lindera-unidic-builder 0.3.2

A Japanese morphological dictionary builder for UniDic.

Lindera UniDic Builder

License: MIT Join the chat at https://gitter.im/lindera-morphology/lindera

UniDic builder for Lindera. This project fork from fulmicoton's kuromoji-rs.

Install

% cargo install lindera-unidic-builder

Build

The following products are required to build:

  • Rust >= 1.39.0
  • make >= 3.81
% make lindera-unidic

Dictionary version

This project supports UniDic 2.1.2. See detail of UniDic .

Building a dictionary

Building a dictionary with lindera-unidic command:

% ./bin/lindera-unidic ./unidic-mecab-2.1.2_src ./lindera-unidic-2.1.2

Dictionary format

Refer to the manual for details on the unidic-mecab dictionary format and part-of-speech tags.

Index Name (Japanese) Name (English) Notes
0 品詞大分類
1 品詞中分類
2 品詞小分類
3 品詞細分類
4 活用型
5 活用形
6 語彙素読み
7 語彙素(語彙素表記 + 語彙素細分類) Lexeme
8 書字形出現形
9 発音形出現形
10 書字形基本形
11 発音形基本形
12 語種
13 語頭変化型
14 語頭変化形
15 語末変化型
16 語末変化形

Tokenizing text using produced dictionary

You can tokenize text using produced dictionary with lindera command:

% echo "羽田空港限定トートバッグ" | lindera -d ./lindera-unidic-2.1.2
羽田    名詞,固有名詞,人名,姓,*,*,羽田,ハタ,ハタ
空港    名詞,普通名詞,一般,*,*,*,空港,クーコー,クーコー
限定    名詞,普通名詞,サ変可能,*,*,*,限定,ゲンテー,ゲンテー
トート  名詞,普通名詞,一般,*,*,*,トート,トート,トート
バッグ  名詞,普通名詞,一般,*,*,*,バッグ,バッグ,バッグ
EOS

For more details about lindera command, please refer to the following URL:

API reference

The API reference is available. Please see following URL:

  • Lindera UniDic Builder