rJava Interface to Kuromoji • tangela

tangela is an rJava wrapper for atilika/kuromoji (bundled v0.7.7).

Kuromoji is a “self-contained Japanese morphological analyzer” such that tangela only requires Java; It never has any other dependencies such as MeCab and its dictionaries.

Usage

Installation

remotes::install_github("paithiov909/tangela")

Call tagger

res <- tangela::kuromoji(
  c("なぜ分かり合えないのか！？",
    "なぜ貴様等は他を出し抜こうとするのか！？",
    "ところできのこはあんな縦に長かったか！？")
)
str(res)
#> tibble [33 × 5] (S3: tbl_df/tbl/data.frame)
#>  $ doc_id : chr [1:33] "1" "1" "1" "1" ...
#>  $ token  : chr [1:33] "なぜ" "分かり" "合え" "ない" ...
#>  $ feature: chr [1:33] "副詞,助詞類接続,*,*,*,*,なぜ,ナゼ,ナゼ" "動詞,自立,*,*,五段・ラ行,連用形,分かる,ワカリ,ワカリ" "動詞,自立,*,*,一段,未然形,合える,アエ,アエ" "助動詞,*,*,*,特殊・ナイ,基本形,ない,ナイ,ナイ" ...
#>  $ is_unk : logi [1:33] FALSE FALSE FALSE FALSE FALSE FALSE ...
#>  $ is_user: logi [1:33] FALSE FALSE FALSE FALSE FALSE FALSE ...

Prettify Output

res <- tangela::prettify(res)
head(res)
#> # A tibble: 6 × 13
#>   doc_id token  is_unk is_user POS1   POS2   POS3  POS4  X5StageUse1 X5StageUse2
#>   <chr>  <chr>  <lgl>  <lgl>   <chr>  <chr>  <chr> <chr> <chr>       <chr>      
#> 1 1      なぜ   FALSE  FALSE   副詞   助詞…  <NA>  <NA>  <NA>        <NA>       
#> 2 1      分かり FALSE  FALSE   動詞   自立   <NA>  <NA>  五段・ラ行  連用形     
#> 3 1      合え   FALSE  FALSE   動詞   自立   <NA>  <NA>  一段        未然形     
#> 4 1      ない   FALSE  FALSE   助動詞 <NA>   <NA>  <NA>  特殊・ナイ  基本形     
#> 5 1      の     FALSE  FALSE   名詞   非自立 一般  <NA>  <NA>        <NA>       
#> 6 1      か     FALSE  FALSE   助詞   副助…  <NA>  <NA>  <NA>        <NA>       
#> # ℹ 3 more variables: Original <chr>, Yomi1 <chr>, Yomi2 <chr>

The output has these columns.

doc_id: 文番号
token: 表層形（surface form）
is_unk: 未知語判定（whether or not the token is unknown word?）
is_user: ユーザー辞書判定（whether or not the token is user defined word?）
POS1~POS4: 品詞, 品詞細分類1, 品詞細分類2, 品詞細分類3
X5StageUse1: 活用型（ex. 五段, 下二段…）
X5StageUse2: 活用形（ex. 連用形, 基本形…）
Original: 原形（lemmatised form）
Yomi1: 読み（readings）
Yomi2: 発音（pronunciation)

Pack Output

res <- tangela::kuromoji(
  c("なぜ分かり合えないのか！？",
    "なぜ貴様等は他を出し抜こうとするのか！？",
    "ところできのこはあんな縦に長かったか！？",
    "とにかく不様、そんな事ではあの小娘には勝てないわ。",
    "そう、皆で協力して挑むのだ！",
    "えー、まぁ今回はその件で伺いました。")
) |>
  tangela::prettify() |>
  tangela::pack()
print(res)
#> # A tibble: 6 × 2
#>   doc_id text                                                            
#>   <chr>  <chr>                                                           
#> 1 1      なぜ 分かり 合え ない の か ！ ？                               
#> 2 2      なぜ 貴様 等 は 他 を 出し抜こ う と する の か ！ ？           
#> 3 3      ところで きのこ は あんな 縦 に 長かっ た か ！ ？              
#> 4 4      とにかく 不様 、 そんな 事 で は あの 小娘 に は 勝て ない わ 。
#> 5 5      そう 、 皆 で 協力 し て 挑む の だ ！                          
#> 6 6      えー 、 まぁ 今回 は その 件 で 伺い まし た 。

License

Licensed under the Apache License, Version 2.0. This software includes the works distributed under the Apache License, Version 2.0.

Icons made by Eucalyp from www.flaticon.com.