openSUSE 11.2でTermExtractを動かす - yuu

2011-05-24(Tue) [長年日記]

[openSUSE][NLP] openSUSE 11.2でTermExtractを動かす

専門用語自動抽出モジュールTermExtractをインストールした．オフィシャルの解説は，専門用語（キーワード）自動抽出用Perlモジュール "TermExtract"の解説にある．

Perlのインストール

Perl言語処理用ソフトウェアレポジトリを登録し，yastで以下をいれた．

perl-Unicode-String
perl-Unicode-Map
perl-Text-Iconv
perl-Path-Class
perl-Log-Log4perl
perl-File-Type
perl-Class-Accessor
perl-UNIVERSAL-require
perl-ExtUtils-PkgConfig
perl-ExtUtils-Depends

Mecab

mecabのインストール

ちょうど良いレポジトリが見つからなかったので，手動でインストール．

wget http://sourceforge.net/projects/mecab/files/mecab/0.98/mecab-0.98.tar.gz/download
 
tar zxfv mecab-X.X.tar.gz
cd mecab-X.X
./configure 
make
make check
su
make install

mecab辞書のインストール

ちょうど良いレポジトリが見つからなかったので，手動でインストール．

wget http://sourceforge.net/projects/mecab/files/mecab-ipadic/2.7.0-20070801/mecab-ipadic-2.7.0-20070801.tar.gz/download
 
tar zxfv mecab-ipadic-2.7.0-XXXX.tar.gz
mecab-ipadic-2.7.0-XXXX
./configure
make
su
make install

TermExtractのインストール

ダウンロード

専門用語（キーワード）自動抽出用Perlモジュール "TermExtract"の解説を参考にインストールした．Perlのモジュールのインストールには，ppmってコマンドがあるんだな．

オプション　その１　高精度の英文専門用語抽出
PerlモジュールLingua::EN::Taggerがインストールされていない場合は次の手順でインストールします。なお、この手順はインターネットに接続されている環境が前提です。
 
１．コマンドプロンプト（MS-DOSプロンプト）を起動する。
２．ppm install Lingua-EN-Tagger とコマンドを投入する。インストールが開始される。
(※nkjm追記) プロキシが必要な環境であれば，"set HTTP_PROXY=http://xxx.xx.xxx.xx:8080"のように環境変数を設定する．
３．QUIT でコマンドプロンプトに戻る
４．EXIT でコマンドプロンプトを終了する。

UTF-8化

MeCab.pmがEUCになっているので，UTF-8に変換する．

cd TermExtract-4_08/blib/lib/TermExtract/
cp -a  MeCab.pm MeCab.org.pm
nkf -w --overwrite MeCab.pm

実行

mecab target.txt > mecab_out.txt
perl SampleScripts/UNIX/ex_mecab.pl

yuu_nkjm blog