HanDic(한딕)は，形態素解析エンジンMeCabで現代韓国語を解析するための辞書です．12万を超える辞書項目，書きことばを中心とした6000文以上の学習用データで構築されています．

著作権の問題があるため学習用データ自体の配布はしませんが，学習用モデルファイルはパッケージに含まれています．

• MeCab
• Python or Perl

git clone

$ git clone https://github.com/okikirmui/handic.git

もしくはZIPファイルをダウンロード

cloneしたリポジトリ配下のseedディレクトリに移動

$ cd handic/seed/

ZIPファイルをダウンロードした場合は解凍し，seedディレクトリに移動

$ cd handic-master/seed/

バイナリ辞書の作成

$ /usr/local/libexec/mecab/mecab-dict-index -f utf8 -t utf8

パラメータ学習用のモデルファイルmodelが同梱されているので，それを使って配布用辞書を作成（インストール先が/usr/local/lib/mecab/dic/handicの場合）

$ /usr/local/libexec/mecab/mecab-dict-gen -o /usr/local/lib/mecab/dic/handic -m model

解析用バイナリ辞書の作成

$ cd /usr/local/lib/mecab/dic/handic
$ /usr/local/libexec/mecab/mecab-dict-index -f utf8 -t utf8

MeCab実行時に-dオプションでHanDic辞書ファイルのあるディレクトリを指定します．

$ mecab -d /usr/local/lib/mecab/dic/handic

この方法では，実行するたびに辞書を指定する必要があります．

ホームディレクトリに.mecabrcを作成して，dicdirにHanDic辞書ファイルのあるディレクトリを記述します．

dicdir = /usr/local/lib/mecab/dic/handic

この方法では，常にHanDicを使って解析することになります．

HanDicは，UTF-8エンコーディングされたテキストを入力として形態素解析を行います． また，入力は通常のハングル（Hangul Syllables「ハングル音節文字」領域の文字，いわゆる「完成型ハングル」）ではなく，初声・中声・終声の字母に分解した入力（Hangul Jamo「ハングル字母」領域の文字）である必要があります． 例えば完成型ハングルの「몸」（U+BAB8）は，字母に分解すると「ㅁ」（U+1106）「ㅗ」（U+1169）「ㅁ」（U+11B7）となります．

こうした字母への分解は，任意のスクリプトを使って行っても構いません．なお，本プロジェクトではtoolsディレクトリにPerl用スクリプトk2jamo.plとPython用スクリプトk2jamo.pyを同梱しています．

コマンドラインやターミナルで，k2jamo.plを使ってinput.txt（例）を解析する場合：

$ perl k2jamo.pl input.txt | mecab -d /usr/local/lib/mecab/dic/handic

あるいはコマンドラインやターミナルで直接入力をする場合：

$ echo "겨울 방학 때 뭐 했어요?" | perl k2jamo.pl | mecab -d /usr/local/lib/mecab/dic/handic

のように行うことができます．

• Yoshinori Sugai(Kindai University)

Copyright (c) 2011- Yoshinori Sugai. All rights reserved.

''HanDic'' is under BSD-3-Clause.