Kuromoji 工具介紹文
本文由邱郁婷編輯
本文摘自Atilika的〈Kuromoji〉，由邱郁婷統整後撰文。
Kuromoji介紹
Kuromoji為一開源的日語形態分析器，以程式語言Java寫成，現隸屬於Apache Software Foundation，並為Apache Lucene及Apache Solr 3.6 & 4.0提供日語支援；若想單獨使用Kuromoji，仍能透過GitHub下載。
Kuromoji的使用
Kuromoji具有標準的形態分析功能，詳細如下：
一、 文本切割
將文本切割成單字（語素）。
二、 詞性標記（Part-of-speech tagging）
將字詞依詞性分類，如名詞、動詞、副詞、形容詞等。
三、 按屈折變化形式歸類（Lemmatization）
找出屈折變化後之動詞及形容詞的字典形式（Dictionary form）。
四、 讀數（Reading）
提取文本中的漢字。
Kuromoji十分適合用於搜索，使用者可透過字詞拆分來確保搜索時精確地找出複合名詞。舉例來說，大多數的分析器無法以「機場」一詞查詢到「關西國際機場」，因為一般的分析器會將「關西國際機場」視為是一個字詞，而非由「關西」、「國際」、「機場」三個單字組成的複合名詞，同樣的問題亦出現於片假名的複合字詞，例如「軟體工程師（シニアソフトウェアエンジニア，Senior Software Engineer）」；然而，Kuromoji能做到這點，其具有不同的文本切割模式，詳細如下：
一、 普通模式：一般的文本切割。
二、 搜尋模式：透過啟發法（Heuristic）進行額外的文本切割以進行更有效率的搜索。
三、 擴充模式：與搜尋模式相似，不過此模式亦會對未知字詞進行單個字的拆解（Unigram）。（實驗階段）
如同開頭所述，Kuromoji為Apache Lucene及Apache Solr 3.6 & 4.0提供了日語支援，其預設配置具有以下功能：
一、 移除停用詞與停用標籤 移除助詞與常用詞（Common Words）以避免出現排序偏差（Rank-skew）。
二、 字母全半形統一
將全形的羅馬字母轉換為半形；半形的假名轉換為全形。
三、 按屈折變化形式歸類
將屈折變化後之動詞及形容詞還原成原形。
除了上述內容之外，Kuromoji亦有許多實用的標記屬性功能（Token Attributes）可用於讀數、羅馬化讀數及詞類等。此外， Kuromoji的索引（Index）中亦保留了完整的複合單字，並將其視為同義字詞，這是為了能夠拆分複合單字，並達到精確的搜尋。
Kuromoji亦可與Maven一起使用，如欲進行此操作，需先將Kuromoji的儲存庫寫入欲使用之專案模型（Pom.xml）的
接著再將Kuromoji座標加至
完成上述步驟後，即可於自己的專案計畫中使用Kuromoji。