Text::KyTea のダメ出ししてもらいたいと思って、極度のあがり症の自分が無謀にも（？）通常トラックで発表しました。

一応口頭でも言ったけど、もっと本格的に分野のモデル作りたい場合は辞書追加したら、さらに精度あがるようです。

後ろのほうは聞こえづらかったようで申し訳ないです。ただでさえ声小さいほうなのにPC画面かなり凝視してしまっていて後悔。３月の学会発表ではガッチリ修正して、あのとき発表しておいて良かったと思えるようにせな。

誰かのスライドにちょこっと出てたけど、「pdca() while 1;」ですね。過去のせいにするな！

学会発表する分野は情報抽出です。海外の論文まで詳しく見る余裕なかったので、そのへんだけ不安です。

他の人の発表では、コードの自動生成が面白かった。

Twitterのツイートを形態素解析できるモデルをチマチマチマチマとアノテーションして作りました。

とりあえず1000ツイートで学習させてみた結果↓

#!/usr/bin/env perl

use strict;
use warnings;
use Text::KyTea;

my $kytea = Text::KyTea->new(
    model  => 'twitter.mod',
    tagmax => 1,
);

while(<>)
{
    chomp;

    my $results = $kytea->parse($_);

    for my $result (@{$results})
    {
        print $result->{surface};

        for my $tags (@{$result->{tags}})
        {
            for my $tag (@{$tags})
            {
                print " ", $tag->{feature}, "/", $tag->{score};
            }
        }

        print "\n";
    }
}

おっぱいにも反応する…だとっ⁈＼(^o^)／ぷるんぷるん！
おっぱい 名詞/1.58335520873588 おっぱい/100
に 助詞/0.582811764656452 に/100
も 助詞/2.56389603440279 も/100
反応 名詞/2.34565862532488 はんのう/100
する 動詞/3.24311969207749 する/100
… 補助記号/2.40081284738731 ・・・/2.61874614767905
だ 助動詞/3.14589428692411 だ/1.16998970505133
と 助詞/3.72388497325535 と/100
っ 語尾/1.57412493707867 っ/1.67440946485952
⁈ 補助記号/2.15166862072831 UNK/0
＼(^o^)／ 顔文字/1.05802739830047 UNK/100
ぷるん 副詞/0.280931170551133 ぷるん/100
ぷるん 名詞/0.626540476457221 ぷるん/100
！ 補助記号/3.33701371125112 ！/100

(ﾟ∀ﾟ)ｏ彡°おっぱい!おっぱい!
(ﾟ∀ﾟ)ｏ彡 名詞/0.517448128267009 UNK/0
° 補助記号/2.32375812800788 UNK/0
おっぱい 名詞/1.80126948031546 おっぱい/100
! 補助記号/1.75798222256127 !/100
おっぱい 名詞/0.852339326477309 おっぱい/100
! 補助記号/2.51003707544082 !/100

ゴキブリもキライ(>_<)蚊も〜!!でも最大級は蛇。イヤ〜(ノ＞＜)ノ
ゴキブリ 名詞/2.34331903441433 ごきぶり/100
も 助詞/4.05532730969976 も/100
キライ 名詞/1.43248054361402 きらい/100
(>_<) 顔文字/0.581317302582793 UNK/0
蚊 名詞/1.8817667808525 か/100
も 助詞/3.86853083949933 も/100
〜 補助記号/3.13874484501798 〜/100
! 補助記号/2.11586427709402 !/100
! 補助記号/1.90916550259136 !/100
で 助詞/2.33454157212243 で/100
も 助詞/3.10415455201607 も/100
最大 名詞/3.13286800717966 さいだい/100
級 接尾辞/2.22219138387336 きゅう/100
は 助詞/3.93302389402384 は/100
蛇 名詞/1.39660588253989 へび/100
。 補助記号/2.97742575533521 。/100
イヤ 名詞/0.457700740181369 いや/100
〜 補助記号/2.64583994777037 〜/100
(ノ＞＜)ノ 名詞/0.171666624852277 UNK/0

もう少し鍛えれば顔文字抽出器としても使えそうです。

それにしてもLIBLINEAR速いですな。

日本語WordNetのデータが必要になったので「WordNet::Multi」をインストールしました。
しかし、使いにくい・・・というわけでOOインターフェースで再実装してCPANにうｐしました。

↓のような感じで使えます。

#!/usr/bin/env perl

use strict;
use warnings;
use feature qw/say/;
use Lingua::JA::WordNet;

my $wn = Lingua::JA::WordNet->new('./wnjpn.db');

my ($synset)      = $wn->Synset('コウモリ', 'jpn');
my ($mprt_synset) = $wn->Rel($synset, 'mprt');
my ($mprt)        = $wn->Word($mprt_synset, 'jpn');

say $mprt;
# -> ウイング

my ($def) = $wn->Def($mprt_synset, 'jpn');
say $def;
# -> 飛ぶための可動器官（一組のうちの1つ）

($synset)         = $wn->Synset('相撲', 'jpn');
my ($hype_synset) = $wn->Rel($synset, 'hype');
my ($hype)        = $wn->Word($hype_synset, 'jpn');

my $my_favorite_sport = 'パンツ' . $hype;

say $my_favorite_sport;
# -> パンツレスリング

パンツレスリングというと最近は↓の動画がお気に入りです。