mecabに人名辞書追加

python3で追加して見た

ネットで参考サイトがたくさんあるんが、一応python3でやって見た。

##人名辞書

フリーのIME・ATOKユーザ辞書リンク集

ここから手にいた。
txt格式で　あい "亜衣":姓のようにあって、そこでmecab向けのcsv格式変換する。
表層形,左文脈ID,右文脈ID,コスト,品詞,品詞細分類1,品詞細分類2,品詞細分類3,活用形,活用型,原形,読み,発音 のようにしたい。

直接excelで区切り文字を指定して、csvファイルを作るは一つ方法。

そして上のように編集する。
情報基礎の知識だね

pythonでやれば

\#!/usr/bin/env python
\# -*- coding: utf-8 -*-

import sys
import re

def Dic():
    dic_file = open('sei.txt','r')
    lines = dic_file.readlines()
    dic_file.close()
    
    for line in lines: 
        sword = line.split("\t")
        kana = sword[0].strip()
        word = sword[1].strip()
        cost = str(max(-36000,8000-len(word)**500)) #コスト要検討
        print(word+",,,"+cost+",名詞,固有名詞,人名,姓,*,*,"+word+","+kana+","+kana+"追加")
    
        
if __name__ == '__main__':
    Dic()

###左右の文脈ID

左右の文脈IDがmecabのバージョンによって違うらしい、そして

空にしておくと mecab-dict-index が自動的に ID を付与します
と書いているので、空白した

###コスト

http://www.mwsoft.jp/programming/munou/mecab_hatena.html
から　cost = -400 * word.split(//u).size ** 1.5

という計算方法あるが、負の数がばかりでちゃんと出るのかが心配、公式サイト見れば、

コストの自動推定機能

がある。
また　

-a オプションを用いて, コスト値や文脈IDが空のCSVファイルに対し, 自動的にそれらを埋めて新しいCSVを作成することができます

両方ともやってみる

追加先

単語の追加方法

システム辞書に追加