[クレジット]

閉じる



- あのデータベースが、丸ごとダウンロード可能に！-

生命科学系データベースアーカイブ

科学技術用語形態素解析辞書

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

info 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
info DOI 
info バージョン 
V2
V1-
info 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。
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。

info 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
データファイル名:
mecab_thesaurus.zip (csvフォーマット)
データのURL:
https://dbarchive.biosciencedbc.jp/data/mecab/LATEST/mecab_thesaurus.zip
ファイルサイズ:
3.8 MB
info 簡易検索URL 
info 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)

info 解析方法 

-

info 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。