jdepp+graphvizで日本語の係り受け解析を可視化する方法

はじめに

Python の jdepp で自然言語処理を行い、その結果を Graphviz を使って可視化する際に、
日本語が文字化けしてしまう問題に直面しました。

Graphviz は、グラフを描画するための強力なツールですが、
日本語のフォントが正しく設定されていないため、日本語が文字化けしてしまいます。

文字化けしたグラフ

公開されている多くの記事では、jdepp と Graphviz を使って日本語を表示する方法が紹介されていますが、
環境のせいなのか、実際に試してみると文字化けが発生します。

この記事では、jdepp と Graphviz を使って日本語を表示する方法と、
文字化けを解消するための具体的な方法を紹介します。

動作環境

Python環境

Python	v3.11.8
python-graphviz	v0.20.3
jagger	v0.1.20
jdepp	v0.1.8

 インストール
$ pip install graphviz jagger jdepp

ホストOS環境

OS	Windows11 Pro 24H2
Graphviz	v12.2.1 (64bit) [URL]

モデル

kwdlc	v0.1.0 [URL]
knbc-mecab	v0.1.0 [URL]

解決方法

以下のコードは、Python の jdepp+Graphviz を使って、日本語を正しく表示することができます。

このコードでは、graphviz.Source オブジェクトを使用し、dot 言語のテキストに
日本語フォントを指定することで、文字化けを防いでいます。

#!/usr/bin/env python3
# -*- coding: utf-8 -*-

import graphviz
import jagger
import jdepp

def main():
    tagger = jagger.Jagger()
    tagger.load_model('model/kwdlc/patterns')

    parser = jdepp.Jdepp()
    parser.load_model('model/knbc')

    nlp = lambda x: parser.parse_from_postagged(
        '\n'.join(t.surface() + '\t' + t.feature() for t in tagger.tokenize(x)) + '\nEOS\n')

    doc = nlp('吾輩はここで始めて人間というものを見た')
    print(doc)
    print(jdepp.to_tree(str(doc)))

    dot = jdepp.to_dot(str(doc))
    jdot = ''
    for line in dot.split('\n'):
        if line.startswith('digraph jdepp {'):
            jdot += line + '\n'
            jdot += '  graph [fontname="MS Gothic"]\n'
            jdot += '  node [fontname="MS Gothic"]\n'
            jdot += '  edge [fontname="MS Gothic"]\n'
        else:
            jdot += line + '\n'
    print(jdot)

    graph = graphviz.Source(jdot, engine='dot', encoding='utf-8')
    graph.view()

if __name__ == '__main__':
    main()

#!/usr/bin/env python3

# -*- coding: utf-8 -*-

import graphviz

import jagger

import jdepp

def main():

tagger = jagger.Jagger()

tagger.load_model('model/kwdlc/patterns')

parser = jdepp.Jdepp()

parser.load_model('model/knbc')

nlp = lambda x: parser.parse_from_postagged(

'\n'.join(t.surface() + '\t' + t.feature() for t in tagger.tokenize(x)) + '\nEOS\n')

doc = nlp('吾輩はここで始めて人間というものを見た')

print(doc)

print(jdepp.to_tree(str(doc)))

dot = jdepp.to_dot(str(doc))

jdot = ''

for line in dot.split('\n'):

if line.startswith('digraph jdepp {'):

jdot += line + '\n'

jdot += ' graph [fontname="MS Gothic"]\n'

jdot += ' node [fontname="MS Gothic"]\n'

jdot += ' edge [fontname="MS Gothic"]\n'

else:

jdot += line + '\n'

print(jdot)

graph = graphviz.Source(jdot, engine='dot', encoding='utf-8')

graph.view()

if __name__ == '__main__':

main()

コードの説明

ライブラリのインポート
プログラムの冒頭で、graphviz, jagger, jdepp をインポート
自然言語処理のモデル読込
jagger と jdepp にモデルを読込み、日本語のテキストを解析
dot 言語のテキストにフォントを追加 [★ポイント]
jdepp.to_dot メソッドで生成された dot テキストに、日本語フォント (MS Gothic) を追加
jdot に代入し、以降はこれを使用
Graphviz でグラフを表示
graphviz.Source を使用して、フォントが設定された dot テキストを表示

実行結果

紹介した Python コードで「吾輩はここで始めて人間というものを見た」という文章を入力に、
jdepp と jager で自然言語処理して Graphviz で表示した結果です。

文字化しないブラフ

さいごに

この方法を使うことで、Python で Graphviz を使用して日本語を正しく表示できます。

特に、jdepp を使用して日本語の係り受け解析の結果を可視化する際に、
文字化けを防ぐことができます。

日本語の自然言語処理の結果を可視化する際に、ぜひ参考にしてみてください。