Windows用専門用語(キーワード)自動抽出システム
"termex"(中文版) の解説


はじめに
 "termex"(中文版)は特定のWebサイトや、Windows上のテキストファイルから専門用語を
抽出するためのシステムです。なお、中文版は現在のところ、Windows XP, Windows 2000
上かつ、言語の設定をGBコードにした場合のみ動作確認が行われています。
ご了解ください。
 このシステムはもともと Webサイトを対象としたメタデータ作成補助ツールとしての役割
を目的としています。ただし、それ以外にもWeb中の長文ドキュメントや、Windows上の文書
から重要な概念を抽出するなどの研究目的にも使用できると思います。
 このシステムは、いつくものフリーソフトを組み合わせて実装しています。全ての機能を
使うには、インストールにに多少手間がかかりますが、使いたい機能に応じてインストール
作業を省略することもできます。
 以下、簡単なものから順に説明していきます。


基本機能 Windowsテキストファイルからの専門用語抽出

機能と使い方

 1.Windowsのテキストファイルを、termexのアイコンにドラッグ&ドロップします。
     (GBコードの場合は"termex_chainesGB"
       UNICDEの場合は"termex_chainesUC"アイコンになります)
 2.Windowsの「メモ帳」が起動し、専門用語リストを重要度の高い順に表示します。
 3.「メモ帳」を閉じるとプログラムが終了します。
 
   * 分詞ソフトICTCLASの処理結果ファイルを入力にすることもできます。その場合は 
   "termex_ICTCLAS"アイコンをお使いください。

インストール
  1. Perlのインストール
     お使いのパソコンにPerl(バージョン5以上)がインストールされていない場合は、
    次のページからPerlを入手、インストールします。
    
    Actice State社ホームーページ Perlダウンロード
    (Windows のMSI版を選ぶと、後のインストールが楽になります)
    
  2. TermExtractのインストール
     次からTermExtractをダウンロードします。ファイルを解凍後、解凍したフォルダ中に
    ある"win_install.pl"アイコンをダブルクリックするとインストールが行われます。
    "TermExtract"最新版(ZIP形式)
     もし、上記の方法でうまく動作しない場合は、Windowsのコマンドプロンプトから
    "win_install.pl"を実行します。cd コマンドで、win_install.plのあるディレクトリ
    (フォルダ)まで移動し、perl win_install.plとコマンド入力して下さい。
    
    
  3. termex(中文版)のインストール
     次のファイルをダウンロードし、適当なフォルダに解凍してください。
    "termex"(中文版)最新版(ZIP形式)
    
     環境設定用のプログラムを起動します。"Configure.pl"  アイコンをダブルクリックします。
     もし、上記の方法で動作しない場合は、コマンドプロンプト(MS-DOSプロンプト)から次
    のとおりコマンドを投入します。
     perl termex(中文版)ディレクトリのパス\Configure.pl
    
       GBコードの場合は"termex_chainesGB"アイコン、UNICDEの場合は"termex_chainesUC"
      アイコン"アイコンをデスクトップ等の使いやすいところにおきます。これが重要度計算
      用のアイコンになります。
    
     出力モードをは3種類用意してあります。デフォルトは「専門用語」のみ(改行区切り)
    です。切り替えは次の方法で行います。
      GBコード版の場合には"ex_CPT_BG.pl"に、UNICODE(UTF-8)版の場合には"ex_CPT_UC"に
    「メモ帳」で開き、次の処理を行います。$output_mode の値を次の3つの数値のいづれ
    かにセットすることで、出力モードが切り替わります(デフォルトは”1”)。
    
     1 → 「専門用語」+「重要度」(改行区切)
     2 → 「専門用語」のみ    (改行区切)
     3 → 「専門用語」のみ    (カンマ区切)
    
    

オプション その1 「学習機能付」のWindowsテキストファイルからの専門用語抽出

 基本機能と使いかたは同じですが、以前に処理したデータを元に、専門用語の重要度をより
正確に算出できるようになります。なお雑多な文章を学習させると、あまりに一般的な語が
上位にきます。特定の分野の文献に限定してお使いください
 この機能は「学習用」のデータベースを持つことで実現しています。

インストール

 スクリプトの設定変更
  形態素解析に「茶筅」を使うなら"ex_chasen.pl" 、「和布蕪」を使うなら
"ex_mecab.pl"を「メモ帳」などで開き、次の行頭の # を削除して保存します。
 また、英文(高速)の場合には"ex_EPT.pl"に、英文(高精度)の場合は"ex_EN-Tagger.pl"に
 同様の処理を行います。

  #$data->use_SDBM 
  #$data->use_stat;
  #$data->use_storage;

オプション その2 Webブラウザとの連携による専門用語抽出

機能と使い方

 基本機能に加え次のように、Webブラウザに表示されたデータを直接、専門
用語抽出にかけることができます。

 1.Webブラウザで処理対象のページを開き、マウス右ボタンのメニューから、
  「ソースの表示」を選びます。Windowsバッチファイルのウインドウが起動し、
  しばらくすると閉じます。

 2.1の操作をWebサイト内の必要なページに対して行います。

 3.重要度集計用のアイコンをダブルクリックします。Windowsの「メモ帳」が
  起動し、専門用語が重要度の高い順に表示されます。

 4.「メモ帳」を終了すると、プログラムも終了します

インストール
  
  • Webブラウザのソースエディタ切り替え  Webブラウザのソースエディタを切り替えます。ブラウザごとにソースエディタの 変更方法は異なりますが、ここでは、Windows標準のInternet Explorerでの方法につ いて紹介します。  インストール後、ソースエディタをtermexをインストールしたディレクトリにある、 "store.bat"に切り替えてください。(以下の双方のプログラムとも、拡張子が"bat" のファイルをそのままでは参照できません。参照から"store.bat"を選ぶ場合は、ファ イル名を*.*としてからお探しください

  • 専門用語(キーワード)自動抽出サービス「言選Web」(中文版)

    専門用語(キーワード)自動抽出用Perlモジュール"TermExtract" の解説

    Windows用テキストマイニングツール"termmi"

    Windows用専門用語(キーワード)自動抽出システム"termex"(日本語版)

    トップページに戻る