about Mecab (2) 出力フォーマットの定義とその指定方法

ユーザによる出力フォーマットの定義とその指定方法

http://mecab.sourceforge.net/format.html

node: 一つの形態素を出力，デフォルトは空文字
unk: 一つの未知語形態素を出力、デフォルトはnodeと同一フォーマット
bos: 形態素解析の結果に先立って出力、デフォルトは空文字
eos: 形態素解析の結果のあとに出力，デフォルトは"EOS\n"

これらをもとに指定する。パラメータ詳細は後述。

指定方法

on commandline

mecab --node-format=STR --bos-format=STR --eos-format --unk-format=STR

mecabrcファイルに記述する方法
任意の文字列KEYを使って以下のように定義

node-format-KEY = STR
unk-format-KEY = STR
eos-format-KEY = STR
bos-format-KEY = STR

コマンドラインから呼び出すには

mecab -Okey

on python

import MeCab
m = MeCab.Tagger("Okey")

出力フォーマットのパラメータ

%s	形態素の種類(0:通常、1:未知語, 2:文頭、 3:文末)
%S	入力文
%L	入力文の長さ
%m	形態素の表層文字列
%M	形態素の空白文字を含む表層文字列
%h	素性の内部ID
%%	%そのもの
%c	単語生起コスト
%H	素性(品詞、活用、読み)などをCSVで表現したもの
%t	文字種id
%P	周辺確率
%pi	形態素に付与されるユニークなID
%pS	形態素が空白文字列で始まる場合，その空白文字列を表示 %pS%mと%Mは同一
%ps	開始位置
%pe	集良一
%pC	一つ前の形態素との連接コスト
%pw	%cと同じ
%pc	連接コスト+単語生起コスト (文頭から累積)
%pn	連接コスト+単語生起コスト(その形態素単独 = %pw+%pC)
%pb	最適パスの場合*, それ以外は''
%pP	周辺確率
%pA	blpha, forward log確率
%pB	beta, backward log確率
%pl	形態素の表層文字としての長さ, strlen(%m)と同じ
%pL	空白文字列を含む形態素の表層文字列としての長さ，strlen(%M)と同じ
%phl	左文脈id
%phr	右文脈id
%f[N]	csvで表記された素性のN番目の要素
%f[N1, N2, N3,...]	N1, N2, N3番目の素性を","をデリミタとして表示
%Fc[N1, N2, N3,...]	N1, N2, N3番目の素性を"C"をデリミタとして表示ただし、要素が空の場合は以降表示が省略　ex) %F-[N1, N2]
\s	' '半角スペース

例

# ChaSen
node-format-chasen = %m\t%f[7]\t%f[6]\t%F-[0,1,2,3]\t%f[4]\t %f]5],\n
#; 表層文字列 f[7] f[6] F[0]-F[1]-F[2]-F[3] f[4]f[5]
unk-format-chasen = %m\t%m\t%F-[0,1,2,3]\t\t\n
eos-format-chasen = EOS\n
# 表層文字列 表層文字列F[0]-F[1]-F[2]-F[3]

f[n] ?csvファイルはどれだろう？