MeCabに単語を登録

MacOS Mavericks で、 MeCab に単語を登録する方法

流れとしては、
1. 単語情報を記載したCSVファイルを作成
2. そのCSVファイルからユーザー辞書ファイルを作成
3. MeCabを実行(ユーザー辞書ファイルが使われる)
というストーリー。

以下の2つを任意のファイルパスで決めておく。

単語情報を記載したCSVファイル

/path/to/word.csv

MeCabが使うユーザー辞書ファイル

/path/to/mecab.dic

MeCabがユーザー辞書ファイルを参照するように設定

# MeCabの設定ファイルのテンプレートをホームディレクトリに用意
$ cp -pr /usr/local/etc/mecabrc ~/.mecabrc

# ~/.mecabrc に、以下のように userdic エントリーを追加
$ cat ~/.mecabrc
;
; Configuration file of MeCab
;
; $Id: mecabrc.in,v 1.3 2006/05/29 15:36:08 taku-ku Exp $;
;
dicdir =  /usr/local/lib/mecab/dic/ipadic

; userdic = /home/foo/bar/user.dic

; output-format-type = wakati
; input-buffer-size = 8192

; node-format = %m\n
; bos-format = %S\n
; eos-format = EOS\n

userdic = /path/to/mecab.dic

登録する単語のCSVファイルを作成

/path/to/word.csv を、以下のようなフォーマットで作成。文字コードは UTF-8 にする。

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

活用しない一般名詞であれば、以下のように書ける。

Wi-Fi,,,1000,名詞,一般,*,*,*,*,WI-FI,Wi-Fi,ワイファイ

辞書の作成

以下のコマンドを実行する

$  /usr/local/libexec/mecab/mecab-dict-index -d /usr/local/lib/mecab/dic/ipadic -u /path/to/mecab.dic -f UTF-8 -t UTF-8 /path/to/word.csv

辞書が機能するかどうかを確認

1単語になっていればOK.

$ echo "Wi-Fiが繋がらない" | mecab
Wi-Fi   名詞,一般,*,*,*,*,WI-FI, Wi-Fi, ワイファイ
が      助詞,格助詞,一般,*,*,*,が,ガ,ガ
繋がら  動詞,自立,*,*,五段・ラ行,未然形,繋がる,ツナガラ,ツナガラ
ない    助動詞,*,*,*,特殊・ナイ,基本形,ない,ナイ,ナイ