『ひまわり』/『分類語彙表』を『ひまわり』で利用する方法

全文検索システム『ひまわり』

現在，本コンテンツは，保守されていません。

１．はじめに†

• 『分類語彙表増補改訂版』（研究用データ）を『ひまわり』で利用する方法について説明します。
• 本資料の内容は，次の環境でテストしています。本資料の内容をお試しいただく場合は，自己責任でお願いいたします。
  • 『ひまわり』(ver.1.2β03)
  • 環境１
    • OS: WindowsXP(SP2)
    • Memory: 512MB
    • Perl: ActivePerl ver.5.8.6.811
  • 環境２
    • OS: Debian GNU/Linux ver.3.0
    • Memory: 1GB
    • Perl: ActivePerl ver.5.8.6.811
• 実行例は，次のとおりです。画像をクリックすると大きくなります。
   
  

２．準備†

• 『分類語彙表増補改訂版』（研究用データ）を入手してください。
  • 入手方法は，『分類語彙表増補改訂版』（研究用データ）をご覧ください。
  • 『分類語彙表増補改訂版』（書籍版）に付属の CD-ROM のデータには対応していませんのでご注意ください。
• 『分類語彙表』→『ひまわり』変換パッケージ(bun2him.lzh)をダウンロードしておいてください。なお，本ページでは，GPL ライセンスに基づいて，このパッケージを配布しています。
• Perl (ver.5.8.6 以上) をお手持ちのＰＣにインストールしてください。
  • Perl は，変換に必要なプログラミング言語です。
  • ActiveState で無償で配布しています。
    • Windows 版ダウンロード
    • Linux 版ダウンロード
  • 詳しくは，ActiveState の ActivePerl のページ や Instalation Guide をご覧ください。
• 『ひまわり』 ver.1.3 をインストールしてください。

３．変換手順†

3.1 パッケージの解凍†

• 「準備」のところで示した bun2him.lzh を解凍してください。このファイルは，LZH 形式で圧縮されていますので，Lhasa32 などをお使いください。
• 解凍すると，Bun2Himawari フォルダが作成されます。
• パッケージの内容
  • README.txt
  • bun2himawari.pl
  • b2h.bat
  • config_bunrui.xml
  • Corpora フォルダ

3.2 分類語彙表のデータのインストール†

• 『分類語彙表増補改訂版』（研究用データ）に同梱されている bunruidb.txt をご用意ください。
• bunruidb.txt を上記 3.1 で作成された Bun2Himawari フォルダにコピーしてください。

3.3 変換の実行†

1. 次のいずれかの処理を行ってください。
   1. (Windows をお使いの方のみ): Bun2Himawari フォルダにある b2h.bat をダブルクリックしてください。なお，Windows の設定によっては，ファイル名のうち，拡張子の .bat が表示されない可能性があります。このアイコンを目印にしてください。
   2. (Windows, Linux 共通): Bun2Himawari フォルダにおいて，次のコマンドを実行してください。

      perl bun2himawari.pl bunruidb.txt corpus.xml

2. corpus.xml ファイルが作成されたかどうか確認してください。ファイルサイズは，約9MBです。
3. corpos.xml を Corpora 中の Bunrui フォルダに移動してください。
4. Corpora フォルダと config_bunrui.xml を『ひまわり』がインストールしてある場所にコピーしてください。

3.4 索引付け†

　次に，作成した corpus.xml に対して，「索引付け」を行います。「索引付け」は，高速に全文検索するために必要な処理です。

　索引付けの手順は，次のとおりです。

1. 『ひまわり』を起動してください。
2. [ファイル]→[新規] で，設定ファイルの config_bunrui.xml を読み込んでください。
3. [ツール]→[インデックス生成]を実行してください。この処理には，5〜10分程度かかります。
4. 「インデックス生成が終了しました。」と表示されれば，索引付けは終了です。
   なお，なんらかの理由で，インデックス生成を再度行うときは，Bunrui フォルダ中の索引ファイル(拡張子が，.cix, .eix, .aix のファイル)をすべて削除してください。

　以上で，検索用データ作成は終了です。

４．使い方†

• 『ひまわり』を起動し，[ファイル]→[新規] で，設定ファイルの config_bunrui.xml を読み込んでください。
• 『分類語彙表』サンプルの２節「使い方」 をご覧ください。設定ファイル名が異なるだけで使い方は同じです。

５．その他†

• 『分類語彙表増補改訂版』（研究用データ）を UFT-16 に変換している関係上，マイナス記号の入力が困難な場合があります。例えば，「−か日」を検索する場合のように，マイナスが検索文字列に含まれる場合は，この「−」をコピーしてお使いください。なお，UTF-16 だと文字コードは，0x2212 となります。

論文などで引用する際の
成果物の短縮URL

メニュー

• コーパス
  • 『日本語話し言葉コーパス』
  • 『太陽コーパス』
  • 『近代女性雑誌コーパス』
     

• 辞書関連
  • 形態素解析辞書『UniDic』
  • 語種辞書『かたりぐさ』
  • 『表記統合辞書』
  • 『分類語彙表増補改訂版』
     

• 用例データベース
  • 複合動詞
  • サ変動詞
  • 形容詞
     

• ソフトウェア
  • 全文検索システム『ひまわり』
  • 観察支援ツール FishWatchr
  • 観察支援ツール FishWatchr
    Mini
  • 作文支援システム TEachOtherS
  • 『ひまわり』支援ツール
  • 『たんぽぽ』，『プリズム』
     
• 成果物の短縮URL
• 講習会
   

  最新の10件

  2023-09-26

  • TEachOtherS

  2023-05-22

  • mainichi
  • 成果物の短縮URL

  2023-05-16

  • 観察支援ツール FishWatchr

  2023-04-06

  • 新着情報の履歴
  • 言語データベースとソフトウェア
  • 全文検索システム『ひまわり』
  • 全文検索システム『ひまわり』/ダウンロード/『青空文庫』パッケージ/履歴
  • 全文検索システム『ひまわり』/ダウンロード/『青空文庫』パッケージ
  • 全文検索システム『ひまわり』/『日本語日常会話コーパス』/Windows