1. 何をしている

python の言語処理ライブラリ nagisa を R で使えるか試してみた。環境は、Google Colaboratory を利用した。

言語処理ライブラリ nagisa を Python で使ってみた感想は、

pip install nagisa のみでインストールできるので簡単
シンプルなコードで単語分割と品詞タグ付けができるので憶えやすい
ユーザー辞書の追加が簡単にできるので便利

この nagisa が、R でも使えたら便利だと考えたので、挑戦してみた。

2. 環境作成

(1) Google Colaboratory で、Rのノートブックを作成

Google Colaboratory で、次のリンクからRのノートブックを作成する。
https://colab.research.google.com/notebook#create=true&language=r

(2) nagisaのインストール

Colab のコードセルで、

system('pip install nagisa', intern=TRUE)

(3) reticulate パッケージのインストール

reticulate パッケージは、PythonとRの間で相互運用するためのツールを提供するパッケージである。

install.packages("reticulate")
library(reticulate)

(4) Colab では必要ないが、Python の Path の指定方法

python のパス確認

system('which python', intern=TRUE)

出力結果

'/usr/local/bin/python'

上の出力結果をコピーして、use_python() 関数の引数に貼り付ける。

use_python("/usr/local/bin/python")

3. 基本的な使い方

　https://github.com/taishi-i/nagisa で紹介されている Python のコードを R のコードに変換。

(1) 単語分割と品詞タグ付け

nagisa <- import("nagisa")

text <- 'Pythonで簡単に使えるツールです'
words <- nagisa$tagging(text)
print(py_str(words), quote=FALSE)
# [1] Python/名詞 で/助詞 簡単/形状詞 に/助動詞 使える/動詞 ツール/名詞 です/助動詞

# 単語列のリストを取得
print(words$words)
# [1] "Python" "で"     "簡単"   "に"     "使える" "ツール" "です"  

# 品詞タグのリストを取得
print(words$postags)
# [1] "名詞"   "助詞"   "形状詞" "助動詞" "動詞"   "名詞"   "助動詞"

Python で nagisa.tagging(text) と . を使っているのを、R では nagisa$tagging(text) と $ を使う。
print(words) では、<nagisa.tagger.Tagger._Token object at 0x7fa6bee39f50> と出力されるので、reticulate パッケージの py_str() 関数を使う。

(2) 単語をフィルタリングして抽出

# 特定の品詞タグの単語をフィルタリングする
words <- nagisa$filter(text, filter_postags=list('助詞', '助動詞'))
print(py_str(words), quote=FALSE)
# [1] Python/名詞 簡単/形状詞 使える/動詞 ツール/名詞

# 名詞のみを抽出する
words <- nagisa$extract(text, extract_postags=list('名詞'))
print(py_str(words), quote=FALSE)
# [1] Python/名詞 ツール/名詞

# nagisaで利用可能な品詞タグの一覧
print(nagisa$tagger$postags)
#  [1] "oov"        "補助記号"   "名詞"       "空白"       "助詞"      
#  [6] "接尾辞"     "動詞"       "連体詞"     "助動詞"     "形容詞"    
# [11] "感動詞"     "接頭辞"     "記号"       "接続詞"     "副詞"      
# [16] "代名詞"     "形状詞"     "web誤脱"    "URL"        "英単語"    
# [21] "漢文"       "未知語"     "言いよどみ" "ローマ字文"

R から Python にリストを渡すとき
- 要素が複数あるとき、c()、list() どちらで Python に渡しても、Python でリストとして認識される。
- 要素が１個のときは、c() で Python に渡すと、Python ではリストとして認識されない。

print(r_to_py(c('助詞', '助動詞')))
# ['助詞', '助動詞']

print(r_to_py(list('助詞', '助動詞')))
# ['助詞', '助動詞']

print(r_to_py(c('名詞')))
# '名詞'

print(r_to_py(list('名詞')))
# ['名詞']

(3) ユーザー辞書の追加

# 既定
text <- "3月に見た「3月のライオン」"
print(py_str(nagisa$tagging(text)), quote=FALSE)
# [1] 3/名詞 月/名詞 に/助詞 見/動詞 た/助動詞 「/補助記号 3/名詞 月/名詞 の/助詞 ライオン/名詞 」/補助記号

# single_word_listに単語リストを指定すると、1つの単語として認識される
new_tagger <- nagisa$Tagger(single_word_list=list("3月のライオン"))
print(py_str(new_tagger$tagging(text)), quote=FALSE)
# [1] 3/名詞 月/名詞 に/助詞 見/動詞 た/助動詞 「/補助記号 3月のライオン/名詞 」/補助記号

R で nagisa