mecab-ko-core 0.7.2

한국어 형태소 분석 핵심 엔진 - Lattice, Viterbi, 토크나이저
Documentation 
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214

//! 복합명사 보정: XPN 복합어 분리, 복합명사 쌍, VA/EC 패턴

use crate::sejong::types::SejongToken;

/// 196차: XPN 복합어 분리 테이블 ("맨손" → ("맨", "손"))
static XPN_COMPOUNDS: &[(&str, (&str, &str))] = &[
    ("맨손", ("맨", "손")),
    ("맨발", ("맨", "발")),
    ("맨몸", ("맨", "몸")),
    ("맨땅", ("맨", "땅")),
];

/// 202차: 복합명사 병합 쌍 (앞 명사, 뒤 명사)
static COMPOUND_NOUN_PAIRS: &[(&str, &str)] = &[
    ("무역", "수지"),
    ("여론", "조사"),
    ("시민", "단체"),
    ("국민", "경제"),
    ("경제", "성장"),
    ("대통령", "선거"),
    ("정부", "정책"),
    ("환경", "보호"),
    ("인공", "지능"),
    ("형태소", "분석"),
];

/// 198차: VA 어간 → (표면형, 어간) 변환 테이블
static VA_EC_WORDS: &[(&str, &str)] = &[
    ("높이", "높"),
    ("낮이", "낮"),
    ("깊이", "깊"),
    ("넓이", "넓"),
];

/// 199차: VA 어간 목록 (낮/NNG + 이/JKS 패턴)
static VA_STEMS: &[&str] = &["높", "낮", "깊", "넓"];

/// 192~202차: 복합명사/형태소 병합·분리
///
/// - 192차: "가/VV + 지/NNB + 고/EC" → "가지/VV + 고/EC" 병합
/// - 196차: XPN 복합어 분리 (맨손 → 맨/XPN 손/NNG)
/// - 200차: "밤낮/NNG" → "밤/NNG 낮/NNG" 분리
/// - 197차: "작은집" 복합 접두사 분리
/// - 202차: 복합명사 병합 (여론+조사 → 여론조사)
/// - 198차: "높이/NNG" → "높/VA 이/EC" 분리
/// - 199차: VA 어간 목록 (낮/NNG + 이/JKS 패턴)
/// - 190차: "VV + 히다/NNP" → "VV + 히/VX + 다/EF"
pub(super) fn apply_compound_noun_corrections(tokens: &mut Vec<SejongToken>) {
    // 192차: "가/VV + 지/NNB + 고/EC" → "가지/VV + 고/EC" 병합
    // "가지고 오다" = "가지/VV 고/EC 오/VV 다/EF"
    let mut i = 0;
    while i + 2 < tokens.len() {
        if tokens[i].surface == "가"
            && tokens[i].pos == "VV"
            && tokens[i + 1].surface == "지"
            && (tokens[i + 1].pos == "NNB" || tokens[i + 1].pos == "VX")
            && tokens[i + 2].surface == "고"
            && tokens[i + 2].pos == "EC"
        {
            // "가" + "지" 병합
            tokens[i].surface = "가지".to_string();
            tokens[i].end_pos = tokens[i + 1].end_pos;
            tokens.remove(i + 1);
            i += 2;
            continue;
        }
        i += 1;
    }

    // 196차: XPN 복합어 분리
    // "맨손/NNG" → "맨/XPN 손/NNG"
    // "맨발/NNG" → "맨/XPN 발/NNG"

    // 200차: "밤낮/NNG" → "밤/NNG 낮/NNG" 분리
    // "밤 낮" = "밤/NNG 낮/NNG"
    let mut i = 0;
    while i < tokens.len() {
        if tokens[i].pos == "NNG" && tokens[i].surface == "밤낮" {
            let start = tokens[i].start_pos;
            let end = tokens[i].end_pos;
            let first_len = "밤".chars().count();
            tokens[i] = SejongToken::new("밤", "NNG", start, start + first_len);
            tokens.insert(i + 1, SejongToken::new("낮", "NNG", start + first_len, end));
            i += 2;
            continue;
        }
        i += 1;
    }

    // 201차: XSN 접미사 분리 (주석 처리)
    // sample.tsv에서 대부분 "선생님/NNG"으로 단일 토큰 처리
    // "선생님 할머님" 한 케이스만 분리되어 있어 일관성 없음
    // 정확도 향상을 위해 분리하지 않음

    let mut i = 0;
    while i < tokens.len() {
        if tokens[i].pos == "NNG" {
            if let Some(&(_, (prefix, noun))) = XPN_COMPOUNDS
                .iter()
                .find(|(k, _)| *k == tokens[i].surface.as_str())
            {
                let start = tokens[i].start_pos;
                let end = tokens[i].end_pos;
                let prefix_len = prefix.chars().count();
                tokens[i] = SejongToken::new(prefix, "XPN", start, start + prefix_len);
                tokens.insert(
                    i + 1,
                    SejongToken::new(noun, "NNG", start + prefix_len, end),
                );
                i += 2;
                continue;
            }
        }
        i += 1;
    }

    // 197차: "작은집" 복합 접두사 분리
    // "작은집/NNG" or "작/VA 은/ETM 집/NNG" → "작/XPN 은/XPN 집/NNG"
    // 단, MeCab이 "작/VA 은/ETM 집/NNG"로 분석하면 ETM→XPN 변환
    for i in 0..tokens.len().saturating_sub(1) {
        if tokens[i].surface == "작"
            && tokens[i].pos == "VA"
            && tokens[i + 1].surface == "은"
            && tokens[i + 1].pos == "ETM"
        {
            // 다음이 "집"인 경우 접두사로 변환
            if i + 2 < tokens.len() && tokens[i + 2].surface == "집" {
                tokens[i].pos = "XPN".to_string();
                tokens[i + 1].pos = "XPN".to_string();
            }
        }
    }

    // 202차: 복합명사 병합
    // "무역/NNG + 수지/NNG" → "무역수지/NNG"
    // "여론/NNG + 조사/NNG" → "여론조사/NNG"
    // "시민/NNG + 단체/NNG" → "시민단체/NNG"
    // sample.tsv에서 단일 토큰으로 취급하는 복합명사들
    let mut i = 0;
    while i + 1 < tokens.len() {
        if tokens[i].pos == "NNG" && tokens[i + 1].pos == "NNG" {
            let a = tokens[i].surface.as_str();
            let b = tokens[i + 1].surface.as_str();
            if COMPOUND_NOUN_PAIRS
                .iter()
                .any(|&(ka, kb)| ka == a && kb == b)
            {
                let start = tokens[i].start_pos;
                let end = tokens[i + 1].end_pos;
                let merged = format!("{}{}", tokens[i].surface, tokens[i + 1].surface);
                tokens[i] = SejongToken::new(&merged, "NNG", start, end);
                tokens.remove(i + 1);
                continue;
            }
        }
        i += 1;
    }

    // 198차: "높이/NNG" → "높/VA 이/EC" 분리
    // "높이 낮이" = "높/VA 이/EC 낮/VA 이/EC"
    // 형용사 부사형 분리

    let mut i = 0;
    while i < tokens.len() {
        // 패턴 1: "높이/NNG" 단일 토큰
        if tokens[i].pos == "NNG" {
            if let Some(stem) = VA_EC_WORDS
                .iter()
                .find(|(k, _)| *k == tokens[i].surface.as_str())
                .map(|(_, v)| *v)
            {
                let start = tokens[i].start_pos;
                let end = tokens[i].end_pos;
                let stem_len = stem.chars().count();
                tokens[i] = SejongToken::new(stem, "VA", start, start + stem_len);
                tokens.insert(i + 1, SejongToken::new("이", "EC", start + stem_len, end));
                i += 2;
                continue;
            }
        }
        // 패턴 2: "낮/NNG + 이/JKS" 두 토큰
        if i + 1 < tokens.len()
            && tokens[i].pos == "NNG"
            && VA_STEMS.contains(&tokens[i].surface.as_str())
            && tokens[i + 1].surface == "이"
            && tokens[i + 1].pos == "JKS"
        {
            tokens[i].pos = "VA".to_string();
            tokens[i + 1].pos = "EC".to_string();
            i += 2;
            continue;
        }
        i += 1;
    }

    // 190차: "VV + 히다/NNP" → "VV + 히/VX + 다/EF"
    // "입히다" = "입/VV 히/VX 다/EF" (피사동 접미사)
    let mut i = 0;
    while i < tokens.len() {
        if i > 0
            && tokens[i].surface == "히다"
            && tokens[i].pos == "NNP"
            && tokens[i - 1].pos == "VV"
        {
            let start = tokens[i].start_pos;
            let end = tokens[i].end_pos;
            tokens[i] = SejongToken::new("히", "VX", start, start + "히".len());
            tokens.insert(i + 1, SejongToken::new("다", "EF", start + "히".len(), end));
            i += 2;
            continue;
        }
        i += 1;
    }
}