nishimoto nishimoto 山田さんより(galatea-users ML)：
ひらがな表記にすると，辞書にないため，未知語 になることが多いのですよね。 そして，unidicでは じぇっとき -> じ/ぇ*/っ/とき きゃびてぃ -> き/ゃ*/び/て/ぃ* づぼらや -> づ*/ぼら/や ちぇっく -> ちぇ/っ/く のような解析結果 (*の部分が未知語) になり (な かなかむちゃくちゃですが，*のついていない部分 は無理矢理何らかの語を割り当てています)，未知 語の発音が原形のままひらがなになっているので， > 「yomi is NOT katakana ... ぃ」 > のようなメッセージが表示されています。 となって，gtalkに受け付けてもらえないようです ね。では，単純に未知語の発音をカタカナにすれ ばよいかというと，それである程度は救えるかな とは思いますが，それでもだめな例が出てきそう です。 後，「っ」に関しては未知語ではないのですが， 発音無しの補助記号という扱いなので，読み上げ られていません (「じぇっとき」の「っ」も読み 上げられないように思うのですが，log.chasenの 解析結果はどうなっていますか?)。 > でも、これらをカタカナにすると、読んでくれます。 これはカタカナ表記の未知語は全体で一語にする というchasenの仕様のおかげです。 > unidic-139 では、 > ろけっと > も読まなかったけど、unidic-1312 ではＯＫでした。 たまたま，「ろけっと」は辞書に登録されていま した。 とりあえず，時間ができたら，上に述べた「未知 語の発音でひらがなのものは強制的にカタカナに 変換する」という後処理を入れてみようと思いま すが，これはあくまでも小手先の対応ですね。 ちなみにgtalkでは使えませんが，mecab版unidic だとまた違った結果になります。 いずれにしても形態素解析をすると，ひらがなが 読めなくなるという妙な現象が起きるわけです。 ひらがな表記をきちんと解析できる辞書を作ると いうのが一つの方法ではありますが，未知語問題 というのは決してなくならないので，あまり嬉し くはありませんね。 というわけで，小手先ではない解決は今後の課題 ということにしておいてください。
Fork
galatea-users より：