[[全文検索システム『ひまわり』]] &size(20){&color(red){本ページは現在構築中です};}; * 1.概要 [#x0562e5e] このページでは,[[『CD-毎日新聞データ集』>http://www.nichigai.co.jp/sales/mainichi/mainichi-data.html]](&color(red){本社版,1994年以降};)を『ひまわり』にインポートする方法を示します。ただし,2.1 節のとおり,実行環境に制限があります。必ず,事前に確認して下さい。 なお,本ページの内容,および,配布パッケージの動作は,無保証です。自己責任での実行をお願いいたします。 * 2.準備 [#a003392e] ** 2.1 実行環境の確認 [#a49e3d9a] インポート時は大量のメモリを使用するため, 次の条件を満たす PC が必要です。 + OSが64ビット版であること -- (microsoft.com) [[自分のパソコンが 32 ビット版か 64 ビット版かを確認したい>http://support.microsoft.com/kb/958406/ja]] -- (apple.com) [[Intel ベースの Mac のプロセッサが 32 ビットか 64 ビットかを識別する方法>http://support.apple.com/kb/HT3696?viewlocale=ja_JP&locale=ja_JP]] + 『ひまわり』実行時に 3GB 程度のメモリが確保できること &br;(参考:検証環境) -- Windows 7 (CPU: Intel Corei5 2.6GHz, Memory: 4GB) -- Mac OS X 10.9.3 (MacBook Pro Mid 2010, CPU: Intel Corei5 2.53GHz, Memory: 4GB) + 64ビット版の JRE (Java の実行環境)がインストールされていること -- 後述のバッチファイルで,『ひまわり』が起動するか確認してください。 -- 実行できないようであれば,64ビット版の JRE を [[Oracle のサイト>https://java.com/ja/download/manual.jsp]]からダウンロードし,インストールしてください。 --- Windows の場合は,『ひまわり』に同梱されている JRE は 32ビット版なので,個別に JRE をインストールして下さい。 --- Mac の場合,「MacOS用プログラム同梱版」の『ひまわり』をインストールすれば,個別に JRE をインストールする必要はありません。 ** 2.2 『ひまわり』ver.1.5のインストール [#y554246f] - [[ver.1.5>全文検索システム『ひまわり』/ダウンロード/『ひまわり』ver.1.5]] (β03以降)をインストールして下さい。 -- Mac をお使いの方は,ver.1.5 の「MacOS用プログラム同梱版」をインストールして下さい。 -- ver.1.3 はインポートの機能がないため,本ページの対象外ですが,インポートした結果は ver.1.3 でも利用できます。 ** 2.3 「毎日新聞データ集用変換パッケージ」のインストール [#i04c1787] + 「毎日新聞データ集用変換パッケージ」(himawari_mainichi.zip)をダウンロードしてください。 + パッケージを解凍し,Himawari_mainich フォルダの中身を確認して下さい。次のファイルが含まれます。 Corpora フォルダ resources フォルダ config_mainichi.xml config_mainichi.db.xml execute_himawari_win.bat execute_himawari_mac.command execute_himawari_linux.sh +『ひまわり』がインストールされているフォルダにコピーして下さい。 +『ひまわり』がインストールされているフォルダにコピーして下さい。コピー時は, * 3.変換手順 [#j99c5630] 変換は,&color(red){1年分ずつ};行います。変換結果をまとめて検索する場合は,3.4 節を参照して下さい。 ** 3.1 毎日新聞データの配置 [#vc95c8d5] + 毎日新聞のテキストデータを格納するために,「mainichi + 年」の形式で,フォルダを新規に作成して下さい(例:mainichi1995)。 -- フォルダ名がコーパス名になります。 -- 1年分が複数のファイルから構成されている場合は mainichi1999A のように区別し,個別にインポートの処理をするようにしてください。 + 作成したフォルダに,毎日新聞のテキストデータをコピーして下さい。 -- なお,&color(red){ファイル末尾が .TXT のように大文字の場合};は,小文字にして下さい(例:MAI95.TXT → MAI95.txt) -- 不要なファイルがインポートされるのを防ぐため,1のフォルダには他のファイルを入れないで下さい。 ** 3.2 『ひまわり』の起動 [#c6a46152] - コマンドラインから実行する場合は,次のように『ひまわり』を起動してください。 % java -Xmx3072m -jar himawari.jar - コマンドラインでの操作が不慣れな方のために,起動用プログラムを用意しています。 -- Windows 用: execute_himawari_win.bat -- Mac 用: execute_himawari_mac.command -- Linux 用: execute_himawari_linux.sh 上記の起動例,および,起動用プログラムでは,デフォルトで 3072MB のメモリを確保するようになっています。もし,メモリ不足のエラーが出た場合は,数値を増やして下さい。なお,起動用プログラムはテキストエディタで編集できます。 ** 3.3 インポートの実行 [#na449f5c] + [新規]→[インポート]を実行して下さい。 + 「詳細オプション」をクリックすると,次のウィンドウが起動します。 -- 「参照」ボタンを押して,毎日新聞データを格納したフォルダを指定して下さい。この際,コーパス名は自動的にフォルダ名と同一になりますが,変更しないで下さい。 -- 「テキスト変換」オプションのメニューから「mainichi.htd」を選択して下さい。 + 「インポート」ボタンを押すと,インポートの処理が開始します。次の画面が出れば,成功です。 ** 3.4 設定ファイルの修正 [#z962364f] 『ひまわり』は,設定ファイルで検索対象を切り替えます。「毎日新聞データ集用変換パッケージ」には,専用の設定ファイル(config_mainichi.xml)が含まれていますが,使用前にインポートしたデータの情報を書き込む必要があります。 例えば,3.1 でコーパス名を「mainichi1995」とした場合は,config_mainichi.xml を次のように修正して下さい。 - 修正前 <corpora name="毎日新聞データ集"> <li name="コーパス名(日本語もOK)" path="Corpora/インポート時に指定したコーパス名/corpus" /> </corpora> - 修正後 <corpora name="毎日新聞データ集"> <li name="毎日新聞1995" path="Corpora/mainichi1995/corpus" /> </corpora> 複数の毎日新聞データをインポートし,まとめて検索するには,次のように設定を列挙して下さい。 - 修正後 <corpora name="毎日新聞データ集"> <li name="毎日新聞1995" path="Corpora/mainichi1995/corpus" /> <li name="毎日新聞1996" path="Corpora/mainichi1996/corpus" /> </corpora> ** 3.5 索引付け(インデックス生成) [#y5413342] + 3.2 と同様の方法で,『ひまわり』を再度起動し,[ファイル]→[新規]で config_mainichi.xml を読み込んで下さい。 + [ツール]→[インデックス生成]を実行してください。 * 4.利用方法 [#f41daeb2] ** 4.1 検索方法 [#r46250bd] 『ひまわり』を起動し,[ファイル]→[新規]で,設定ファイル(config_mainichi.xml) を読み込んでください。これで,インポートしたデータを検索できる状態になります。詳しい検索方法については,全文検索システム『ひまわり』の[[利用者マニュアル>全文検索システム『ひまわり』/利用者マニュアル]]を参照してください。 ** 4.2 検索結果 [#tdabd611] |列名|内容|h |タイトル|記事のタイトル| |面種|記事の面種| |年|記事を含む新聞の発行年| |月|記事を含む新聞の発行月| |日|記事を含む新聞の発行日| |朝/夕刊|朝刊,夕刊の別| |地域|大阪版の記事の場合,大阪となる。本社版の場合は,空欄| |文字数|記事に含まれる文字数|