POPFile MeCab インストーラのメモ

インストーラに表示すること

• それぞれの速度面・精度面・その他におけるメリット・デメリット
• Kakasi はインストーラに同梱、MeCab はダウンロード＋インストールになる説明
• インストール後に設定変更する方法
• Kakasi から変更することによって一時的に分類精度が低下するかもしれないこと

インストーラのイメージ

日本語の分かち書きに使用するプログラムを選択してください。

（日本語の文章には、英語と違って単語の間に空白（スペース）がありません。このため、ベイジアンフィルタを使ってメールの分析をするためには、メールの本文を単語ごとに分割する（分かち書き）必要があります）

● Kakasi　漢字→かな(ローマ字)変換プログラム（推奨）

POPFile 0.22.5 までのバージョンで使用されていたプログラムです。

分かち書きの精度は MeCab に比べると低い（ひらがなやカタカナで構成されている単語の情報を持っていない）ですが、辞書サイズが小さくてすみます（2MB 程度）。

インストーラに内蔵されています。

○ MeCab　Yet Another Part-of-Speech and Morphological Analyzer

Kakasi よりもより正確な分かち書きを行うことができますが、辞書サイズが大きくなります（40MB 程度）。

インターネットよりダウンロードしてインストールされます。

○ 内蔵パーサ　文字種による分割

外部プログラムを使わずに、文字の種類（漢字、ひらがな、カタカナなど）だけをたよりに分かち書きを行います。

辞書を使用した分かち書きに比べ分かち書きの精度は落ちますが、辞書を必要とせず、高速に動作します。

注意:

• 分かち書きの精度と POPFile の分類精度との間には直接の因果関係はなく、どのプログラムを使用しても POPFile の分類精度にはほとんど違いはないという結果が出ています。
• 分かち書きのプログラムを変更すると、一時的に POPFile の分類精度が低下する可能性があります。
• インストール後に分かち書きのプログラムを変更することも可能です。詳しくは、http://popfile.sourceforge.net/wiki/jp:faq:mecab を参照してください。

Installer image (in English)

Please choose the Japanese wakachi-gaki (splitting words) parser program:

(Japanese texts have no spaces between words unlike English texts. So, to analyze e-mails by using bayesian filter we have to split (wakachi-gaki) the e-mail body texts into words.)

x Kakasi - KAnji KAna Simple Inverter (Recommended)

The program used by POPFile 0.22.5 or before.

The wakachi-gaki accuracy is poorer than MeCab (because Kakasi does not have the information about the words which is constructed by Hira-gana or Kata-kana), but Kakasi uses smaller dictionaries (about 2MB).

The POPFile installer contains Kakasi and its dictionaries.

o MeCab - Yet Another Part-of-Speech and Morphological Analyzer

The wakachi-gaki accuracy is better than Kakasi, but MeCab uses larger dictionaries (about 40MB).

The POPFile installer does not contain MeCab. It will be downloaded from the Internet.

o The internal parser - splitting by the kinds of characters

Instead of using external programs, the parser splits texts by the kinds of characters (ex. Kanji, Hira-gana or Kata-kana).

The wakachi-gaki accuracy is poor than programs which use dictionaries, but it does not use dictionaries so it is faster.

Note:

• The wakachi-gaki accuracy does not relate directly to the POPFile's classification accuracy. In an experiment the POPFile's accuracy does not be affected whichever program you choose.
• Changing wakachi-gaki program may deteriorate temporarily the POPFile's classification accuracy.
• You can change the wakachi-gaki program after the installation. For more information, please see: http://popfile.sourceforge.net/wiki/jp:faq:mecab