ColabでJUMAN++を使う

Google Colaboratoryで形態素解析器JUMAN++を楽に使うためのメモです。

JUMANとは

京大で開発された形態素解析器。
最新のJUMAN++はMeCabよりイケてるとのこと。

ちなみに、形態素解析とは分かち書き＋品詞解析を指す。

Colabで使う際の問題点

MeCabの場合、本体やColab(Python)から使うためのbindingなどはapt, pipで入れることができる。

JUMANにおいては、python bindingであるpyknpはpipで入るが、JUMAN++本体は残念ながらaptで入らずビルドしたものを毎回インストールする必要がある。


ビルドしたファイル群まではGoogle Driveに保存しておくことができるが、インストール先がデフォルトではランタイムのシステム領域になっており、ランタイムを終了すると消えてしまう。


Google Driveに内にインストールする（binをおく）方法もあるが、driveをランタイムにマウントするとcontent/drive/My Drive/直下がGoogle Driveのルートに相当する。

そのため、PATHを指定すればJUMANを実行できそうだが、JUMANの実装上、PATHにスペースが入っているとエラーになる仕様らしく、ソースの書き換えが必要（バージョンアップのときなどの管理がめんどくさい）。


以上諸々のため、あきらめて毎回インストールするという手もあるが、インストールにはまぁまぁ時間がかかるためスピード感に欠ける。

解決策

そこで以下の解決策がある。

1. 初回のみシステム領域(/usr/localなど)へインストールする。
2. 生成されたファイルとディレクトリ（/usr/local/bin/jumanppと/usr/local/libexec/jumanpp）を自分のGoogleドライブへコピーする。
3. ２回目以降に使うときは、自分のGoogleドライブから/usr/localへ上記のファイル群をコピーする。

これで実行できます。

コピーにかかる時間はインストールにかかる時間よりはるかに短いので、スピーディーに実験開始できます。

以下に全体のスクリプトを載せます。
Colabのセルで実行してください。

今日のベストプラクティス

インストールで生成されたファイル群をコピーして保存、使うときは同じPATHに戻すというテクニックはColabだと結構使える。