ガチムキ覚書

まずChaSenをlocalにインストール。
今回はcygwin面倒なので、ココからchasen233_031208.exe をダウンロードして実行。

WIN用のものはSJIS。
linux用のはEUC-JP。

次にこのディレクトリにPATHを通す必要があるので、環境変数から指定してください。
そうしたら、コマンドプロンプトで実行して使えるようになる。

XREA上では、PHPをCGI版で実行するので、プログラムが存在するディレクトリに.htaccessにて以下を忘れずに。

AddHandler application/x-httpd-phpcgi .php

XREA上のChaSenのパスは以下で、どちらも動くらしいです。

/usr/local/bin/chasen
/usr/local/php/bin/chasen

【参照】
あいねこの館様

文章のピックアップに困りRSSより語彙を取得して生成することにしてみた。

<?php

//PEAR
require_once("XML/RSS.php");

if($_POST["markov"] != "" && $_POST["url"] != ""){
	// ChaSenのパス
	$chasen = '/usr/local/php/bin/chasen';

	// RSSのパス
	$url = $_POST["url"];

	$wakatigaki = array();
	$markov = array();

	$RSS = & new XML_RSS($url);
	$RSS->parse();

	// 形態素解析を行う文章
	$rand = array_rand($RSS->items);
	$str = $RSS->items[$rand]["description"];

	// 形態素解析をしたい文章を渡しながら、ChaSenへのハンドルオープン
	$handle = popen("echo '$str' | $chasen ", 'r');

	// 結果を1行ずつ取得
	while ($get_chasen = fgets ($handle)){
		// ChaSenの結果がTAB区切りなので\tで分解
		$kaiseki = split ("\t", $get_chasen);

		// $wakatigaki 配列へ 分ち書きしたデータを格納
		$wakatigaki[] = $kaiseki[0];
	}

	//ハンドルを閉じ
	pclose ($handle);

	if (count($wakatigaki) > 2) {
		//2語の接頭語と1語の接尾語のマルコフ連鎖テーブルを作成

		for ($i = 2 ; $i < count($wakatigaki) ; $i++) {
			if ($i < count($wakatigaki)) {
				$markov{$wakatigaki[$i-2]}{$wakatigaki[$i-1]}[] = $wakatigaki[$i];
			}
		}

	} else {
		print "データが少ないのでマルコフ連鎖が行えません。<br />";
		exit();
	}

	// *マルコフ連鎖で文章生成--
	// 文章出だしを接頭語前に
	$pre1 = $wakatigaki[0];

	// 接頭語後ろは、接頭語前に続く文字からランダム選択
	$pre2 = array_rand ($markov{$pre1});

	// 接尾語は選択できる中からランダムに選択
	$rand = rand (0, (count ($markov{$pre1}{$pre2}) - 1));
	$suf1 = $markov{$pre1}{$pre2}[$rand];

	$res = $pre1.$pre2.$suf1;

	for ($i=0 ; $i<1000 ; $i++) {
		$pre1 = $pre2;
		$pre2 = $suf1;
		// 接尾語は選択できる中からランダムに選択
		$rand = rand (0, (count ($markov{$pre1}{$pre2}) - 1));
		$suf1 = $markov{$pre1}{$pre2}[$rand];

		if ($suf1 == "EOS\n") {
			break;
		}

		$res .= $suf1;
	}
	//--

}
?>

「.cgi」で使用する場合は以下を先頭に記述（<?phpの前に）
#!/usr/local/bin/php

#!/usr/local/bin/php
<?php

こんな感じ

フェードなどのxmlデータをPOSTで受け取り、語の区切りを自動で読み込み
再文章化して$resで返します。

マルコフ連鎖サンプル

冒頭で、「まずChaSenインストール」などと言っているが、これだけでかなりの記事が書けそう。
これ凄いなー。