PythonとCaboChaで係り受け解析をする

日本語には係り受け関係があって、例えば「青い鳥」の場合は「青い」が「鳥」を修飾している。そういう係り受けの関係を解析できるのがCaboCha（CaboCha/南瓜: Yet Another Japanese Dependency Structure Analyzer）で、Pythonでも利用できる。WSL(Ubuntu 18.04)にCaboChaをインストールして、Pythonで係り受け解析をやってみる。

環境

Windows10（1903）のWSL(Ubuntu 18.04)。CaboChaを利用するためには形態素解析器も必要で、MeCab（MeCab: Yet Another Part-of-Speech and Morphological Analyzer）を使用する。MeCabはインストール済みとする。
$ lsb_release -dr Description: Ubuntu 18.04.3 LTS Release: 18.04 $ python3 -V Python 3.6.8 $ mecab -v mecab of 0.996

CRF++のインストール

CaboChaの使用にはCRF++も必要なのでインストールする。まずはcrfpp downloadsから現時点の最新版（CRF++-0.58.tar.gz）をダウンロードする。curlコマンドなどでダウンロードできないので、Windows10のブラウザでダウンロードしてWSLのディレクトリにコピーした。

ダウンロードしたファイルを以下のコマンドでインストールする。
$ tar xzvf CRF++-0.58.tar.gz $ cd CRF++-0.58 $ ./configure $ make $ sudo make install

CaboChaのインストール

続いてCaboChaをインストールする。CaboCha downloadsから現時点の最新版（cabocha-0.69.tar.bz2）をダウンロードする。CRF++のときと同様にWindows10でダウンロードして、WSLのディレクトリにコピーした。

以下のコマンドでインストール。デフォルト文字コードはeucなので、MeCabに合わせてutf8に変更する。
$ tar xjvf cabocha-0.69.tar.bz2 $ cd cabocha-0.69 $ ./configure --with-charset=utf8 $ make $ sudo make install

CaboChaの実行

CaboChaのライブラリは/usr/local/libにインストールされたが、このパスが共有ライブラリ検索パスにないとCaboChaは動作しない。
$ echo 隣の客はよく柿食う客だ | cabocha cabocha: error while loading shared libraries: libcabocha.so.5: cannot open shared object file: No such file or directory

CaboChaのライブラリパスを共有ライブラリ検索パスに追加。
$ export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib $ echo $LD_LIBRARY_PATH :/usr/local/lib

再度CaboChaを実行すると、今度は動作した。
$ echo 隣の客はよく柿食う客だ | cabocha 隣の-D 客は-------D よく---D | 柿-D | 食う-D 客だ EOS

LD_LIBRARY_PATHへのパス追加はOSを再起動すると元に戻ってしまうので、再起動しても追加したパスが保持されるようにするには、~/.bashrcに「export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib」を追記しておく。

PythonからCaboChaを使う

ダウンロードしたcabocha-0.69.tar.bz2を解凍するとpythonというディレクトリがあり、その中にPython用ラッパーのインストールスクリプトがある。
$ cd cabocha-0.69 $ cd python $ sudo python3 setup.py install

インストールが完了したらPythonで使用してみる。まずはCaboChaでTree表示をする。
$ python3 >>> import CaboCha >>> c = CaboCha.Parser() >>> text = '隣の客はよく柿食う客だ。桃から生まれた桃太郎。' >>> print(c.parseToString(text)) 隣の-D 客は-------D よく---D | 柿-D | 食う-D 客だ。-----D 桃から-D | 生まれた-D 桃太郎。 EOS

続いて、係り受け解析レイヤの出力フォーマットで表示してみる。
>>> tree = c.parse(text) >>> print(tree.toString(CaboCha.FORMAT_LATTICE)) * 0 1D 0/1 2.206035 隣 名詞,一般,*,*,*,*,隣,トナリ,トナリ の 助詞,連体化,*,*,*,*,の,ノ,ノ * 1 5D 0/1 1.836369 客 名詞,一般,*,*,*,*,客,キャク,キャク は 助詞,係助詞,*,*,*,*,は,ハ,ワ * 2 4D 0/0 0.538813 よく 副詞,一般,*,*,*,*,よく,ヨク,ヨク * 3 4D 0/0 1.985106 柿 名詞,一般,*,*,*,*,柿,カキ,カキ * 4 5D 0/0 2.717262 食う 動詞,自立,*,*,五段・ワ行促音便,基本形,食う,クウ,クウ * 5 8D 0/1 -2.901189 客 名詞,一般,*,*,*,*,客,キャク,キャク だ 助動詞,*,*,*,特殊・ダ,基本形,だ,ダ,ダ 。 記号,句点,*,*,*,*,。,。,。 * 6 7D 0/1 1.486085 桃 名詞,一般,*,*,*,*,桃,モモ,モモ から 助詞,格助詞,一般,*,*,*,から,カラ,カラ * 7 8D 0/1 -2.901189 生まれ 動詞,自立,*,*,一段,連用形,生まれる,ウマレ,ウマレ た 助動詞,*,*,*,特殊・タ,基本形,た,タ,タ * 8 -1D 0/0 0.000000 桃太郎 名詞,固有名詞,一般,*,*,*,桃太郎,モモタロウ,モモタロー 。 記号,句点,*,*,*,*,。,。,。 EOS

mecab-ipadic-NEologdを使う

mecab-ipadic-NEologdで形態素解析を新語に対応させるのように、形態素解析を行うMeCabの辞書をデフォルトのIPA辞書からmecab-ipadic-NEologdに変更できる。CaboChaからmecab-ipadic-NEologdを使用するには、以下のようにmecab-ipadic-NEologdのパスを指定する。
>>> c = CaboCha.Parser('-d /usr/local/lib/mecab/dic/mecab-ipadic-neologd/')