【超便利】C#とNMeCabで形態素解析！ユーザー辞書の登録も詳しく解説。

形態素解析といえば、MeCabが有名ですが、C#からMeCabを扱うためのライブラリ「NMeCab」が存在します。

NMeCabについては他のサイトでも解説されていますが、本格的に形態素解析を行う場合はユーザー辞書が重要であるにも関わらず、その部分は少ししか触れられていないことが多く、結局はMeCabの記事を参考にすることになります。

今回はC#を使ってNMeCabによる形態素解析と、形態素解析では欠かせないユーザー辞書の作り方について詳しく解説します。

NMeCabとは

形態素とは、「文書の中に登場する、意味を持つ最小限の単位」のことです。

言い換えると、「文書を、代名詞、副助詞、名詞、動詞などの品詞に分解した結果の１つ１つ」とも言えます。

たとえば、「今日は私の誕生日です」という文書があるとすると、「今日」「は」「私」「の」「誕生日」「です」という具合に分解されるのです。

英語の場合、品詞はスペースで区切られているため、単純にスペースで分割すれば事が足りるのですが、日本語の場合はそういう訳にはいかないので、形態素解析を使います。

形態素解析を行うツールとして、MeCab、Jumanが最も有名ですが、それぞれが単体のアプリ（コンソールアプリ）として作られているため、C#から呼び出す場合は 、文書を一旦ファイルに出力し、Process.Start() メソッドでMeCabやJumanの実行ファイルを呼び出して形態素解析させた上で、その出力結果を受け取るという方法しか使えませんでした。

しかし、今回紹介するNMeCabは、MeCabのエンジンを直接C#から呼び出せるようにしたライブラリであるため、NMeCabの引数に解析したいテキストを指定するだけで、メソッドの戻り値として解析結果を受け取れるようになります。

NMeCabのインストール方法

NMeCab は NuGet を使って、プロジェクトにインストールします。

NuGetの詳しい使い方が知りたい方は、こちらの記事を合わせてお読みください。

NuGetから “NMeCab” で検索して、インストールするだけになります。

ユーザー辞書を登録する場合のは本家のMeCabが必要

残念ながらNMeCabにはユーザー辞書を作成したり、追加する機能はありません。

これらを実現するには、本家のMeCabをインストールして、辞書を作成するコマンド (mecab-dict-index.exe）を呼び出す必要があります。

MeCabのインストールは簡単で、下記の公式サイトからインストーラーをダウンロードし、実行するだけです。

表示されるページの真ん中あたりに実際のダウンロードリンクがあるのですが、ページが長いためスクロールして探すのが面倒です。

そこで、ページの先頭に「ダウンロード」というリンクが張られていますので、これをクリックしましょう。

実は、このリングはページ内リンクであり、公式ページの真ん中あたりにジャンプします。

ここで、 Binary package for MS-Windows という行を見つけ、 「mecab-0.9.9.6.exe ダウンロード」をクリックすると、インストーラーのダウンロードが開始されます。

あとは、インストーラーを実行してもらえれば、インストールは完了です。

インストールが完了すると、以下の様なフォルダが作成されます。

使いたいのは赤の点線で囲った mecab-dict-index.exe です。

MeCabの直下に dic フォルダがありますが、NMeCabの辞書フォルダは別のところにあるので、こちらは使いません。

NMeCabの辞書フォルダは、実行ファイルの直下にある

NMeCabの辞書フォルダは、実行ファイルが置かれているフォルダの直下にある、 dic フォルダ配下が使われます。

Visual Studioのプロジェクトフォルダの場合、Debug フォルダに実行ファイル(*.exe)が置かれますが、それと同じレベルに存在する dic 配下の辞書が参照されます。

実際には、dic の下に更に ipadic フォルダがあり、その下に辞書関連のファイルが格納されています。

ですから、ユーザー辞書を置く場合も、この　ipadic フォルダに置いて下さい。

NMeCabによる形態素解析

NMeCabを使う場合、ソースコードの先頭で using を記述する必要があります。

実際の形態素解析は次の様になります。

NMeCabの解析結果は 本家のMeCabと同じく、以下の結果が返されます。

順番	内容	例	プロパティ
1	表層形（形態素）	描い	Surface
2	品詞	動詞	Featureをカンマで区切った1個目の要素
3	品詞細分類１	自立	Featureをカンマで区切った2個目の要素
4	品詞細分類２	＊	Featureをカンマで区切った3個目の要素
5	品詞細分類３	＊	Featureをカンマで区切った4個目の要素
6	活用形	五段・カ行イ音便	Featureをカンマで区切った5個目の要素
7	活用型	連用タ接続	Featureをカンマで区切った6個目の要素
8	原型	描く	Featureをカンマで区切った7個目の要素
9	読み	エガイ	Featureをカンマで区切った8個目の要素
10	発音	エガイ	Featureをカンマで区切った9個目の要素

例えば、「キャンバスに描いた似顔絵は限りなく僕に似ていない」という文書をNMeCabで形態素解析すると、次のような結果になります。

本家のMeCabは、1列目と2列目（表層形と品詞）の間はタブで、2列目以降（品詞以降）はカンマで区切った結果を返してきます。

NMeCabの場合、表層形は Surfaceプロパティに、それ以外はカンマ区切りで Feature プロパティに格納されますが、解析内容は全く同じです。

ユーザー辞書の登録方法

ユーザー辞書はCSV形式のファイルを mecab-dict-index.exe の引数に渡すことで作成できます。

通常はProgram Files（x86)直下にMeCabがインストールされますので、具体的には次の様になります。

これは、MyDic.csvに記載したCSV形式のファイルから、MyDic.dicというMeCab用辞書を作成するコマンド例です。

辞書を作るためのCSVは次の様なフォーマットになります。

大半が省略可能なのと、「読み」「発音」はカンマすら入れなくても良いので、最低限のフォーマットとしては次の様になります。

項目の意味については次の通りです。

順番	内容	記述例	説明
1	表層形（形態素）	似顔絵	辞書に登録したい単語
2	左文脈ID	空白	ググると「その単語を左から見たときの内部状態ID」という説明がなされているが、詳細は不明。空白にすると自動連番される。
3	右文脈ID	空白	ググると「その単語を右から見たときの内部状態ID」という説明がなされているが、詳細は不明。空白にすると自動連番される。
4	コスト	10	出現頻度を示す数値で、小さいほど出現頻度が高いとみなされる。 似たような単語が合った場合の優先順位として使われるが、シビアな判定が必要でないかぎり、適当な値（10とか）で良い。
5	品詞	名詞	省略する場合は＊を指定。形態素解析の結果、品詞で何か判定するのであれば、適切なものを指定しておく。
6	品詞細分類１	一般	省略する場合は＊を指定
7	品詞細分類２	＊	省略する場合は＊を指定
8	品詞細分類３	＊	省略する場合は＊を指定
9	活用型	＊	省略する場合は＊を指定
10	活用形	＊	省略する場合は＊を指定
11	原形	独自辞書	何らかの文字を記述しておかないとエラーで辞書が作成できない
12	読み	空白	省略する場合は空白にする
13	発音	空白	省略する場合は空白にする

ユーザー辞書の参照方法

ユーザー辞書を作成したら、次はNMeCabから参照できるようにしましょう。

方法は2通りあります。

１つは MeCabParam クラスにユーザー辞書を設定する方法、もう１つは App.config に記述する方法です。

MeCabParamによるユーザー辞書参照

MeCabParamのクラスにある UserDic プロパティでユーザー辞書を指定する方法です。

NMeCabは複数のユーザー辞書を使う事が可能なので、UserDic にも複数の辞書が指定できるよう、文字列配列を渡す仕様になっています。

MeCabTagger.Createの引数に param を渡すことで、ユーザー辞書を利用することができるようになります。

ちなみに、DicDir というプロパティも持っており、全く別のフォルダにあるMeCabの辞書を使いたい場合、そのフォルダへのパスを指定します。

DicDirを特に指定しない場合、デフォルトの値（dic\ipadic)で動作するようになっています。

この方法は、環境によってはうまく動作しないがあるようで、私の環境では実行時に例外が発生しました。

App.configによるユーザー辞書参照

App.config でユーザー辞書を参照させる場合、<configSections>タグと、<applicationSettings>タグに次の内容を挿入します。

<configSections>タグについては、次の固定の内容を記述すればOKです。

<applicationSettings>については、以下のタグを張り付ければ良いのですが、<value>～</value>のところに、ユーザー辞書の名前をカンマ区切りで列記して下さい。

例えば、MyDic1.dic、MyDic2.dic を指定する場合、次のようになります。

この<configSections>タグと、<applicationSettings>を App.config に挿入すれば終わりなのですが、おそらく皆さんのプロジェクトごとにApp.conifgの内容が違うと思います。

従って、皆さんの内容に応じて、適切な位置に挿入してください。

皆さんが、App.config を特に何も変更していない場合は、次の位置に挿入してもらえればOKです。

実際の挿入例は次の様になります。

まとめ

今回は NMeCabについて、インストール方法と使い方、辞書の登録方法について解説しました。

形態素解析を行うだけなら NMeCabをインストールするだけで事が足りますが、ユーザー辞書を使いたい場合は、本系の MeCabをインストールして、mecab-dict-index.exe を使ってユーザー辞書を作成してあげる必要があります。

また、MeCabParamクラスのUserDicプロパティを使うか、App.config にタグを記述するかの2通りの方法のどちらかで、ユーザー辞書を指定してあげると、NMeCabからユーザー辞書が使えるようになります。

NMeCabを使うと簡単に形態素解析が出来てしまうので、是非ご活用下さい。