OpenNLPのPOSTaggerの使い方まとめ

Apache OpenNLPのPOSTagger（品詞タグ付け器）の使い方をまとめました．

はじめに：Apache OpenNLPとは？

Javaで実装されたオープンソースの自然言語処理（NLP）ライブラリです．
形態素解析，品詞タグ付け，固有表現抽出や， 色々なアルゴリズムやモデルをサポートしています．
今回はそれらの機能のうち，品詞タグ付けについて扱います． 英語を始めとした西洋の言語をサポートしており，日本語には対応していません．

POSTaggerとは？

文を与えると，文中の各単語の品詞（part-of-speech; pos）を返してくれる（品詞タグをつけてくれる）ものです．
例えば，「The Apache OpenNLP library is a machine learning based toolkit for the processing of natural language text.」という文を与えると，以下のようにタグ付けしてくれます．

The  DT
Apache  NNPS
OpenNLP NNP
library NN
is  VBZ
a   DT
machine NN
learning    NN
based   VBN
toolkit NN
for IN
the DT
processing  NN
of  IN
natural JJ
language    NN
text.   NN

文は以下のOpenNLP公式サイトから引用しました．
なお，品詞タグの意味については以下のページをご覧ください．

英語：Penn Treebank P.O.S. Tags
日本語：http://someya-net.com/wlc/POStagset.html

OpenNLPの入手

OpenNLPは上記の公式サイトからDLできます．

Apache Downloads

DLして解凍すると色々ファイルが出てきますが，使用するのは以下の2つのみです．

lib/opennlp-maxent-3.0.3.jar
lib/opennlp-tools-1.5.3.jar

これらのファイルをクラスパスに通しておいてください．

モデルファイルの入手

品詞タグ付けを行うにはモデルファイルが必要です．
以下からDLして下さい．

OpenNLP Tools Models

DLするのは，「en-pos-maxent.bin」です．

サンプルコードを動かしてみる

サンプルコードをGistに置いといたので，それを動かしてみてください．
使用前に，MODEL_FILE_PATHを先程DLしたモデルファイルのパスに設定してください．
実行すると，上記で示したような実行結果が出力されます．

tagger.tag(sentence)メソッドでタグ付けができます．
渡す文は予め単語の配列にしておく必要があります．
返り値はタグを格納した配列で，単語の配列のインデックスと対応しています．

細かいことはソースコード中に書いてあるのでそちらをご覧ください．わずか30行のコードです^^