JSTシソーラス(2015年版)の見出し語と同義語を、形態素解析エンジンMeCabのユーザー辞書として使える形にしたデータベース
データ名 | README |
---|---|
データ内容 | 「科学技術用語形態素解析辞書」のダウンロードデータについて説明したHTMLファイル。 |
ダウンロードファイル名 | README.html (日本語) |
データ名 | 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(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。 |
データファイル | Thesaurus2015.dic.zip (MeCab用dicフォーマット) (7.4 MB)
mecab_thesaurus.zip (csvフォーマット) (3.8 MB) |
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。 |
データ名 | MeCab用形態素解析辞書:J-GLOBAL MeSH |
---|---|
データ内容の説明 | J-GLOBAL科学技術用語のうち、米国国立医学図書館(United States National Library of Medicine)の医学件名標目表(Medical Subject Headings,MeSH: https://www.nlm.nih.gov/mesh/)へのリンクを持つものについて、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。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。 |
データファイル | JSTMeSH.dic.zip (MeCab用dicフォーマット) (1.2 MB)
mecab_jstmesh.zip (csvフォーマット) (484 KB) |
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:(この項目は空白) |
Pronunciation | 発音:(この項目は空白) |
Source dictionary | ソースとなる辞書、「MeSH」に固定 |
ID in Source dictionary | ソース辞書中の番号:MeSH UID |
J-GLOBAL ID | J-GLOBALでのID |
Headword Flag | 見出し語フラグ:「C」で固定 |
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。 |
データ名 | MeCab用形態素解析辞書:日化辞 |
---|---|
データ内容の説明 | J-GLOBAL科学技術用語のうち、国立研究開発法人科学技術振興機構(JST)が作成する有機化合物辞書データベース「日本化学物質辞書(日化辞)」へのリンクを持つものについて、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。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。 |
データファイル | Nikkaji.dic.zip (MeCab用dicフォーマット) (6.6 MB)
mecab_nikkaji.zip (csvフォーマット) (2.4 MB) |
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:(この項目は空白) |
Pronunciation | 発音:(この項目は空白) |
Source dictionary | ソースとなる辞書、「Nikkaji」に固定 |
ID in Source dictionary | ソース辞書中の番号:日化辞番号 |
J-GLOBAL ID | J-GLOBALでのID |
Headword Flag | 見出し語フラグ:「C」で固定 |
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。 |
本データベースは、以下で定める利用許諾に基づきご利用いただくことができます。 本利用許諾は、本データベース利用における許諾内容、及び利用者が従うべき条件を定めています。
本データベースの利用許諾は、 クリエイティブ・コモンズ 表示-継承4.0 国際の定める利用許諾です。
本データベースのクレジットは、 ”科学技術用語形態素解析辞書 © バイオサイエンスデータベースセンター licensed under CC表示-継承4.0 国際”ですので、 利用にあたり必ず表示してください。
クリエイティブ・コモンズ 表示4.0 国際の概要は こちらです。 具体的な許諾条項は こちらをご覧ください。
本データベースにおいて、以下の条件に従う限り許諾されている事項:
本利用許諾に基づいて利用する際に従うべき条件:
NBDC
〒113-0032 東京都千代田区四番町5-3 サイエンスプラザ
TEL: 03-5214-8491
FAX: 03-5214-8470
お問い合わせ : https://form2.jst.go.jp/s/contact_nbdc
更新日 | 更新内容 |
---|---|
2021/12/07 | 辞書の名称を以下の通り変更。
|
2019/05/17 | アーカイブ V2 をリリース
|
2018/06/04 | 生命科学系データベースアーカイブにてダウンロードデータ公開開始 (アーカイブ V1) |
NBDC
〒113-0032 東京都千代田区四番町5-3 サイエンスプラザ
Tel. 03-5214-8491
Fax. 03-5214-8470