昨日気づいたのですが、cabocha 0.60が開発中のようです。今は、pre2まで出ています。
変更点は、以下の通りのようです。何が嬉しいかというと、UTF8に対応しているところ。内部的には、ほぼフルスクラッチで書き直しの力作のようです。また、chasenのサポートをやめてmecabオンリーになっているので、mecabが必須になっています。
変更点: - UTF8対応 (./configure --with-charset=UTF8) - 文節区切りと固有表現抽出に CRF (実装はCRF++)を使用 - ChaSenへの依存を廃止し、MeCab のみのサポートに - 固有表現を行う前に文字列の正規化を行うことで若干の精度向上 - 簡易並列処理の廃止。係り受けのみ - APIの一新、より粒度の細かい制御が可能 - PerlやMakefileに依存していた部分の排除。 - 単一バイナリ cabocha-learn による学習の簡易化 (Windows でも学習が可能) - TinySVMへの依存を排除。単体で学習可能 - Juman のサポートを復活。ただし、形態素解析は mecab-juman に限定 - 評価ツール caboca-system-eval の提供
早速、インストールしようとしたのですが、下記のようにエラーが出ました。
$ ./configure --with-charset=UTF8 略 $ make make all-recursive Making all in src /bin/sh ../libtool --tag=CXX --mode=compile g++ -DHAVE_CONFIG_H -I. -I.. -DCABOCHA_DEFAULT_POSSET="\"IPA"\" -DCABOCHA_DEFAULT_CHARSET="\"UTF8"\" -DMODEL_VERSION=100 -DCABOCHA_DEFAULT_RC="\"/usr/local/etc/cabocharc\"" -O3 -Wno-deprecated -Wall -c -o chunk_learner.lo chunk_learner.cpp mkdir .libs g++ -DHAVE_CONFIG_H -I. -I.. -DCABOCHA_DEFAULT_POSSET=\"IPA\" -DCABOCHA_DEFAULT_CHARSET=\"UTF8\" -DMODEL_VERSION=100 -DCABOCHA_DEFAULT_RC=\"/usr/local/etc/cabocharc\" -O3 -Wno-deprecated -Wall -c chunk_learner.cpp -fno-common -DPIC -o .libs/chunk_learner.o chunk_learner.cpp:1:19: error: crfpp.h: No such file or directory chunk_learner.cpp: In function 'bool CaboCha::ChunkingTrainingWithCRFPP(CaboCha::ParserType, CaboCha::CharsetType, CaboCha::PossetType, int, const char*, const char*, const char*)': chunk_learner.cpp:158: error: 'crfpp_learn' was not declared in this scope make[2]: *** [chunk_learner.lo] Error 1 make[1]: *** [all-recursive] Error 1 make: *** [all] Error 2
crfpp.hが無いと怒られています。調べてみると、CRF++に含まれているようです。
$wget http://kent.dl.sourceforge.net/sourceforge/crfpp/CRF++-0.51.tar.gz $tar xzvf CRF++-0.51.tar.gz $cd CRF++-0.51 $./configure $make $make install
この後に、cabochaのディレクトリに戻って、make; make install;で入ります。
$cabocha
北京五輪の柔道男子６６キロ級が１０日、行われ、アテネ金メダリストの内柴正人（３０）（旭化成）が、決勝でバンジャマン・ダルベレ（仏）を破って優勝し、連覇を達成した。
<LOCATION>北京</LOCATION>五輪の-D
柔道男子-D
６６キロ級が---D
<DATE>１０日</DATE>、-D
行われ、-----------------------D
<LOCATION>アテネ</LOCATION>金メダリストの-D |
内-------------------D
<PERSON>柴正人</PERSON>-----------------D
（３０）---------------D
（<ORGANIZATION>旭化成</ORGANIZATION>）が、-------------D
決勝で-------D |
バンジャマン・ダルベレ-----D |
（<LOCATION>仏</LOCATION>）を-D | |
破って-D |
優勝し、---D
連覇を-D
達成した。macのコンソール、日本語フォントが読みにくいなぁ。。。
