WordNet

Elasticsearchを使って日本語の全文検索機能を実装することはよくあるケースですね。 大量のドキュメントをインデックスに登録し運用していると、想定したドキュメントがヒットしない、関連性が低いドキュメントのスコアが高くなっている等、意図していない挙動になっている場合があると思います。 その時にデバッグする時に便利なAPIや使い方をまとめてみます。 Analyze API 実際に検索クエリがどのようにトークン分割されているか確認したい場合に使います。 アナライザを指定することで、アナライザごとにどのようにトークン分割されているか比較することが可能です。 www.elastic.co sta…

ひとつ前の記事でご報告したように、大久保克彦さん作のEPWINGデータを、翻訳フォーラムが公開しています。 www.fhonyaku.jp そちらでもいろいろ書きましたが、今回あらためて公開できたEPWINGデータについて、少しだけ詳しく解説しておきます。お読みになって興味がわいた方は、ぜひダウンロードして使ってみてください。 いま公開されているデータは、大きく分けると以下のとおりです。 青空文庫のEPWINGデータ Project Gutenbergのデータ Wiktionaryのデータ WordNetのデータ 聖書パック シェイクスピアパック なお、それぞれの辞書の詳しい使い方は、上記サイ…

うれしいお知らせです！ 大久保克彦さんが公開なさっていた自作のEPWINGデータ。しばらく前から公開が止まっていましたが、このたび、翻訳フォーラムがそのデータを譲り受け、あらためて公開いたしました。 大久保EPWING アーカイブ presented by 翻訳フォーラム

NLTKは元もとペンシルバニア大学で作成されたPythonによる自然言語処理ライブラリー。 バイグラムは単語のペアである。コロケーションは頻繁に共起するバイグラム：例 red wine。 テキストコーパス 語彙資源：語彙項目（見出し語＋品詞＋語彙定義などで構成する）のリスト、語彙リストコーパス。ストップワードコーパス、発音辞書（単語＋音素リスト）、比較語彙リスト（約200の単語をいくつかの言語で記す） WordNet：シソーラスに似ているがよりリッチ。階層構造（概念として上位、下位、最上位語は一般的概念）、メロニムはある要素からそれを含む構成要素への関係（木を構成するのは幹、枝）、ホロニムは構…

英語学習者（主として高校生、大学生）向けでありながら翻訳者にも役に立つ英語辞典指南書は何冊かありますが、英英辞典についての良書を読んだので、ご紹介します。 英英辞典の底力 -- TOEIC®・英検®対策のニュースタンダード (「底力」シリーズ 15) 作者:泉幸男 プレイス（Jbooks） Amazon 著者の泉幸男さんは、大学とか高校の英語の先生ではなく、個人でビジネス向けの英語塾を経営なさっている方のようです。この手の本の著書としては、ちょっと異色かもしれません。 英英辞典の話や、そもそも辞書を開いたらどこを読むかという基本スタンスについて特に目新しいことは書かれていませんが、私があちこち…

多くの英単語は複数の意味を持つが、辞書では重要なものから順に表示することが望ましい。その選択をChatGPTにやらせてみた。

'23/12/30 【ウィキペディア版】 ：三町 勝久（みまち かつひさ、1961年12月6日 - ）は、日本の数学者。博士（理学）。専門は、複素解析 (特に de Rham 理論からの複素積分)・特殊函数・表現論・数理物理。 －･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－ 【X版】 #三町勝久 久積三町（ひさづみ_さん-ちょう)： 江戸時代後期に活躍した、武蔵国出身の数学者『久積・勝（ひさづみ・まさる）』に因んで名付けられた3つの町。 その由来は、明治維新を機に名を「勝」と改めた『久積・函折（ひさづみ・かんせき）』が、尾…

Kindle用英和辞書の45万語収録のバージョンを作った。メインの英和辞書は容量制限の都合で収録語数を13万語程度に絞っているが、その収録内容を簡易化することで語数を増やしたものだ。

統合英和辞書にて発音記号がない見出し語や例文がない語義が結構あったので、ChatGPTに生成させて、それらを収録した。Kindle用の英和辞書にも反映させてある。（追記：発音記号クイズも作った）

'23/11/28 【ウィキペディア版】 ：リバーサルフィルム（英語: Reversal film, transparency film）、反転フィルム（はんてんフィルム）は、現像の過程において露光・第一現像後、反転現像によってポジ画像（陽画）を得る構造をもつ写真フィルムである。 －･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－ 【X版】 #リバーサルフィルム ターン・アンデッド・フィルム（Turn-Undead_Film)： 聖水と界面活性剤で構成された乳化溶液から生成される、神聖性向の水溶液の膜。 または、それを応用した…

'23/11/03 【ウィキペディア版】 ：パウル＝ハインツ・ヴェルマン（Paul-Heinz Wellmann、1952年3月31日 - ）は、旧西ドイツの陸上競技選手。1500mを得意とした、1970年代に活躍した男子中距離選手。1976年モントリオールオリンピックの銅メダリストである。ヘッセン州ラーン＝ディル郡ハイガー出身。 －･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－ 【X版】 #パウル＝ハインツ・ヴェルマン 浪・潮茫（Làng・Cháománg：ラン・チャオマン）： 中華人民帝国31番目の省となる眛川省（べっせん=…

'23/10/23 【ウィキペディア版】 ：新竹市立中正野球場（しんちくしりつちゅうせいやきゅうじょう、繁体字中国語: 新竹市立中正棒球場、英語: Hsinchu Baseball Stadium）は、台湾新竹市北区に位置する野球場。1976年に完成されたが、2019年に解体・再建され、総額12億ニュー台湾ドルを投じて改修され、中華職業棒球聯盟の味全ドラゴンズが2022年後半シーズンより本拠地として使用する。 －･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－･－ 【X版】 #新竹市立野球場 新竹市立龍之巣（シンジュー=シー-リー_ロ…