lucene-kuromoji-sample

姓名分割されていない漢字氏名を、lucene kuromojiを利用して分割し、フリガナ予測を行います。

導入方法

以下の２パターンの利用方法があります。

• 1.Java内に追加する(推奨)
• 2.バッチとして利用する

1.Java内に追加する

1-1.前提

• Javaブログラム内で利用

1-2.導入方法

1-2-1.elasticsearch-analysis-kuromoji-neologdを導入

mavenを利用している場合 下記をdependencyに追加

<dependency>
    <groupId>org.codelibs</groupId>
    <artifactId>elasticsearch-analysis-kuromoji-neologd</artifactId>
    <version>6.3.1</version>
</dependency>

1-2-2.サンプルコードを参考にロジックを追加

• Furiganizer.javaのpublic static String furiganize(String name, String userDictonary)を参照に、ロジックを追加
• ※実行方法は、junitテストをご参考
• ※サンプルコードでは、漢字・フリガナの間に「,」が入り、姓と名の間に半角スペースを入れています。適宜ご修正ください。

2.バッチとして利用する

2-1.前提

• 辞書の読み込みに多少時間がかかるため、多少処理が遅い
• 事前にjavaをインストールしておく

2-2.導入方法

• 以下コマンドを実行する

# ソースコードを取得
git clone https://github.com/itoshige/lucene-kuromoji-sample.git

cd lucene-kuromoji-sample

# jarファイルを作成
mvn clean install -DskipTests=true

cd target

# jarファイルをテスト実行
java -jar lucene-kuromoji-sample-0.0.1-jar-with-dependencies.jar 橘高司
-------------
橘 高司,タチバナ タカシ
※サンプルコードでは、漢字・フリガナの間に「,」が入り、姓と名の間に半角スペースを入れています。適宜ご修正ください。
-------------

2-3.実行方法

プログラムから下記コマンドを実行

# 例)rubyの場合
system('java -jar lucene-kuromoji-sample-0.0.1-jar-with-dependencies.jar ${氏名}')                                                                                               

ユーザ辞書の追加方法

• 任意のユーザ辞書を追加することが可能できます。
• ただし、ユーザ辞書が大きくなるほど、処理速度が遅くなります。

ユーザ辞書の作成方法

下記のような定義ファイルを作成（userdict.csvを参考）

達規,達規,タツノリ,カスタム名詞
秀城,秀城,ヒデキ,カスタム名詞
嘉規,嘉規,ヨシキ,カスタム名詞

追加方法

下記、JapaneseTokenizerの第一引数に、UserDictionaryで定義したユーザ辞書を設定

JapaneseTokenizer tokenizer = new JapaneseTokenizer(dict, false, JapaneseTokenizer.Mode.NORMAL)

備考

ご利用について

• 当サンプルはいかなる保証もおこなっておりません。
• 当サンプルをご利用時は、利用者の責任においてご利用ください。

テストデータ

精度確認用に下記ツールを利用して、テストデータを生成しました。

• 疑似個人情報生成 - 生成条件入力
• すごい名前生成器

License

• MIT