Sudachi 同義語辞書

January 29, 2020 · View on GitHub

Sudachi 同義語辞書は Sudachi 辞書に登録されている語に対して同義語情報を付与したものです。 Sudachi 辞書と同じライセンスで提供されます。

レポジトリ内の次の場所にあります: src/main/text/synonyms.txt

同義語辞書ソース フォーマット

1語1行で記述し、同義語グループ間は空行で区切ります (省略可)。 各行はCSV形式 (RFC 4180) とし、文字コードは UTF-8 を使用します。

同義語ソースのフォーマットは以下の通りです。

  • 0 : グループ番号
  • 1 : 体言/用言フラグ (省略可)
  • 2 : 展開制御フラグ (省略可)
  • 3 : グループ内の語彙番号 (省略可)
  • 4 : 同一語彙素内での語形種別 (省略可)
  • 5 : 同じ語形の語の中での略語情報 (省略可)
  • 6 : 同じ語形の語の中での表記ゆれ情報 (省略可)
  • 7 : 分野情報 (省略可)
  • 8 : 見出し
  • 9 : 予約
  • 10 : 予約

各項目について以下に説明します。

0 : グループ番号

同義語として登録する見出しには、共通のグループ番号を付与します。 この番号は、ソース内で同義語の管理・識別に使用するため、一度発行したグループ番号は変更しません。 グループ番号は6桁の数字で表します。

1 : 体言/用言フラグ

見出しが体言か用言かを管理・識別する情報です。省略することもできます。

  • 1 : 体言
  • 2 : 用言

2 : 展開制御フラグ

同義語展開をする・しないを制御する情報です。省略することもできます。 省略した場合は、「0 : 常に展開に使用する」と同じ扱いになります。

  • 0 : 常に展開に使用する
  • 1 : 自分自身が展開のトリガーとはならないが、同グループ内の別の見出しからは展開される
  • 2 : 常に展開に使用しない ※削除履歴として利用 (弊害語などが誤って再登録されるのを防ぐため)

3 : グループ内の語彙素番号

グループ内における、語彙素の管理番号です。省略することもできます。 "1"始まりで連番を付与します。

「異表記や、外来語の表記ゆれ、翻字、対訳、略語、略称、別称 (通称・愛称、等) 、旧称、誤用」は、表記や語形が異なるだけで、同じ語彙素と見なします。

4 : 同一語彙素内での語形種別

同一語彙素内 (3の番号が同じもの) における語形の関連性を示す情報です。省略することもできます。

  • 0 : 代表語
  • 1 : (代表語から見て) 対訳
  • 2 : (代表語から見て) 別称 (通称・愛称等)
  • 3 : (代表語から見て) 旧称
  • 4 : (代表語から見て) 誤用

5 : 同じ語形の語の中での略語・略称情報

同じ語形種別の語 (3、4の番号が同じもの) における、略語・略称の関係を示す情報です。省略することもできます。

  • 0 : 代表語形
  • 1 : (代表語形から見て) 略語・略称 (アルファベット表記)
  • 2 : (代表語形から見て) 略語・略称 (1以外)

6 : 同じ語形の語の中での表記揺れ情報

同じ略語・略称形の語 (3、4、5の番号が同じもの) における、表記の関連性を示す情報です。省略することもできます。

  • 0 : 代表表記
  • 1 : アルファベット表記 (外来語の原語綴り、ローマ字表記)
  • 2 : 異表記
  • 3 : 誤表記

7 : 分野情報

見出しが、どういう分野の語句であるかを示す情報です。省略することもできます。

分野情報説明事例補足
人を表す語。民族名。アシスタント、パートタイマー、ベジタリアン、ママ友、第一人者、フランス人
人名著名人名。歴史人物名。架空の人物名。神の名前。妖怪の名前。レオナルド・ダ・ビンチ、ヘラクレス、キリスト、ワグナー
キャラキャラクター名。キューピー、スパイダーマン、スヌーピー
国名国の名称。オーストラリア連邦、タイ王国、ラトビア、ブラジル、ジャパン
地名都市名。エリア名。繁華街の名称。架空の地名。ロサンゼルス、ヨーロッパ、都内、タイムズスクエア
地形自然地形。それらの総称。シーサイド、富士山、半島、氷河、クレバス
観光観光名所。ランドマーク。アメ村、ユニバーサルスタジオジャパン、六本木ヒルズ、国立歴史民俗博物館
店の形態など。サテライトショップ、チェーン店、ファミリーレストラン、フリーマーケット、実店舗
店名店名。マクドナルド、ローソン、キオスク
商品商品名。商標名。サービス名。サイト名。雑誌名。ヤフオク!、ボーカロイド、パワーポイント
大学名大学名。大学の種類などは分野情報「教育」へ
企業名企業名。アメリカンエキスプレス、みずほ銀行、全日本空輸、NTTドコモ、中部電力
組織名組織名(企業名、店名、大学名を除く)。欧州連合、消費生活協同組合、教育委員会、日本医師会、国際オリンピック委員会
ビジネスビジネス用語。経済用語。アウトソーシング、インターンシップ、勤務表、電子マネー、日本銀行
政治党名。行政、軍事などの関連用語。自由民主党、公正取引委員会、環境大臣、北海道警察、軍備拡張
法律法律名。法律用語。日米安全保障条約、建築基準法、コンプライアンス、知的財産権
ITIT用語。アップデート、スクリーンショット、パケット、ボイスチャット、人工知能
建築建築用語。内装、建築資材、コンクリートパネル、グラスファイバー、リフォーム
交通交通機関名。乗り物の名称。車種。そのほか関連用語。地下鉄、最終電車、オートバイ、ガソリンスタンド、駐車場、歩行者天国、ビジネスクラス
医療病名。治療法。医学用語。筋ジストロフィー、インフルエンザ、物理療法、筋注、マンモグラフィー、ケアマネ、レセプト
美容美容法。美容器具。そのほか関連用語。アンチエイジング、マクロビ、リフレクソロジー、化粧水、ストパー
料理飲食物全般。料理名。調理器具の名称。そのほか関連用語。カフェラテ、朝ごはん、洋菓子、ナンプラー、フリーズドライ、テイクアウト、試食
ファッションファッションアイテム。ファッション用語。革パン、カラーコンタクト、アメカジ、コーディネート、パリコレ
娯楽漫画、アニメ、ゲーム、映画、劇、イベントなどの関連用語。作品名。レディコミ、サバイバルゲーム、数独、パチンコ、万博、カーテンコールクリスマスなど、日本ではイベント化しているものは「娯楽」を付与
音楽音楽施設。楽器名。音楽用語。日比谷野外音楽堂、コントラバス、コンサートマスター、ボイストレーニング
スポーツ競技名。チーム名。大会名。スポーツ用品名。スポーツ用語。アメリカンフットボール、セントラルリーグ、ワールドカップ、インカレ、スポーツジム、ランナー
教育学校の種類。科目名。学習用語。行事名。そのほか関連用語。公立大学、コミカレ、現代国語、カリキュラム、微分積分、入学試験、学園祭
化学化学物質名。リボフラビン、ユーロピウム
動植物動植物名。品種名。それらの総称。ジャガ芋、アスパラガス、カモミール、ダックスフンド、青虫
時間時間、季節、記念日などを表す語。サマータイム、スケジュール、この頃、本年、最終期限、卒業年度、スポーツの日
単位単位。デカール、ナノセカンド、平方メートル、ユーロ
色の名称。色の分類名。アイボリー、バイオレット、薔薇色、あかね色、寒色
不快不快語。ジャップ

8 : 見出し

同義語辞書に登録される語句です。

9 : 予約

10 : 予約

例)

情報を省略せずに記述した場合

000127,1,0,1,0,0,0,(医療),インフルエンザ,,
000127,1,0,1,0,0,1,(医療),influenza,,
000127,1,0,1,0,2,0,(医療),インフル,,
000127,1,0,2,0,0,0,(医療),流行性感冒,,
000127,1,0,2,0,2,0,(医療),流感,,

000008,1,0,1,0,0,0,(),支払い,,
000008,1,0,1,0,0,2,(),支払,,
000008,2,0,2,0,0,0,(),支払う,,
000008,1,1,3,0,0,0,(),勘定,,
000008,1,1,4,0,0,0,(),精算,,
000008,1,1,5,0,0,0,(),会計,,
000008,1,1,6,0,0,0,(),御愛想,,
000008,1,1,6,0,0,2,(),お愛想,,

情報を省略して記述した場合

000127,,,,,,,,インフルエンザ,,
000127,,,,,,,,influenza,,
000127,,,,,,,,インフル,,
000127,,,,,,,,流行性感冒,,
000127,,,,,,,,流感,,