Projectを指定してインポートを行う - ChaKi Wiki - ChaKi

Projectを指定してインポートを行う

ChaKiには、wordテーブルおよび各アノテーションタグを階層化することのできる"Project"という概念が存在します。 デフォルトではすべての要素はID=0のProject内に存在しますが、このデフォルトProject以外のProjectを作成することにより、 wordやアノテーションをProject毎にグルーピングすることが可能となります。

Projectの用途としては、下記のようなものがあります。

• 単語の長単位・短単位の格納
• 異なる観点から同一コーパスに対して行われたアノテーションの区別
• 文単位での多言語間対照コーパスの作成（sentenceはProjectの影響を受けないため、文単位で対照させることしかできません）

新しいProjectを作成する

Projectを新たに作成するには、インポート(CreateCorpus)処理において、ID=0以外のProject IDを指定します。このとき、デフォルト プロジェクト(ID=0)が既に存在するコーパスを先に作成してあることが必要となります。

この例では、既に存在するコーパス"sample.db"に対してProject ID=1となる新規Projectを追加しています。

この入力となるソースには、通常のインポートと全く同じソースが使用可能ですが、その内容については、 既にデフォルトProject内にインポートされている内容と完全に同じDocument, Sentenceの出現順序に従っていて、 各文内のwordの構成やアノテーションタグ(Segment, Link, Group) のみが異なるものを与えます。

• 既に存在するProject IDを指定しないでください。現状では、既に存在していたProjectの中身を削除することはありませんので、word等の要素が二重に追加されてしまいます。

• Projectが異なるword間で関連（多対多のマッピング）を保持することができるようになっています（「Word間マッピングのインポート」節を参照）。

Projectを指定して検索を行う

メインツールバーの"Proj"欄（下記）にProject IDを指定すると、検索時にそのProject IDに合致する結果のみを得ることができます。

Project=0（短単位）とProject=1（長単位）両方の検索結果を並べて表示したものを下図に示します。

DependencyEditとProject

検索結果に対してDependencyEditを行うとき、検索に用いたProject ID、すなわちその結果が属しているProject IDがDependencyEditに 伝えられます。そして、そのDependencyEditにおいて行われる編集(アノテーションタグの追加・削除等）は、そのProjectに対して 行われることとなります。

コーパスエクスポート機能

エクスポート処理においては、メインツールバーの"Proj"欄に指定した Project がエクスポート対象となります。(Ver. 3.16にて実装。)

Word間マッピングのインポート

ChaKiには、WordとWordとの間の対応関係を示すための特別なテーブル"word_word"が存在しており、対応するWord間の対応関係を格納することができるようになっています。現在の所このテーブルは、異なるProject間でWordとWordとの対応関係を記述するのに使用することが想定されています。例えば、

• Project 0に通常の語順でのWordの並びが格納されていて、他のProjectには「読み順」などそれとは異なる語順のWordの並びが格納されている
• Project 0に日本語、Project 1に英語というように対訳データを格納し、対応するWordをマークアップする

などの使い方が考えられます。

Word間マッピングをインポートするコマンドは、コマンドラインから"ImportWordRelation.exe"を実行します。 下記にUsageを示します。

Usage: ImportWordRelation [Options] <InputFile> <Output>
Options (default):
  [-C] Do not pause on exit (false)
  [-b] Make relations bi-directional (false)
  [-a] Do not clear the mapping table; append mode (false)
InputFile - TSV File
Output    - .db file for SQLite / .def file for Others

入力はProject, Sentence, WordNoの３つ組を基本として、From-word, To-wordを横に並べたTab-separated 形式となります。 すなわち、各行は、

1. From-wordのProject
2. From-wordのSentence No
3. From-wordのWord No
4. To-wordのProject
5. To-wordのSentence No
6. To-wordのWord No

というカラムから成ります。

関係は、デフォルトではFrom-wordからTo-wordの一方向ですが、"-b"オプションを付けることで双方向とすることも可能です。この場合、1つの入力それぞれについて、方向を逆にした2つのレコードが挿入されます。

下に入力ファイルの例を示します。

1	0	0	0	0	0
1	0	1	0	2	4
1	0	2	0	2	4
1	0	3	0	2	5
1	0	4	0	2	6
1	0	5	0	2	1
1	0	6	0	0	0
1	0	7	0	3	33
1	0	8	0	0	1
1	0	9	0	0	1
1	0	10	0	0	0
1	0	11	0	0	1
1	0	12	0	0	2
1	0	13	0	0	1
1	0	14	0	0	1
1	0	15	0	0	2