このデータベースについて

MeCab用形態素解析辞書：JSTシソーラス見出し語・同義語

データ説明

データ名

DOI

10.18908/lsdba.nbdc02358-001.V002

バージョン

V2	10.18908/lsdba.nbdc02358-001.V002	更新履歴
V1	10.18908/lsdba.nbdc02358-001.V001	-

データ内容の説明

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（<a href="http://taku910.github.io/mecab/" target="_blank">http://taku910.github.io/mecab/</a>）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

データファイル名 :

Thesaurus2015.dic.zip (MeCab用dicフォーマット)

データのURL :

https://dbarchive.biosciencedbc.jp/data/mecab/LATEST/Thesaurus2015.dic.zip

ファイルサイズ :

7.4 MB

簡易検索URL

http://togodb.biosciencedbc.jp/togodb/view/mecab_thesaurus

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)

解析方法

データ件数

127,214件

データ詳細

項目名	項目の説明
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。