全文検索システム『ひまわり』

本ページは,現在構築中です。

1.概要

 このページでは,タグ付けされていないテキストファイル対象に,その構造を考慮しつつ,『ひまわり』にインポートする方法を説明します。

 次の例は,青空文庫に収録されている芥川龍之介の「蜘蛛の糸」の一部です。青空文庫のテキスト版では,次のように,ルビや注記が一定の構造を持って記述されています。文字列検索を行う場合,そのまま検索すると,ルビや注記が検索の妨げになってしまいます。

 『ひまわり』は,インポート時にこのような構造を『ひまわり』で扱える形式に変換します。ただし,変換の規則は自分で作る必要があります。

 なお,本ページで示す方法は,テキスト構造を考慮したインポートの仕組みを説明するためのものです。より簡便に形態素解析結果を取り込みたい場合は,#などを参照して下さい。

2.準備

 次のソフトウェアをPCにインストールして下さい。

  • 『ひまわり』ver.1.5
  • テキストエディタ(例:秀丸,Terapad など)

3 『ひまわり』へのインポート

3.1 おおまかな流れ

 インポートの流れは,次に示すとおり,基本的に#と同じです。ただし,

#では,『ひまわり』は,正規表現置換を用いてテキストの変換規則を定義し,適用する変換規則が定義できます。

3.2 インポート結果のテキスト構造

 『ひまわり』は,XML で構造化されたテキストデータを検索対象とします。そのため,インポートの具体的な手順を説明する前に,インポートの結果の XML データについて最初に説明しておきます。

<m pos="名詞">これ</m>
<m pos="助詞">は</m>
<m pos="名詞">テスト</m>
<m pos="助動詞">でし</m>
<m pos="助動詞">た/m>

トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2016-03-23 (水) 00:00:00 (1305d)