【Python】無料で類語辞典を作る。
先日、Pythonを使って青空文庫から用例辞典を作るという記事を書きました。
今回はPythonを使って、無料で類語辞典を作成したいと思います。
無料の類語辞典といえば、Weblioが有名ですね。私もよく使います。
しかし、このWeblioには大きな欠点があります。
それはネットに繋がないと使えないということです。
意志の弱い我々にとってこれは由々しき事態です。
ネットに繋がった途端に、TwitterやYou Tubeなどの誘惑に負けてしまいます。
ですので、ネットに繋がずに使える類語辞典がほしいところですが、辞典とは高価な商品です。
そこで無料で作成してみようと思いました。
ここからが本題です。
辞書のデータは国立研究開発法人情報通信研究機構が公開しているWordnetを使用します。
こちらの「リリースとダウンロード」から「Japanese Wordnet and English WordNet in an sqlite3 database」をダウンロードします。
wnjpn.dbというファイルを手に入れることができます。
中身を簡単に説明しますと、単語と単語の概念（＝単語の意味）が収録されています。
単語と概念は1対1対応をしているわけではありません。
例えば、「楽しい」という単語に対しては、
概念1：満足または喜びを与えるさま
概念2：嬉しさや喜びを楽しむこと、見せること、あるいは特徴とするさま
概念3：あなたの趣味または好みと調和してあること
概念4：好きなことができる
概念5：楽しみと陽気さを提供する
概念6：愛想が良く面白い
概念7：大いに喜ばせるかまたは楽しませるさま
という概念が結びついています。
逆に、「満足または喜びを与えるさま」という概念には、
愉快
満足
痛快
面白い など
という単語が結びついています。
「同じ概念を持つ単語を類語と呼ぶ」ことにします。
模式化すると下の図のようなイメージです。オレンジ色四角が単語、青色丸が概念を表します。
これらの単語を拾い上げるプログラムを組みます。
今回、プログラムの作成に当たり以下2つのサイトを参考にしました。
（参考にしたというより、ほぼほぼ丸パクリです）
import sqlite3
conn = sqlite3.connect("wnjpn.db")
# 入力された単語(lemma)のWordIDを取得する
def getWordID(lemma):
cur = conn.execute("select wordid from word where lemma='%s'" % lemma)
for row in cur:
wordid = row[0]
return wordid
# WordIDから概念ID（synset）の一覧synsetsを作成する。
def getSynsetIDs(wordid):
synsets = []
cur = conn.execute("select synset from sense where wordid='%s'" % wordid)
for row in cur:
synsets.append(row[0])
return synsets
# 概念ID（synset）の意味（def）を取得する。
def getDefFromSynset(synset):
cur = conn.execute("select def from synset_def where (synset='%s' and lang='jpn')" % synset)
for row in cur:
synset_def = row[0]
return synset_def
# 概念ID(synset)を含む単語一覧(lemmasets）を取得する。つまり，類義語を取得する。
def getWordsFromSynset(synset,wordid):
lemmasets = []
cur1 = conn.execute("select wordid from sense where (synset='%s' and wordid!='%s' and lang='jpn')" % (synset,wordid))
for row1 in cur1:
tg_wordid = row1[0]
cur2 = conn.execute("select lemma from word where wordid=%s" % tg_wordid)
for row2 in cur2:
lemmasets.append(row2[0])
return lemmasets
def main():
print("検索する単語を入力しエンターを押してください。\n終了する場合は×ボタンを押してください。")
lemma = input()
# 入力された単語が存在しない場合はスキップする。
try:
wordid = getWordID(lemma)
except:
print("\nこの単語は登録されていませんでした。\n")
main()
synsets = getSynsetIDs(wordid)
counter1 = 1
for synset in synsets:
print("概念" + str(counter1) + "：" +getDefFromSynset(synset))
counter1 += 1
lemmasets = getWordsFromSynset(synset,wordid)
counter2 = 1
for lemma in lemmasets:
print(" 類"+str(counter2)+"："+lemma)
counter2 += 1
print("\n検索結果は以上です。\n")
main()
main() このプログラムをwnjpn.dbと同じ場所に置き実行すると、検索する単語を入力するように求められます。
「楽しい」と入力した場合、結果はこんな感じになります。
検索する単語を入力しエンターを押してください。
終了する場合は×ボタンを押してください。
楽しい
概念1：満足または喜びを与えるさま
類1：愉快
類2：おもしろい
類3：悦ばしい
類4：満足
類5：心嬉しい
類6：痛快
類7：愉しい
類8：心うれしい
類9：面白い
概念2：嬉しさや喜びを楽しむこと、見せること、あるいは特徴とするさま
類1：うれしい
類2：愉しげ
類3：明るい
類4：仕合わせ
類5：ご機嫌
類6：楽しげ
類7：悦ばしい
類8：御機嫌
類9：ハッピー
類10：心嬉しい
類11：大喜び
類12：幸福
類13：幸せ
類14：喜ばしい
類15：仕合せ
類16：嬉しい
類17：心うれしい
類18：嬉々たる
概念3：あなたの趣味または好みと調和してあること
類1：愉しげ
類2：心地良い
類3：よい
類4：好い
類5：快然たる
類6：愉快
類7：気持ち良い
類8：楽しげ
類9：快い
類10：麗しい
類11：快適
類12：いい
類13：好いたらしい
類14：良い
類15：心地よい
類16：善い
類17：愉しい
類18：嬉しい
類19：心地好い
概念4：好きなことができる
概念5：楽しみと陽気さを提供する
類1：楽しげ
類2：賑やか
類3：面白い
概念6：愛想が良く面白い
類1：可笑しい
類2：面白い
概念7：大いに喜ばせるかまたは楽しませるさま
類1：おもろい
類2：愉快
類3：おもしろい
類4：悦ばしい
類5：小気味好い
類6：心嬉しい
類7：愉しい
類8：喜ばしい
類9：心うれしい
類10：小気味よい
類11：面白い 簡単な単語なら検索可能ですが、例えば、歩き方の表現を知りたいと思い「忍び足」と検索してもヒットしませんでした。
weblioなら「忍び足・抜き足・差し足・すり足・摺り足・盗み足」と教えてくれます。
このプログラム→Web→紙の辞書の順に調べるといいかもしれません。
今回作成したプログラムです。
いいなと思ったら応援しよう！
