■日本語形態素解析とは
形態素解析 - Wikipedia -に、詳細説明があります。
簡単に言うと、日本語の構文を分析して、各パーツの品詞（名詞、動詞、形容詞、助詞など）に分け、例えば、名詞の使われている順にページ内でどんな言葉が一番使われているのかを決定し、それにあわせた広告を表示したり（コンテンツマッチ型の広告）することができるわけです。
一番有名なサービスが、googleのadsense。
日本語形態素解析というのは、古くからあるサービスで、
比較的メジャーなのを挙げてみると、
MeCab、ChaSen、JUMAN、KAKASI
なんてのがあります。
どれも、UNIX(LINUX)にインストールするタイプなので、レンタルサーバー利用者には使用できない、というのが難点です。
MeCab の開発経緯を見ていただくと、日本語形態素解析の技術の移り変わりが見て取れます。
MeCabを自分のサーバーに導入して、WebAPIを公開してくれている方もいるのですが、それなりに負荷のかかるサービスなので、ちょっと気が引けます。
アメリカのYahooでは、Term Extraction Documentation for Yahoo! Search Web ServicesというWebサービスを展開していて、このホームページでも、YahooContentAnalysisを使ってみるというページで紹介済みです。
そこでも、和文が通ればなあ、と書いたのですが、待望の日本語対応サービスが登場、ということになります。
簡単に言うと、日本語の構文を分析して、各パーツの品詞（名詞、動詞、形容詞、助詞など）に分け、例えば、名詞の使われている順にページ内でどんな言葉が一番使われているのかを決定し、それにあわせた広告を表示したり（コンテンツマッチ型の広告）することができるわけです。
一番有名なサービスが、googleのadsense。
日本語形態素解析というのは、古くからあるサービスで、
比較的メジャーなのを挙げてみると、
MeCab、ChaSen、JUMAN、KAKASI
なんてのがあります。
どれも、UNIX(LINUX)にインストールするタイプなので、レンタルサーバー利用者には使用できない、というのが難点です。
MeCab の開発経緯を見ていただくと、日本語形態素解析の技術の移り変わりが見て取れます。
MeCabを自分のサーバーに導入して、WebAPIを公開してくれている方もいるのですが、それなりに負荷のかかるサービスなので、ちょっと気が引けます。
アメリカのYahooでは、Term Extraction Documentation for Yahoo! Search Web ServicesというWebサービスを展開していて、このホームページでも、YahooContentAnalysisを使ってみるというページで紹介済みです。
そこでも、和文が通ればなあ、と書いたのですが、待望の日本語対応サービスが登場、ということになります。
■日本語形態素解析Webサービスを使ってみる
では、実際に、日本語形態素解析Webサービス「Web MA」を使ってみましょう。
WebAPIに送信するリクエストは、
「http://api.jlp.yahoo.co.jp/MAService/V1/parse」
詳細パラメータは、日本語形態素解析Webサービスにありますので、必要なパラメータを付加して、最終的なリクエストを作成することになります。
解析する文字は、
「庭には二羽鶏がいる」
です。
サンプルリクエストを、
サンプルソース
appid：自分のアプリケーションIDを指定します。登録には、YahooIDが必要なので、ない方はYahooIDを作成する必要があります。YahooIDを作成したら、アプリケーションID登録フォームでアプリケーションIDを登録すればOKです。
リクエスト($req)を組み立てたら、file_get_contents()に渡して、simplexml_load_string()でXMLをパース、という流れです。
なお、実際には、file_get_contents()を直接コールするのではなく、自作のキャッシュ対応版file_get_contents()を作成しておいて、それを呼ぶようにしておくと、リクエスト回数を減らせるので、利用制限回数を回避できる可能性が高くなります。この辺の話しは、ブログに書いてあるので、そちらを参照してください。
返却XML
上記サンプルをコールして得られるXMLは、以下のとおりです。
こんな感じで、名詞の語句と動詞の語句に分解されるので、自分の用途に応じて利用するだけです。
関連検索ワードと組み合わせたり、画像検索と組み合わせたりするだけでも、面白いし、
自分専用のadsenseもどきを作ってみたりすることも可能です。
アプリケーションIDのリクエスト制限とセンテンスの長さ制限に注意しながら、様々なアプリケーションが作成できますね。
WebAPIに送信するリクエストは、
「http://api.jlp.yahoo.co.jp/MAService/V1/parse」
詳細パラメータは、日本語形態素解析Webサービスにありますので、必要なパラメータを付加して、最終的なリクエストを作成することになります。
解析する文字は、
「庭には二羽鶏がいる」
です。
サンプルリクエストを、
http://api.jlp.yahoo.co.jp/MAService/V1/parse&appid=appid&results=ma,uniq&filter=9|10&sentence=%E5%BA%AD%E3%81%AB%E3%81%AF%E4%BA%8C%E7%BE%BD%E9%B6%8F%E3%81%8C%E3%81%84%E3%82%8Bとしてみた(名詞と動詞だけを取得)場合の、
サンプルソース
$sentence = '庭には二羽鶏がいる';
$req = "http://api.jlp.yahoo.co.jp/MAService/V1/parse";
$req .= "?appid=" . 'appid' . '&results=ma,uniq' . '&filter=9|10' . '&sentence=' . urlencode($sentence);
$data = file_get_contents($req);
if( !empty($data) ){
$xml = simplexml_load_string($data);
}
あまりにもシンプルに使えるのでアレですが、簡単に説明すると、appid：自分のアプリケーションIDを指定します。登録には、YahooIDが必要なので、ない方はYahooIDを作成する必要があります。YahooIDを作成したら、アプリケーションID登録フォームでアプリケーションIDを登録すればOKです。
リクエスト($req)を組み立てたら、file_get_contents()に渡して、simplexml_load_string()でXMLをパース、という流れです。
なお、実際には、file_get_contents()を直接コールするのではなく、自作のキャッシュ対応版file_get_contents()を作成しておいて、それを呼ぶようにしておくと、リクエスト回数を減らせるので、利用制限回数を回避できる可能性が高くなります。この辺の話しは、ブログに書いてあるので、そちらを参照してください。
返却XML
上記サンプルをコールして得られるXMLは、以下のとおりです。
こんな感じで、名詞の語句と動詞の語句に分解されるので、自分の用途に応じて利用するだけです。
関連検索ワードと組み合わせたり、画像検索と組み合わせたりするだけでも、面白いし、
自分専用のadsenseもどきを作ってみたりすることも可能です。
アプリケーションIDのリクエスト制限とセンテンスの長さ制限に注意しながら、様々なアプリケーションが作成できますね。
