Home > ドキュメント > インストール

インストール

  • 2009-06-15 (月) 14:58

目次

動作環境

DODDLE-OWLを実行するためには，以下の環境が必要です．

  • JRE (Java Runtime Environment) 6以降
  • OS: Javaが動作可能なOS（推奨 Windows XP）
  • CPU: Pentium4 2GHz程度
  • メモリ: 1GB以上
  • ハードディスクの空き容量: 1GB以上
  • ディスプレイ: 解像度1024×768 以上のカラーディスプレイ

DODDLE-OWLの開発および動作確認は以下の環境で行っています．

  • JDK 6 Update1
  • OS: Windows XP
  • CPU: Pentium4 3.4GHz
  • メモリ: 2GB
  • ディスプレイ: 解像度1920×1200 のカラーディスプレイ

利用しているライブラリ

DODDLE-OWLは以下のライブラリを利用しています．以下のライブラリについては，DODDLE-OWLに含まれているため別途ダウンロードする必要はありません．

利用しているソフトウェア

DODDLE-OWLは，以下のソフトウェアを利用しています．以下の注意点に記述されていることを行いたい場合には，別途以下のソフトウェアのインストールが必要です．

注意点

  • Beta6からは，ChaSen, MeCab, CaboCha, SS-Tagger, GenSenは，UTF-8のみに対応しています．
    • ChaSenでUTF-8を利用する方法は，ChaSen’s Wiki FAQを参照してください．
    • MeCabおよびCaboChaは，2008年11月現在の最新版は，UTF-8に対応しています．（Windows版ではインストール時に辞書の文字コードとして「UTF-8」を選択します．Unix，Macでは，configureのオプションとして「–with-charset=utf8」を指定します．）
    • GenSenでは，TermExtractフォルダにあるMeCab.pmとChasen.pmの文字コードをUTF-8に変換する必要があります．
  • 日本語文書から複合語を抽出したい場合には，PerlとChaSen(またはMeCab)とTermExtract(またはCaboCha)が必要です．
  • 英語文書から複合語を抽出したい場合には，PerlとSS-TaggerとTermExtractが必要です．
  • 英語文書から詳細な品詞情報を抽出したい場合には，SS-Taggerが必要です．
  • Windows以外のOSでPDFからテキストを抽出したい場合には，PDFBoxが必要です．
  • Windows OSを利用しており，MS Word, MS Excel, MS PowerPoint, PDF等からテキストを抽出したい場合には，xdoc2txtが必要です．
  • WordNetから領域オントロジーを構築したい場合には，WordNet（ver2.0推奨．ver2.1は利用不可）が必要です．
  • EDR電子化辞書から領域オントロジーを構築したい場合には，EDR電子化辞書の概念体系辞書(必須)，日本語単語辞書(必須)，英語単語辞書(オプション)，概念記述辞書(オプション)が必要です．

参照オントロジー

インストール

ダウンロードページからDODDLE-xxx.zipファイルを解凍し，適当なフォルダ（以下，インストールフォルダ）にコピーすればインストール完了です．

ファイル構成

DODDLE/DODDLE.bat
Windows用の実行ファイル
DODDLE/DODDLE_DIC_Converter.bat
EDRのテキスト形式の辞書データや日本語WordNetのsqlite3 databaseをDODDLEで参照する辞書の形式に変換するプログラムを実行するファイル
DODDLE/build.xml
antビルドファイル
DODDLE/src.zip
DODDLE-OWLのソースファイル群をzip形式で圧縮したファイル
DODDLE/docs.zip
DODDLE-OWLのjavadocをzip形式で圧縮したファイル
DODDLE/build/DODDLE.jar
DODDLE-OWLに関連するクラスファイルをjar形式でまとめたファイル
DODDLE/build/classes/
DODDLE-OWLに関連するクラスファイル群を格納するディレクトリ
DODDLE/build/lib/
DODDLE-OWLが利用するライブラリ群を格納するディレクトリ
DODDLE/ontology_templates/
OWL要素を抽出する際に利用するSPARQLで記述されたテンプレートファイル群
DODDLE/stop_word_list.txt
単語抽出時に無視する単語を保存したファイル
DODDLE/resources/DODDLEComponent.owl
DODDLE-OWLのユーザインタフェースで使用している語彙を管理するOWLオントロジー

アンインストール

インストールフォルダを削除すればアンインストール完了です．

実行方法

Java Web Start版からの実行

  1. JRE 6以上をインストールし，java.exeの場所を環境変数PATHに追加する．
  2. ダウンロードページにあるdoddle-owl.jnlpをクリック

DODDLE-xxx.zipファイルからの実行

  1. JRE 6以上をインストールし，java.exeの場所を環境変数PATHに追加．
  2. DODDLEプログラム(DODDLE-xxxx.zip)を適当なフォルダ(インストールフォルダ)に解凍する．
  3. 複合語を抽出したい場合には，TermExtractまたはCaboChaをインストールする．
  4. DODDLE.batを実行．
    • 256MB程度のメモリがあれば動作可能．(JVMオプション -Xmx 256m)
    • DODDLE.batの初期設定では，JVMのオプションは，-Xms256m -Xmx512mとしている．
    • ただし，構築するオントロジーの概念数が多い場合には，上記以上のメモリが必要となる場合もある．

各種設定

各種設定は，オプションダイアログからGUIで行います．

オプションダイアログ: 基本タブ

BASE_URI=http://www.yamaguti.comp.ae.keio.ac.jp/doddle#
オントロジー保存時のベースURIを設定します．
BASE_PREFIX=keio
ユーザが定義した概念の接頭辞を設定します．
LANG=ja
enまたはjaを指定することで，英語または日本語メニューを表示することができます．

オプションダイアログ: フォルダタブ

日本語形態素解析器
初期パス: C:/Program Files/ChaSen/chasen.exe
複合語抽出モジュール言選を利用する場合に必要です．（chasen21は不可）
日本語係り受け解析器
初期パス: C:/Program Files/CaboCha/bin/cabocha.exe
複合語抽出する場合に必要です．
SS-Taggerフォルダ
初期パス: C:/DODDLE-OWL/postagger-1.0
英語文書の品詞情報を得るために必要です．
perl.exe
初期パス: C:/Perl/bin/perl.exe
言選(TermExtract)を利用する場合に必要です．
xdoc2txt.exe
初期パス: C:/DODDLE-OWL/d2txt123/xdoc2txt.exe
テキスト以外のMS Word, MS Excel, MS PowerPoint, PDF等からテキストを抽出したい場合に，xdoc2txtの実行ファイルのあるパスを設定します．
GoSen設定ファイル
初期パス: C:/DODDLE-OWL/GoSenDictionary/dictionary.xml
GoSenの設定ファイル(dictionary.xml)を設定します．IPA辞書をGoSen用に変換する必要があります．
EDR辞書フォルダ
初期パス: C:/DODDLE-OWL/EDR_DIC
EDR一般辞書のテキストデータをDODDLE用に変換したファイルを置いたフォルダを設定します．
EDRT辞書フォルダ
初期パス: C:/DODDLE-OWL/EDRT_DIC
EDR専門辞書のテキストデータをDODDLE用に変換したファイルを置いたフォルダを設定します．
WordNetフォルダ
初期パス: C:/program files/wordnet/2.0/dict
WordNetのdictフォルダへのパスを設定します．WordNetを汎用オントロジーとして参照したい場合に設定する必要があります． (WordNet 2.1は利用できません．)
日本語WordNetフォルダ
初期パス: C:/DODDLE-OWL/JPNWN_DIC
日本語WordNetのsqlite3 databaseファイルをDODDLE用に変換したファイルを置いたフォルダを設定します．
プロジェクトフォルダ
初期パス: C:/DODDLE-OWL/DODDLEProject
プロジェクトファイルを保存するフォルダを設定します．プロジェクトを保存・復元する際に このフォルダが基点となります．
上位概念リスト
初期パス: C:/DODDLE-OWL/upperConceptList.txt
上位概念のリストを設定します．ある単語がEDR上の指定した概念の下位にあるかどうかを提示するために利用します．
ストップワードリスト
初期パス: C:/DODDLE-OWL/stop_word_list.txt
用語抽出時に無視する単語リストが保存されたファイルを設定します．
複合語抽出スクリプトフォルダ
C:/DODDLE-OWL/TermExtractScripts
DODDLE用に作成したTERM_EXTRACTのスクリプトを保存したフォルダを設定．これらのスクリプトファイルはダウンロードページからダウンロードできます．
Swoogleクエリー結果フォルダ
現バージョンではサポートしていません．
OWLオントロジーフォルダ
現バージョンではサポートしていません．

EDR電子化辞書の利用方法

DODDLE-OWLでEDR電子化辞書を汎用オントロジーとして参照するためには，EDR電子化辞書のテキストデータをDODDLE-OWLで参照する形式に変換する必要があります．以下では，その変換手順について説明します．

現状では，変換アルゴリズムが悪いため，辞書データの変換時間とメモリを大量に消費します．Intel Core2CPU T5600 1.83GHz，メモリ1GB程度の変換時間は以下のとおりです．

  • EDR一般辞書: 約11分
  • EDR専門辞書: 約3分

必要条件

  • 1GB以上のメモリ(推奨 2GB) (JVMオプション -Xmx1024mが指定可能な程度)
  • EDR一般辞書またはEDR専門辞書のテキストデータ
  • GoSenをインストールし，DODDLE-OWLのオプションダイアログでGoSen設定ファイルとEDR(T)辞書フォルダを設定．

GoSen

1. https://itadaki.svn.sourceforge.net/svnroot/itadaki/GoSen/ をチェックアウト
2. 1をチェックアウトしたディレクトリでantコマンドを実行
(antは，http://ant.apache.org/ からダウンロード，インストールする必要があります．）

以下が画面に表示される．（ここでは，C:\temp\gosenにチェックアウトしています．）

Buildfile: build.xml

prepare-directories:

compile:
[javac] Compiling 48 source files to C:\temp\gosen\bin

jar:
[jar] Building jar: C:\temp\gosen\gosen-1.0beta.jar

BUILD SUCCESSFUL

3. 1をチェックアウトしたディレクトリ以下のtestdata/dictionary/に移動し，antコマンドを実行

$ cd testdata/dictionary/
$ ant

以下が画面に表示される．
（ipadicをダウンロードし，辞書データをコンパイルするため，しばらく時間がかかります．）

Buildfile: build.xml

prepare-proxy:

check-build-status:

download:
[get] Getting: http://chasen.aist-nara.ac.jp/stable/ipadic/ipadic-2.6.0.tar.gz
unpack:
[gunzip] Expanding C:\temp\gosen\testdata\dictionary\ipadic-2.6.0.tar.gz to C:\temp\gosen\testdata\dictionary\ipadic-2.6.0.tar
[untar] Expanding: C:\temp\gosen\testdata\dictionary\ipadic-2.6.0.tar into C:\temp\gosen\testdata\dictionary
[delete] Deleting: C:\temp\gosen\testdata\dictionary\ipadic-2.6.0.tar

preprocess:

compile:

BUILD SUCCESSFUL

4. 1をチェックアウトしたディレクトリに再び移動し，動作確認のために以下のコマンドを実行

$ cd ../../
$ java -cp bin examples.ReadingProcessorDemo testdata/dictionary/dictionary.xml

5. testdata/dictionary/dictionary.xmlをDODDLEのGoSen設定ファイルに設定

EDR一般辞書

  1. CPC.DIC, CPH.DIC, CPT.DIC, EWD.DIC, JWD.DICを任意のフォルダにコピーする．(例：C:/EDR_Text)．
  2. DODDLE-OWLをインストールしたフォルダにある，DODDLE_DIC_Converter.batを実行する．図1のウィンドウが表示される．
  3. 「Dictionary Type」として「EDR」を，「Convertion Type」として「Text」を選択する．
  4. 「Browse」ボタンを押して，Input Dictionary PathにEDR一般辞書のテキストデータが保存されたフォルダを設定する．Output Dictionary Pathに，DODDLE-OWLが参照する変換後のEDR一般辞書データを保存するフォルダを設定する．
  5. 「Convert」ボタンを押すと，concept.data, relation.data, tree.data, word.data, concept.index, relation.index, tree.index, word.indexファイルが設定したEDR_HOMEに保存される.
  6. DODDLE-OWLのオプションダイアログのフォルダタブでEDR辞書フォルダを設定する．
  7. 「Exit」ボタンでプログラムを終了する．

EDR専門辞書

  1. TCPC.DIC, TCPH.DIC, TEWD.DIC, TJWD.DICを任意のフォルダにコピーする．(例： C:/EDRT_Text/).
  2. DODDLE-OWLをインストールしたフォルダにある，DODDLE_DIC_Converter.batを実行する．図1のウィンドウが表示される．
  3. 「Dictionary Type」として「EDRT」を，「Convertion Type」として「Text」を選択する．
  4. 「Browse」ボタンを押して，Input Dictionary PathにEDR専門辞書のテキストデータが保存されたフォルダを設定する．Output Dictionary PathにDODDLE-OWLが参照する変換後のEDR専門辞書のデータを保存するフォルダを設定する．
  5. 「Convert」ボタンを押すと，concept.data, tree.data, word.data, concept.index, tree.index, word.indexファイルが設定したフォルダに保存される．
  6. DODDLE-OWLのオプションダイアログのフォルダタブでEDRT辞書フォルダを設定する．
  7. 「Exit」ボタンでプログラムを終了する．

日本語WordNet

EDRと同様に，日本語WordNetも利用可能です．

  1. 日本語WordNet公開ページからsqlite3 databaseのファイルをダウンロードし，任意のフォルダにコピーする．(例： C:/JPNWN_DIC/).
  2. DODDLE-OWLをインストールしたフォルダにある，DODDLE_DIC_Converter.batを実行する．図1のウィンドウが表示される．
  3. 「Dictionary Type」として「JPN WordNet」を，「Convertion Type」として「Text」を選択する．
  4. 「Browse」ボタンを押して，Input Dictionary Pathにwnjpn-0.9.dbを設定する．Output Dictionary PathにDODDLE-OWLが参照する変換後の日本語WordNetのデータを保存するフォルダを設定する．
  5. 「Convert」ボタンを押すと，concept.data, tree.data, word.data, concept.index, tree.index, word.indexファイルが設定したフォルダに保存される．
  6. DODDLE-OWLのオプションダイアログのフォルダタブで日本語WordNetフォルダを設定する．
  7. 「Exit」ボタンでプログラムを終了する．

図１：DODDLE_Dic_Converter

起動時オプション

  • –DEBUG: デバッグ情報をコンソールに表示
  • –LANG=[en|ja]: 表示言語を切り替える

Home > ドキュメント > インストール

Pages
Recent Entries
Categories
  • カテゴリーなし
Archives
Tag Cloud
Search
Feeds
Meta

Return to page top