yasuokaの日記： GiNZA v3.1.0で読む「ライトの兄弟オスカーはコミックブック作家だ。」

日本語係り受け解析エンジンGiNZAのv3.1.0がリリースされたので、さっそく使ってみた。以前のv2.2.1では解析にしくじっていた「ライトの兄弟オスカーはコミックブック作家だ。」という文が、v3.1.0では正しく解析できるようになったので、私(安岡孝一)個人としては大満足だ。インストールも簡単になっていて、LinuxやMac OS X (Catalina)ならば「pip3 install -U ginza --user」一発でインストールできる。Cygwin (64bit)では、事前にpython37-pipとpython37-develとpython37-cythonとpython37-numpyとpython37-wheelとgcc-g++とgitをcygwin.comから入れておく必要があるものの、これらを準備しておけば「pip3.7 install -U ginza --no-build-isolation」でインストールできる。

ただ、v2.2.xでのprint_conlluが無くなって、v3.1.0では代わりにanalyze_conlluが導入されているので、Universal Dependenciesを出力する際は注意してほしい。

>>> import spacy
>>> ja=spacy.load("ja_ginza")
>>> s=ja("ライトの兄弟オスカーはコミックブック作家だ。")
>>> from ginza.command_line import analyze_conllu
>>> print("\n".join(t for t in analyze_conllu(s)))
# text = ライトの兄弟オスカーはコミックブック作家だ。
1    ライト    ライト    NOUN    名詞-普通名詞-一般    _    3    nmod    _    BunsetuBILabel=B|BunsetuPositionType=SEM_HEAD|SpaceAfter=No|NP_B
2    の    の    ADP    助詞-格助詞    _    1    case    _    BunsetuBILabel=I|BunsetuPositionType=SYN_HEAD|SpaceAfter=No
3    兄弟    兄弟    NOUN    名詞-普通名詞-一般    _    4    compound    _    BunsetuBILabel=B|BunsetuPositionType=CONT|SpaceAfter=No|NP_B
4    オスカー    オスカー    PROPN    名詞-固有名詞-人名-一般    _    7    nsubj    _    BunsetuBILabel=I|BunsetuPositionType=SEM_HEAD|SpaceAfter=No|NP_I
5    は    は    ADP    助詞-係助詞    _    4    case    _    BunsetuBILabel=I|BunsetuPositionType=SYN_HEAD|SpaceAfter=No
6    コミックブック    コミックブック    NOUN    名詞-普通名詞-一般    _    7    compound    _    BunsetuBILabel=B|BunsetuPositionType=CONT|SpaceAfter=No|NP_B
7    作家    作家    NOUN    名詞-普通名詞-一般    _    0    root    _    BunsetuBILabel=I|BunsetuPositionType=ROOT|SpaceAfter=No|NP_I
8    だ    だ    AUX    助動詞    _    7    cop    _    BunsetuBILabel=I|BunsetuPositionType=SYN_HEAD|SpaceAfter=No
9    。    。    PUNCT    補助記号-句点    _    7    punct    _    BunsetuBILabel=I|BunsetuPositionType=CONT|SpaceAfter=No