Archive : MeCab user dictionary for science technology term : JST Thesaurus Headwords and Synonyms

DOI DOI DOI FTP FTP View 2 Remaining Hide

Metadata

Other Title
  • JSTシソーラス見出し語・同義語辞書
  • アーカイブ：科学技術用語形態素解析辞書：JSTシソーラス見出し語・同義語辞書
Published
2019-05-17
Available Date
2019-05-17
Resource Type
Dataset
Size
  • 7.4 MB
  • 3.8 MB
Rights Information
Repository URL
DOI
  • 10.18908/lsdba.nbdc02358-001.v002
  • 10.18908/lsdba.nbdc02358-001.v001
  • 10.18908/lsdba.nbdc02358-001
Publisher
National Bioscience Database Center
Creator Name (e-Rad)
  • Tateisi Yuka

Description

JSTシソーラス(2015年版)の見出し語と同義語 (および、語中の全角英数記号を半角化したもの)を、形態素解析エンジンMeCab（http://taku910.github.io/mecab/）のユーザー辞書として使える形にしました。同義語（見出し語フラグが「V」）の読みについては、ライフサイエンス分野（主題カテゴリーに'LSxx'を含むもの、ただし、xxは2桁の数字）と電子計算機分野（主題カテゴリーに'EG01'を含むもの）のものはNBDCで独自に付与、それ以外のものは見出し語の読みを付与しています。 辞書項目はIPA辞書に基づいています。エンコードは、csvファイルはShift-JIS、dicファイルはUTF-8です。 なお、辞書中には語の間の関係に関する情報は入っていませんので、この辞書をシソーラスとして利用することはできません。

データファイル: Thesaurus2015.dic.zip (MeCab用dicフォーマット)

データファイル: mecab_thesaurus.zip (csvフォーマット)

データ取得方法: IPA辞書（mecab-ipadic-2.7.0-20070801、 上記MeCabのサイトよりダウンロード）、JST科学技術用語シソーラス(2015年版)

データ件数: 127,214件

Notes

Surface form:表層形：単語そのもの

Left-context ID:左文脈ID：その単語を左から見たときの内部状態ID (http://taku910.github.io/mecab/dic.html参照)

Right-context ID:右文脈ID：その単語を右から見たときの内部状態ID (http://taku910.github.io/mecab/dic.html参照)

Cost:コスト：その語の出現しやすさに関するコスト(小さいほど出現しやすい）

POS:品詞

POS subcategory 1:品詞細分類1

POS subcategory 2:品詞細分類2

POS subcategory 3:品詞細分類3

Conjugation type:動詞などの活用型

Conjugation form:品詞の活用形

Base form:原形：単語に対応する見出し語

Reading('Furigana'):読み：原形(見出し語)の読み、見出し語フラグが「V」のときは読みは表層形の読みではない場合がある

Pronunciation:読みから自動生成した発音

Source dictionary:ソースとなる辞書、「Thesaurus2015」に固定

ID in Source dictionary:ソース辞書中の番号：JSTシソーラスの「語番号」

J-GLOBAL ID:J-GLOBALでのID

Headword Flag:見出し語フラグ： ・C: シソーラスの見出し語(あるいはその半角化） ・V: それ以外

Category code:主題カテゴリーコード：JSTシソーラスにおける理工学分野のカテゴリーコード

Common word flag 1:一般語フラグ1： ・1:単独でIPA辞書にある ・0:ない

Common word flag 2:一般語フラグ2： 「IPA辞書解析結果」に基づく ・一般語フラグ１が「１」の場合：品詞名 ・一般語フラグ１が「0」の場合： - UNKNOWN_1：単独の未知語 - UNKNOWN_2：複数形態素に切れて、未知語を含む - MULTI_WORD：複数形態素に切れるが、すべてIPA辞書中の形態素

IPA dictionary analysis results:IPA辞書解析結果： オリジナルのIPA辞書（＋IPA辞書エントリーの英数記号を半角化したエントリーを持つ辞書）を使って形態素解析をした結果。複数語に切れた場合はスペースで区切って連結。ただし、人手によるチェックは行っていない。 「一般語フラグ1」「一般語フラグ2」はこの結果を利用している。

Related Data

See more
Back to top