英語テキストの入力方法

下記の方法で英語テキストを入力した場合、語幹抽出処理によって取り出した語幹を単語として処理します。

メニューウインドウ内「ファイル」ボタンからの入力

テキストからファイル読み込みの際に、プルダウンで「英語テキスト」を選択した後、 ファイルを選択します。

コマンドラインからの入力

ファイル名のあとに引数「1」を追加して起動する.

	例)
	>java -Xmx1536m -jar TET.jar text/english.txt 1

英語テキスト処理時の注意点

  • 英語テキストの入力を行う前後で,日本語テキストやCSVテキストの入力は扱えません.
  • すべての単語は、名詞として扱われます。
  • ,(カンマ)はカットされます。
  • . ! ?(ピリオド,エクスクラメーションマーク,クエスチョンマーク)で文の区切りとしてカットされ、 代わりに「。」句点が挿入されます。
  • セグメントの区切りには、日本語テキストと同様に、デフォルトでは「スナリバラフト」を用います。
  • CSVテキストの入力条件と重複したときにも、英語テキストとして扱われます。
  • 英語テキストの処理時にも、be動詞(is, ar, am, wa, were, be)の前の名詞を主語として判定しますが、現在すべての単語を名詞として扱い、日本語の処理に準じて、be動詞の直前より2つ前の単語が優先されるため、主語判定の精度は高くありません。

語幹抽出プログラムの詳細

  • Porter stemmer in Java. The original paper is in
     Porter, 1980, An algorithm for suffix stripping, 
     Program, Vol.14, No.3, pp. 130-137.

トップ   編集 凍結 差分 バックアップ 添付 複製 名前変更 リロード   新規 一覧 単語検索 最終更新   ヘルプ   最終更新のRSS
Last-modified: 2018-12-07 (金) 12:26:59 (2130d)