【C#】MeCab.DotNet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。

尚、C# から NMeCab を操作するために便利なクラスを「【C#】NMeCabによる形態素解析とユーザー辞書登録のクラスを作りました」の記事で公開しているので、併せてご一読ください。

あわせて読みたい

【C#】NMeCabによる形態素解析とユーザー辞書登録のクラスを作りました 「【C#】NMeCabで形態素解析！ユーザー辞書の登録も詳しく解説」の記事では、 MeCab をC#で使う方法について解説しました。 今回はC#から簡単に形態素解析とユーザー辞...

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。

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

NuGet の検索欄から下記のキーワードで検索し、「NMeCab」を選んでインストールしてください。

NMeCab

NuGetの詳しい使い方が知りたい方は、「Visual Studio のパッケージ管理機能 NuGetとは？」の記事を合わせてお読みください。

ipadic の辞書も自動的にインストールされ、ソリューションエクスプローラーに表示されます。

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。

実行すると次の内容がコンソール出力されます。NMeCabの解析結果は 本家のMeCabと同じです。

キャンバスに描いた似顔絵は限りなく僕に似ていない BOS/EOS,,,,,,,,
キャンバス 名詞,一般,,,,,キャンバス,キャンバス,キャンバス
に 助詞,格助詞,一般,,,,に,ニ,ニ 描い 動詞,自立,,,五段・カ行イ音便,連用タ接続,描く,エガイ,エガイ た 助動詞,,,,特殊・タ,基本形,た,タ,タ
似顔絵 名詞,一般,,,,,似顔絵,ニガオエ,ニガオエ
は 助詞,係助詞,,,,,は,ハ,ワ
限り 名詞,ナイ形容詞語幹,,,,,限り,カギリ,カギリ
なく 助動詞,,,,特殊・ナイ,連用テ接続,ない,ナク,ナク 僕 名詞,代名詞,一般,,,,僕,ボク,ボク
に 助詞,格助詞,一般,,,,に,ニ,ニ 似 動詞,自立,,,一段,連用形,似る,ニ,ニ て 助詞,接続助詞,,,,,て,テ,テ い 動詞,非自立,,,一段,未然形,いる,イ,イ ない 助動詞,,,,特殊・ナイ,基本形,ない,ナイ,ナイ

解析結果は Surfaceプロパティと Feature プロパティで取得可能です。それぞれの内容は次の通りです。

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

ユーザー辞書の登録方法

ユーザー辞書を登録するには、次の４つの作業が必要です。

• MeCabのインストール
  公式サイトからインストーラーをダウンロードして、インストールを実行
• ユーザー辞書の作成
  CSVに追加したい辞書を記述し、mecab-dict-index.exe コマンドを使ってユーザー辞書を作成
• ユーザー辞書のコピー
  ユーザー辞書を所定のフォルダにコピー
• ユーザー辞書の参照設定
  使いたいユーザー辞書のファイル名をプログラムコード又はApp.configで指定する

では、詳しく見ていきましょう。

MeCabのインストール

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、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、実行するだけで完了します。

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。

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。

使用するのは、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。

ユーザー辞書の作成

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。

mecab-dict-index -d システム辞書のフォルダ -u ユーザー辞書名 -f CSVの文字コード -t 辞書の文字コード CSVファイル名

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。

似顔絵,,,10,名詞,一般,*,*,*,*,独自辞書

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

ユーザー辞書のコピー

プロジェクトフォルダ配下にある「dic」フォルダの下に「ipadic」フォルダがあります。ここに作成したユーザー辞書をコピーしてください。

Visual Studioでプロジェクトをビルドしたタイミングで、辞書が丸ごとEXEファイルの出力先フォルダにコピーされます。

ユーザー辞書の参照設定

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。ただし、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。

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。

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。