Download to read offline
Language toolを使ってみる
- 1.
- 2. 日本語校正・誤字チェック ● (かつては)自由な実装がなかった ○ GNUAspell ■ jaのエントリーだけはある ■ 必要なコードすらない ● Doc-ja MLでLTの存在を教えてもらう ○ http://mail.ring.gr.jp/doc-ja/201210/msg00004.html
- 3. LanguageToolの概要 ● Doc-ja Wikiにまとめてある ○ http://openlab.ring.gr.jp/doc-ja/cgi-bin/fswiki/wiki.cgi? page=LanguageTool%BB%C8%A4%A4%CA%FD%A5%E1%A5%E2 ●各国の言語処理ツールと辞書の詰め合わせ ○ 共通化したAPIで使える ○ 詰め合わせなので、各種実装と辞書のライセンスはば ばらばら ■ すべてオープンソースソフトウェア
- 4. LanguageToolの特徴 ● 開発・実行環境はJava ○ Ver2.3からJava7必須 ● 動作環境 ○ LibreOffice/OpenOffice プラグイン ○ Firefox プラグイン ○ スタンドアロン
- 5.
- 6.
- 7. 試しにルールを書いてみた <rule id="DOUBLE-WO" name="をを"> <patterncase_sensitive="no"> <token>を</token> <token>を</token> </pattern> <message>重複したを</message> <example type="correct"><marker>を</marker>話す</example> <example type="incorrect"><marker>をを</marker>話す</example> </rule>
- 8. 超シンプル ● 特定の単語の連続を見てるだけ ● もっと複雑なルールもできる ○品詞情報に基づくもの ■ どんな処理をされるかは-tオプションで確認 ○ 正規表現 ○ Javaコードで記述する方法 ■ 日本語のものは2つ
- 9. 今後どうするか ● ルールの拡充 ○ WebのRuleCreatorはうまく動かない? ■ http://www.languagetool.org/ruleeditor/ ○ 用例を集める ■ 各種翻訳MLを参考に ○ 日本語のルールに基づいた複雑なパターン ■ Javaで記述するタイプのルール ● かける人がいるのかどうか
- 10. できたらいいな ● Google Summerof Code ○ LTの中国語対応はGSoCの成果 ○ Doc-jaがmentorをやる? ● 機械的な収集 ○ Wikipedia等から ○ 形態素解析させて、変なつながりのものを探す ○ 教師なし学習でがんばれるか?