blogで使ってる言葉ベスト100を作ってみた。・・・なんか"彼女"がベスト5に入ってるし。我ながら見事な溺愛っぷり(笑)。"目"が上位なのも泣ける・・・ドライアイめ。"バグ"、"体調"、"風邪"、"口内炎"もランクイン。おめでとう!(ぇ
スクリプトとしては、MT.pmにコンフィグ食わせて、MT::Entry->loadでエントリ全部とってから、タグをはずしてJcodeでeucに変換してそのままChaSenへGo。実行時間も10秒以内とかなり良好。エラいぞChaSen。
・・・と言いたいとこだが、この方法だと英単語が拾えない。全部アルファベットに分解されてしまって、記号として処理される。これを回避するのは英単語辞書を作るしかないのかなあ?
あ、この問題はググったら出てきた。.chasenrcに、(連結品詞 ((記号 アルファベット)))、って、eucで書くといいらしい。集計し直したら"風邪"と"口内炎"が消えちゃった、ちぇ。
さて、問題は解決したけど、これでもあまり精度が高くないね。集計対象にするかどうかを判定するロジックを考えなきゃ駄目みたい。ChaSenが返して来る品詞と、単語に使われてる文字列の長さ・種類で判定することになるかな。参考としては、ChaSen 品詞体系(by 新山さん)が役に立ちそう。
1位 | 笑 | 621 |
---|---|---|
2位 | ー | 339 |
3位 | これ | 223 |
4位 | 彼女 | 210 |
5位 | 俺 | 178 |
6位 | quot | 143 |
7位 | 人 | 142 |
8位 | なん | 115 |
9位 | それ | 99 |
10位 | ♪ | 91 |
11位 | DDR | 86 |
12位 | 汗 | 85 |
12位 | gt | 85 |
14位 | 自分 | 84 |
15位 | ここ | 81 |
16位 | perl | 76 |
17位 | とこ | 72 |
18位 | ぇ | 69 |
19位 | 爆 | 68 |
20位 | から | 66 |
21位 | 日記 | 63 |
22位 | 会社 | 59 |
22位 | 何 | 59 |
24位 | i | 55 |
25位 | 久しぶり | 54 |
26位 | 感じ | 51 |
26位 | ゅ | 51 |
28位 | 気 | 48 |
29位 | ファイル | 47 |
29位 | 目 | 47 |
29位 | ソース | 47 |
32位 | 文字 | 46 |
33位 | 家 | 43 |
34位 | X | 42 |
35位 | ゲーム | 41 |
35位 | コード | 41 |
35位 | リ | 41 |
38位 | 後 | 40 |
38位 | 音 | 40 |
40位 | 子 | 39 |
40位 | ケータイ | 39 |
42位 | 仕様 | 38 |
42位 | C | 38 |
44位 | 他 | 37 |
44位 | サーバ | 37 |
46位 | 鬼 | 36 |
46位 | バグ | 36 |
46位 | java | 36 |
46位 | ラーメン | 36 |
50位 | 味 | 35 |
50位 | ぉ | 35 |
52位 | m | 34 |
52位 | インストール | 34 |
52位 | 電車 | 34 |
55位 | こ | 33 |
56位 | 曲 | 32 |
56位 | 本 | 32 |
58位 | プレイ | 31 |
58位 | カード | 31 |
58位 | linux | 31 |
58位 | どこ | 31 |
58位 | ダンレボ | 31 |
63位 | ぴ | 30 |
63位 | 帰り | 30 |
63位 | 環境 | 30 |
66位 | 涙 | 29 |
66位 | 音楽 | 29 |
68位 | そこ | 28 |
68位 | 世界 | 28 |
68位 | ページ | 28 |
68位 | 店 | 28 |
68位 | 駅 | 28 |
68位 | 体調 | 28 |
68位 | 最後 | 28 |
75位 | ろ | 27 |
75位 | スクリプト | 27 |
75位 | 写真 | 27 |
78位 | パ | 26 |
78位 | サイト | 26 |
78位 | 26 | |
78位 | n | 26 |
78位 | ポップ | 26 |
78位 | 誰 | 26 |
84位 | こいつ | 25 |
84位 | T | 25 |
86位 | ぁ | 24 |
86位 | 調子 | 24 |
86位 | ぃ | 24 |
86位 | 状態 | 24 |
90位 | 原因 | 23 |
90位 | うち | 23 |
90位 | lt | 23 |
93位 | 手 | 22 |
93位 | ば | 22 |
93位 | use | 22 |
93位 | ら | 22 |
93位 | F | 22 |
93位 | SDL | 22 |
99位 | MAX | 21 |
99位 | A | 21 |
99位 | コンパイル | 21 |
99位 | 部屋 | 21 |
99位 | make | 21 |
99位 | ラ | 21 |
99位 | hiratara | 21 |
99位 | アプリ | 21 |
99位 | スピッツ | 21 |
99位 | うさぎ | 21 |
99位 | コース | 21 |
99位 | ダブル | 21 |
99位 | 情報 | 21 |
99位 | 日本語 | 21 |