漢字から平仮名への変換処理の改善

[peaceiris]

#31 was closed, #40 opened.

• 「お金」系の読みが「おきん」になっている https://twitter.com/Astro_Tiger/status/1445422501652152330
• 「お前」は「おぜん」、「頃」は「ごろ」、「言われ」が「ごとわれ」、「乗っけて」が「じょうっけて」

[peaceiris]

Janome と pykakasi の差分

• ✅ Janome で改善
• ✔️ Janome, pykakasi どちらも良い (それぞれ異なる正しい読み)
• ❌ Janome で悪化

Notes: Janome, pykakasi どちらも悪いケースを検知できていないことに注意 ❗

$ cat diff_janome_pykakasi.txt | wc -l
503 (501 + Markdown table header 2 lines)

$ cat diff_janome_pykakasi.uniq.txt | wc -l                        
283 (281 + Markdown table header 2 lines)

$ rg ':white_check_mark:' diff_janome_pykakasi.uniq.txt | wc -l 
179

$ rg ':heavy_check_mark:' diff_janome_pykakasi.uniq.txt | wc -l
17

$ rg ':x:' diff_janome_pykakasi.uniq.txt | wc -l
85

$ python
>>> (179 + 17) / 283
0.692

diff_janome_pykakasi.txt
diff_janome_pykakasi.uniq.txt

👉 Click to expand diff_janome_pykakasi.txt

Janome OK	keyword	Janome	pykakasi
✔️	Tシャツ	てぃーしゃつ	Tしゃつ
✔️	クロスした剣	くろすしたけん	くろすしたつるぎ
✔️	剣	けん	つるぎ
✔️	大文字	だいもんじ	おおもじ
✔️	宝物	ほうもつ	たからもの
✔️	射手	しゃしゅ	いて
✔️	戸	と	こ
✔️	有	ゆう	あり
✔️	有マーク	ゆうまーく	ありまーく
✔️	波線	はせん	なみせん
✔️	減算	げんざん	げんさん
✔️	玩具	おもちゃ	がんぐ
✔️	白旗	はっき	しろはた
✔️	白髪	はくはつ	しらが
✔️	白鳥	しらとり	はくちょう
✔️	足跡	あしあと	そくせき
✔️	黒旗	くろはた	こっき
✅	AB型	ABがた	ABかた
✅	A型	Aがた	Aかた
✅	B型	Bがた	Bかた
✅	OKのポーズをする人	OKのぽーずをするひと	OKのぽーずをするにん
✅	O型	Oがた	Oかた
✅	RV車	RVしゃ	RVくるま
✅	SUV車	SUVしゃ	SUVくるま
✅	U字型磁石	Uじがたじしゃく	Uじけいじしゃく
✅	アールブイ車	あーるぶいしゃ	あーるぶいくるま
✅	あきれ顔	あきれがお	あきれかお
✅	アセンション島	あせんしょんとう	あせんしょんしま
✅	アメリカ領ヴァージン諸島	あめりかりょうゔぁーじんしょとう	あめりかりょうゔぁーじんしょしま
✅	イギリス領インド洋地域	いぎりすりょういんどようちいき	いぎりすりょういんどひろしちいき
✅	イギリス領ヴァージン諸島	いぎりすりょうゔぁーじんしょとう	いぎりすりょうゔぁーじんしょしま
✅	オーランド諸島	おーらんどしょとう	おーらんどしょしま
✅	おじぎする人	おじぎするひと	おじぎするにん
✅	お巡りさん	おまわりさん	おめぐりさん
✅	お年玉	おとしだま	おねんたま
✅	お得	おとく	おえ
✅	お手上げする人	おてあげするひと	おてあげするにん
✅	お金	おかね	おきん
✅	お金の顔	おかねのかお	おきんのかお
✅	かき氷	かきごおり	かきこおり
✅	かぎ針	かぎばり	かぎはり
✅	カナリア諸島	かなりあしょとう	かなりあしょしま
✅	がま口	がまぐち	がまくち
✅	キュラソー島	きゅらそーとう	きゅらそーしま
✅	くす玉	くすだま	くすたま
✅	くせ毛	くせげ	くせけ
✅	クック諸島	くっくしょとう	くっくしょしま
✅	クリスマス島	くりすますとう	くりすますしま
✅	クリッパートン島	くりっぱーとんとう	くりっぱーとんしま
✅	ケイマン諸島	けいまんしょとう	けいまんしょしま
✅	ココス諸島	ここすしょとう	ここすしょしま
✅	ごみ箱	ごみばこ	ごみはこ
✅	ゴミ箱	ごみばこ	ごみはこ
✅	ゴルフをする人	ごるふをするひと	ごるふをするにん
✅	サーフィンする人	さーふぃんするひと	さーふぃんするにん
✅	サウナに入る人	さうなにはいるひと	さうなにいるにん
✅	サウナに入る女	さうなにはいるおんな	さうなにいるおんな
✅	サウナに入る男	さうなにはいるおとこ	さうなにいるおとこ
✅	しかめっ面	しかめっつら	しかめっめん
✅	しかめ面の人	しかめめんのひと	しかめめんのにん
✅	しかめ顔	しかめがお	しかめかお
✅	ジャグリングをする人	じゃぐりんぐをするひと	じゃぐりんぐをするにん
✅	すい星	すいせい	すいほし
✅	スヴァールバル諸島およびヤンマイエン島	すゔぁーるばるしょとうおよびやんまいえんとう	すゔぁーるばるしょしまおよびやんまいえんしま
✅	ソロモン諸島	そろもんしょとう	そろもんしょしま
✅	ターバンの人	たーばんのひと	たーばんのにん
✅	ダメのポーズをする人	だめのぽーずをするひと	だめのぽーずをするにん
✅	ディエゴガルシア島	でぃえごがるしあとう	でぃえごがるしあしま
✅	ドット付きひし形	どっとつきひしがた	どっとつきひしかたち
✅	ドミニカ国	どみにかこく	どみにかくに
✅	ドル袋	どるぶくろ	どるふくろ
✅	ノーフォーク島	のーふぉーくとう	のーふぉーくしま
✅	ハード島とマクドナルド諸島	はーどとうとまくどなるどしょとう	はーどしまとまくどなるどしょしま
✅	バスケットボールをする人	ばすけっとぼーるをするひと	ばすけっとぼーるをするにん
✅	バチカン市国	ばちかんしこく	ばちかんしくに
✅	バルカン人	ばるかんじん	ばるかんにん
✅	ハンドボールをする人	はんどぼーるをするひと	はんどぼーるをするにん
✅	ひし形	ひしがた	ひしかたち
✅	ひたいに手をあてる人	ひたいにてをあてるひと	ひたいにてをあてるにん
✅	びっくり顔	びっくりがお	びっくりかお
✅	ピトケアン諸島	ぴとけあんしょとう	ぴとけあんしょしま
✅	ピンク色	ぴんくいろ	ぴんくしょく
✅	ブーベ島	ぶーべとう	ぶーべしま
✅	フェイスマッサージ中の人	ふぇいすまっさーじちゅうのひと	ふぇいすまっさーじなかのにん
✅	フェイスマッサージ中の女	ふぇいすまっさーじちゅうのおんな	ふぇいすまっさーじなかのおんな
✅	フェイスマッサージ中の男	ふぇいすまっさーじちゅうのおとこ	ふぇいすまっさーじなかのおとこ
✅	フェロー諸島	ふぇろーしょとう	ふぇろーしょしま
✅	フェンシングをする人	ふぇんしんぐをするひと	ふぇんしんぐをするにん
✅	フォークランド諸島	ふぉーくらんどしょとう	ふぉーくらんどしょしま
✅	ふくれっ面	ふくれっつら	ふくれっめん
✅	フラッシュを焚いているカメラ	ふらっしゅをたいているかめら	ふらっしゅをふんいているかめら
✅	ベッドに寝る人	べっどにねるひと	べっどにねるにん
✅	ボートをこぐ人	ぼーとをこぐひと	ぼーとをこぐにん
✅	ほにゅう瓶	ほにゅうびん	ほにゅうかめ
✅	マーシャル諸島	まーしゃるしょとう	まーしゃるしょしま
✅	マウンテンバイクに乗る人	まうんてんばいくにのるひと	まうんてんばいくにのるにん
✅	マスク顔	ますくがお	ますくかお
✅	マル得	まるとく	まるえ
✅	マン島	まんとう	まんしま
✅	メール受信中	めーるじゅしんちゅう	めーるじゅしんなか
✅	ヨガのポーズをする人	よがのぽーずをするひと	よがのぽーずをするにん
✅	レスリングする人	れすりんぐするひと	れすりんぐするにん
✅	レスリングをする人	れすりんぐをするひと	れすりんぐをするにん
✅	三猿	さんえん	さんさる
✅	三輪タクシー	さんりんたくしー	みわたくしー
✅	上弦の月	じょうげんのつき	じょうげんのがつ
✅	下弦の月	かげんのつき	かげんのがつ
✅	不機嫌な人	ふきげんなひと	ふきげんなにん
✅	人	ひと	にん
✅	人のシルエット	ひとのしるえっと	にんのしるえっと
✅	入出国	にゅうしゅっこく	にゅうしゅつこく
✅	八端十字架	はったんじゅうじか	はちはじじゅうじか
✅	八角アスタリスク	はっかくあすたりすく	はちかくあすたりすく
✅	冠	かんむり	かん
✅	北マリアナ諸島	きたまりあなしょとう	きたまりあなしょしま
✅	受信中	じゅしんちゅう	じゅしんなか
✅	合衆国領有小離島	がっしゅうこくりょうゆうしょうりとう	がっしゅうこくりょうゆうしょうりしま
✅	大きいオレンジのひし形	おおきいおれんじのひしがた	おおきいおれんじのひしかたち
✅	大きい青のひし形	おおきいあおのひしがた	おおきいあおのひしかたち
✅	天の川	あまのがわ	てんのかわ
✅	子供の日	こどものひ	こどものにち
✅	小さいオレンジのひし形	ちいさいおれんじのひしがた	ちいさいおれんじのひしかたち
✅	小さい青のひし形	ちいさいあおのひしがた	ちいさいあおのひしかたち
✅	山を登る人	やまをのぼるひと	やまをのぼるにん
✅	工具箱	こうぐばこ	こうぐはこ
✅	巻き貝	まきがい	まきかい
✅	得	とく	え
✅	念珠	ねんず	ねんしゅ
✅	怒った悪魔	おこったあくま	いかったあくま
✅	愛してる	あいしてる	いとしてる
✅	手の甲	てのこう	てのかぶと
✅	手を挙げる人	てをあげるひと	てをあげるにん
✅	散髪される人	さんぱつされるひと	さんぱつされるにん
✅	旅客船	りょかくせん	りょきゃくふね
✅	日めくりカレンダー	ひめくりかれんだー	にちめくりかれんだー
✅	早戻し	はやもどし	そうもどし
✅	早戻しボタン	はやもどしぼたん	そうもどしぼたん
✅	月	つき	がつ
✅	月マーク	つきまーく	がつまーく
✅	月めくりカレンダー	つきめくりかれんだー	がつめくりかれんだー
✅	月極	つきぎめ	がつきょく
✅	案内する人	あんないするひと	あんないするにん
✅	森の人	もりのひと	もりのにん
✅	正座する人	せいざするひと	せいざするにん
✅	歩く人	あるくひと	あるくにん
✅	水牛	すいぎゅう	みずうし
✅	水球	すいきゅう	みずたま
✅	水球をする人	すいきゅうをするひと	みずたまをするにん
✅	水球をする女	すいきゅうをするおんな	みずたまをするおんな
✅	水球をする男	すいきゅうをするおとこ	みずたまをするおとこ
✅	法輪	ほうりん	ほうわ
✅	波乗り	なみのり	なみのりり
✅	泳ぐ人	およぐひと	およぐにん
✅	洋ナシ	ようなし	ひろしなし
✅	温かい飲み物	あたたかいのみもの	おんかいのみもの
✅	無人島	むじんとう	むじんしま
✅	片眼鏡	かためがね	かためかがみ
✅	玩具	おもちゃ	がんぐ
✅	目玉焼き	めだまやき	めだまやきき
✅	着信中	ちゃくしんちゅう	ちゃくしんなか
✅	石けん	せっけん	いしけん
✅	空飛ぶ円盤	そらとぶえんばん	くうひぶえんばん
✅	立つ人	たつひと	たつにん
✅	糸巻き	いとまき	いとまきき
✅	紙手提げ	かみてさげ	かみてていげ
✅	置時計	おきどけい	ちとけい
✅	羽が生えたお金	はねがはえたおかね	はねがはえたおきん
✅	考え中	かんがえちゅう	かんがえなか
✅	考え事	かんがえごと	かんがえこと
✅	耳の不自由な人	みみのふじゆうなひと	みみのふじゆうなにん
✅	自転車に乗る人	じてんしゃにのるひと	じてんしゃにのるにん
✅	蒸留器	じょうりゅうき	じょうりゅううつわ
✅	薪割り	まきわり	たきぎわり
✅	血液型AB型	けつえきがたABがた	けつえきがたABかた
✅	血液型A型	けつえきがたAがた	けつえきがたAかた
✅	血液型B型	けつえきがたBがた	けつえきがたBかた
✅	血液型O型	けつえきがたOがた	けつえきがたOかた
✅	襟巻き	えりまき	えりまきき
✅	話す人のシルエット	はなすひとのしるえっと	はなすにんのしるえっと
✅	赤毛の人	あかげのひと	あかげのにん
✅	走る人	はしるひと	はしるにん
✅	車両通行止め	しゃりょうつうこうどめ	しゃりょうつうこうどめめ
✅	通行止め	つうこうどめ	つうこうどめめ
✅	道着	どうぎ	みちちゃく
✅	重量挙げをする人	じゅうりょうあげをするひと	じゅうりょうあげをするにん
✅	金髪の人	きんぱつのひと	きんぱつのにん
✅	釣り竿	つりざお	つりさお
✅	雪雲	ゆきぐも	ゆきくも
✅	電動車椅子	でんどうくるまいす	でんどうしゃいす
✅	電動車椅子の女性	でんどうくるまいすのじょせい	でんどうしゃいすのじょせい
✅	電動車椅子の男性	でんどうくるまいすのだんせい	でんどうしゃいすのだんせい
✅	音無し	おとなし	おとなしし
✅	顔のある上弦の月	かおのあるじょうげんのつき	かおのあるじょうげんのがつ
✅	顔のある下弦の月	かおのあるかげんのつき	かおのあるかげんのがつ
✅	風呂に入る人	ふろにはいるひと	ふろにいるにん
✅	首巻き	くびまき	しゅかんき
❌	おだいり様	おだいりよう	おだいりさま
❌	しかめ面の人	しかめめんのひと	しかめめんのにん
❌	上下	じょうか	じょうげ
❌	下カーブ矢印	しもかーぶやじるし	したかーぶやじるし
❌	下ボタン	しもぼたん	したぼたん
❌	下手投げ	へたなげ	したてなげ
❌	下指差し	しもゆびさし	したゆびさし
❌	下矢印	しもやじるし	したやじるし
❌	中秋節	ちゅうしゅうぶし	ちゅうしゅうふし
❌	中華菓子	ちゅうかかし	ちゅうかがし
❌	側転	がわてん	そくてん
❌	側転する人	がわてんするひと	そくてんするにん
❌	側転する女	がわてんするおんな	そくてんするおんな
❌	側転する男	がわてんするおとこ	そくてんするおとこ
❌	全問正解	ぜんといせいかい	ぜんもんせいかい
❌	八角星	はっかくぼし	はちかくほし
❌	六芒星	ろくすすきぼし	ろくぼうほし
❌	六角星	ろくかくぼし	ろっかくほし
❌	冠雪	かんむりゆき	かんせつ
❌	初月	はつつき	はつがつ
❌	剃頭	そあたま	ていあたま
❌	割る	われる	わる
❌	十三夜月	じゅうさんやつき	じゅうさんよるがつ
❌	十日夜の月	じゅうにちよるのつき	とうかよるのがつ
❌	右上	みぎじょう	みぎうえ
❌	右上矢印	みぎじょうやじるし	みぎうえやじるし
❌	右下	みぎか	みぎした
❌	右下矢印	みぎかやじるし	みぎしたやじるし
❌	四つ葉のクローバー	よっつはのくろーばー	よつはのくろーばー
❌	大泣き	だいなき	おおなき
❌	天気雨	てんきう	てんきあめ
❌	寝待月	ねまちのつき	ねたいがつ
❌	射手座	しゃしゅざ	いてざ
❌	居待月	いまちのつき	きょたいがつ
❌	巻き毛	まきけ	まきげ
❌	庵点	あんてん	いおりてん
❌	悪	わる	あく
❌	手の甲上指差し	てのこうじょうゆびさし	てのかぶとうえゆびさし
❌	日本地図	にっぽんちず	にほんちず
❌	日本酒	にっぽんしゅ	にほんしゅ
❌	有明月	ゆうめいげつ	ありあけがつ
❌	有袋類	ゆうぶくろるい	ゆうたいるい
❌	棺	かん	ひつぎ
❌	毛がない	もうがない	けがない
❌	漬け物	つけぶつ	つけもの
❌	牡牛	おすうし	おうし
❌	牡牛座	おすうしざ	おうしざ
❌	牡羊	おすひつじ	おひつじ
❌	牡羊座	おすひつじざ	おひつじざ
❌	現金自動預け払い機	げんきんじどうあづけはらいき	げんきんじどうあずけはらいき
❌	環のある惑星	たまきのあるわくせい	かんのあるわくせい
❌	異星人	いほしじん	いせいじん
❌	登山靴	とざんくつ	とざんぐつ
❌	白四角大	しろよんかくだい	しろしかくだい
❌	白四角小	しろよんかくしょう	しろしかくしょう
❌	白四角特大	しろよんかくとくだい	しろしかくとくだい
❌	白枠四角	しろわくよんかく	しろわくしかく
❌	礼拝所	れいはいしょ	れいはいところ
❌	米	べい	こめ
❌	紅包	べにつつみ	くれないつつみ
❌	肉球	にくだま	にくたま
❌	英大文字の入力	えいだいもんじのにゅうりょく	えいおおもじのにゅうりょく
❌	虹色の旗	にじしょくのはた	にじいろのはた
❌	蛇遣座	へびやざ	へびけんざ
❌	角氷	すみこおり	かくこおり
❌	赤い下三角	あかいしもさんかく	あかいしたさんかく
❌	転法輪	うたてほうりん	てんほうわ
❌	連符	れんふ	れんぷ
❌	遺灰	のこはい	いはい
❌	邪視	よこしまし	じゃし
❌	金	きむ	きん
❌	金袋	きんぶくろ	きんふくろ
❌	長距離走	ちょうきょりはし	ちょうきょりそう
❌	障がい	さわがい	しょうがい
❌	雨時々晴れ	あめじ々はれ	あめときどきはれ
❌	飲み水	のみすい	のみみず
❌	高速上ボタン	こうそくじょうぼたん	こうそくうえぼたん
❌	高速下ボタン	こうそくかぼたん	こうそくしたぼたん
❌	髭剃り	ひげすり	ひげそり
❌	魔除け	まよけけ	まよけ
❌	魚座	さかなざ	うおざ
❌	黒四角大	くろよんかくだい	くろしかくだい
❌	黒四角小	くろよんかくしょう	くろしかくしょう
❌	黒四角特大	くろよんかくとくだい	くろしかくとくだい
❌	黒枠四角	くろわくよんかく	くろわくしかく

[peaceiris]

cf. (very experimental) NEologd 辞書を内包した janome をビルドする方法 · mocobeta/janome Wiki

Janome を neologd でビルドする時の構成と手順。時間掛かるので Janome-0.4.1.neologd-????????.tar.gz を release asset に置いて、それをダウンロードして pip install dist/Janome-0.4.1.neologd-????????.tar.gz --no-compile すると良い。

FROM python:3.8-slim-buster

ENV DEBIAN_FRONTEND=noninteractive
ENV LC_ALL=C.UTF-8
ENV LANG=C.UTF-8

RUN apt-get update && \
    apt-get -y install --no-install-recommends \
    wget \
    jq \
    git curl make zip xz-utils file sudo mecab libmecab-dev mecab-ipadic-utf8 && \
    apt-get autoclean && \
    apt-get clean && \
    apt-get autoremove -y && \
    rm -rf /var/lib/apt/lists/*

RUN git clone --depth=1 https://github.com/neologd/mecab-ipadic-neologd.git /build/mecab-ipadic-neologd
WORKDIR /build/mecab-ipadic-neologd
RUN ./bin/install-mecab-ipadic-neologd -n -a -y

WORKDIR /build
COPY requirements.txt ./requirements.txt
RUN python3 -m pip install --no-cache-dir --upgrade pip && \
    python3 -m pip install --no-cache-dir -r ./requirements.txt && \
    python3 -m pip check

RUN git clone --depth=1 https://github.com/mocobeta/janome.git -b 0.4.1 /build/janome
WORKDIR /build/janome
RUN python setup.py develop && \
    cd ipadic && \
    ./build.sh /build/mecab-ipadic-neologd/build/mecab-ipadic-2.7.0-20070801-neologd-???????? utf8

RUN rm -rf /build

RUN wget -q 'https://raw.githubusercontent.com/yagays/emoji-ja/20190726/data/emoji_ja.json' \
      -O /root/emoji_ja.json

WORKDIR /src

mecab-ipadic-neologd/README.ja.md at master · neologd/mecab-ipadic-neologd

docker run --rm -i -t --cpus 6 -v ${PWD}:/src docker.pkg.github.com/peaceiris/emoji-ime-dictionary/emoji-dev:latest bash
apt-get update && apt-get -y install --no-install-recommends wget jq git curl make zip xz-utils file patch sudo mecab libmecab-dev mecab-ipadic-utf8

git clone --depth=1 https://github.com/neologd/mecab-ipadic-neologd.git /build/mecab-ipadic-neologd
cd /build/mecab-ipadic-neologd
./bin/install-mecab-ipadic-neologd -n -a -y

git clone --depth=1 https://github.com/mocobeta/janome.git -b 0.4.1 /build/janome
cd /build/janome
python setup.py develop && cd ipadic
./build.sh /build/mecab-ipadic-neologd/build/mecab-ipadic-2.7.0-20070801-neologd-???????? utf8 &
jobs
# コンテナから抜けて待つ 1.5h くらい

vim janome/version.py 
# JANOME_VERSION = '0.4.1-neologd-20200910'
python setup.py sdist
cp dist/Janome-0.4.1-neologd-20200910.tar.gz /src/
pip install dist/Janome-0.4.1-neologd-20200910.tar.gz --no-compile

$ echo "異星人" | janome
異	接頭詞,名詞接続,*,*,*,*,異,イ,イ
星人	名詞,固有名詞,人名,名,*,*,星人,セイジン,セイジン

[peaceiris]

Janome + neologd と pykakasi の差分

$ cat diff_janome-neologd_pykakasi.txt | wc -l
593 (591 + Markdown table header 2 lines)

$ cat diff_janome-neologd_pykakasi.txt | uniq > diff_janome-neologd_pykakasi.uniq.txt
$ cat diff_janome-neologd_pykakasi.uniq.txt | wc -l 
328

$ rg ':white_check_mark:' diff_janome-neologd_pykakasi.uniq.txt | wc -l
203 (201 + Markdown table header 2 lines)

$ rg ':heavy_check_mark:' diff_janome-neologd_pykakasi.uniq.txt | wc -l
58

$ rg ':x:' diff_janome-neologd_pykakasi.uniq.txt | wc -l               
65

$ python
>>> (201 + 58) / 328
0.789

diff_janome-neologd_pykakasi.uniq.txt

👉 Click to expand diff_janome-neologd_pykakasi.uniq.txt

Janome OK	Keyword	Janome + neologd	pykakasi
❌	abc	ちゅうごくのうぎょうぎんこう	ABC
✅	AB型	えーびーがた	ABかた
✔️	ATM	えいてぃえむ	ATM
✅	A型	えーがた	Aかた
✅	B型	びーがた	Bかた
❌	CD	きゃっしゅでぃすぺんさー	CD
✔️	CL	しーえる	CL
✔️	CLマーク	しーえるまーく	CLまーく
✔️	COOL	くーる	COOL
✔️	COOLマーク	くーるまーく	COOLまーく
✔️	DNA	でぃーえぬえー	DNA
✔️	DVD	でぃーぶいでぃー	DVD
✔️	END	えんど	END
✔️	END矢印	えんどやじるし	ENDやじるし
✔️	Eメール	いーめーる	Eめーる
✔️	FAX	ふぁくす	FAX
✔️	FD	えふでぃ	FD
✔️	ID	あいでぃー	ID
✔️	IDマーク	あいでぃーまーく	IDまーく
✔️	MD	えむでぃ	MD
✔️	MO	えむおー	MO
✔️	NEW	にゅー	NEW
✔️	NEWマーク	にゅーまーく	NEWまーく
✔️	NG	えぬじー	NG
✔️	NGマーク	えぬじーまーく	NGまーく
✔️	OK	おーけー	OK
✅	OKのポーズをする人	おーけーのぽーずをするひと	OKのぽーずをするにん
✔️	OKのポーズをする女	おーけーのぽーずをするおんな	OKのぽーずをするおんな
✔️	OKのポーズをする男	おーけーのぽーずをするおとこ	OKのぽーずをするおとこ
✔️	OKの手	おーけーのて	OKのて
✔️	OKマーク	おーけーまーく	OKまーく
✔️	OL	おーえる	OL
✔️	ON	おん	ON
✔️	ON矢印	おんやじるし	ONやじるし
✅	O型	おーがた	Oかた
✔️	P	ぴー	P
✔️	PC	ぴーしー	PC
✔️	Pマーク	ぴーまーく	Pまーく
✅	RV車	あーるぶいしゃ	RVくるま
✔️	SL	えすえる	SL
✔️	SOS	えすーおーえす	SOS
✔️	SOSマーク	えすーおーえすまーく	SOSまーく
✅	SUV車	えすゆーぶいしゃ	SUVくるま
❌	TMマーク	たうんみーてぃんぐまーく	TMまーく
✔️	TOP	てぃーおーぴー	TOP
✔️	TOP矢印	てぃーおーぴーやじるし	TOPやじるし
✔️	TV	てぃーぶい	TV
✔️	Tシャツ	てぃーしゃつ	Tしゃつ
✔️	UFO	ゆーふぉー	UFO
✅	U字型磁石	Uじがたじしゃく	Uじけいじしゃく
✔️	VHS	ぶいえいちえす	VHS
✔️	VSマーク	ばーさすまーく	VSまーく
✔️	WC	だぶるしー	WC
✅	アールブイ車	あーるぶいしゃ	あーるぶいくるま
✅	あきれ顔	あきれがお	あきれかお
✅	アセンション島	あせんしょんとう	あせんしょんしま
✅	アメリカ領ヴァージン諸島	あめりかりょうゔぁーじんしょとう	あめりかりょうゔぁーじんしょしま
✅	イギリス領インド洋地域	いぎりすりょういんどようちいき	いぎりすりょういんどひろしちいき
✅	イギリス領ヴァージン諸島	いぎりすりょうゔぁーじんしょとう	いぎりすりょうゔぁーじんしょしま
✅	オーランド諸島	おーらんどしょとう	おーらんどしょしま
✅	おじぎする人	おじぎするひと	おじぎするにん
✅	お巡りさん	おまわりさん	おめぐりさん
✅	お年玉	おとしだま	おねんたま
✅	お得	おとく	おえ
✅	お手上げする人	おてあげするひと	おてあげするにん
✅	お金	おかね	おきん
✅	お金の顔	おかねのかお	おきんのかお
✅	かき氷	かきごおり	かきこおり
✅	かぎ針	かぎばり	かぎはり
✅	カナリア諸島	かなりあしょとう	かなりあしょしま
✅	がま口	がまぐち	がまくち
✅	キュラソー島	きゅらそーとう	きゅらそーしま
✅	きらきら星	きらきらぼし	きらきらほし
✅	くす玉	くすだま	くすたま
✅	くせ毛	くせげ	くせけ
✅	クック諸島	くっくしょとう	くっくしょしま
✅	クリスマス島	くりすますとう	くりすますしま
✅	クリッパートン島	くりっぱーとんとう	くりっぱーとんしま
✔️	クロスした剣	くろすしたけん	くろすしたつるぎ
✅	ケイマン諸島	けいまんしょとう	けいまんしょしま
✅	ココス諸島	ここすしょとう	ここすしょしま
❌	ゴミ捨て	ごみすてて	ごみすて
❌	ゴミ捨て禁止	ごみすててきんし	ごみすてきんし
✅	ごみ箱	ごみばこ	ごみはこ
✅	ゴミ箱	ごみばこ	ごみはこ
✅	ゴルフをする人	ごるふをするひと	ごるふをするにん
✅	サーフィンする人	さーふぃんするひと	さーふぃんするにん
✅	サウナに入る人	さうなにはいるひと	さうなにいるにん
✅	サウナに入る女	さうなにはいるおんな	さうなにいるおんな
✅	サウナに入る男	さうなにはいるおとこ	さうなにいるおとこ
✅	しかめっ面	しかめっつら	しかめっめん
❌	しかめ面の人	しかめめんのひと	しかめめんのにん
✅	しかめ顔	しかめがお	しかめかお
✅	ジャグリングをする人	じゃぐりんぐをするひと	じゃぐりんぐをするにん
✅	すい星	すいせい	すいほし
✅	スヴァールバル諸島およびヤンマイエン島	すゔぁーるばるしょとうおよびやんまいえんとう	すゔぁーるばるしょしまおよびやんまいえんしま
❌	スピーカー音量大	すぴーかーおとかずお	すぴーかーおんりょうだい
✅	ソロモン諸島	そろもんしょとう	そろもんしょしま
✅	ターバンの人	たーばんのひと	たーばんのにん
✅	ダメのポーズをする人	だめのぽーずをするひと	だめのぽーずをするにん
✅	ディエゴガルシア島	でぃえごがるしあとう	でぃえごがるしあしま
✅	ドット付きひし形	どっとつきひしがた	どっとつきひしかたち
✅	ドミニカ国	どみにかこく	どみにかくに
✅	ドル袋	どるぶくろ	どるふくろ
✅	ノーフォーク島	のーふぉーくとう	のーふぉーくしま
✅	ハード島とマクドナルド諸島	はーどとうとまくどなるどしょとう	はーどしまとまくどなるどしょしま
✅	バスケットボールをする人	ばすけっとぼーるをするひと	ばすけっとぼーるをするにん
✅	バチカン市国	ばちかんしこく	ばちかんしくに
✅	バルカン人	ばるかんじん	ばるかんにん
✅	ハンドボールをする人	はんどぼーるをするひと	はんどぼーるをするにん
✅	ひし形	ひしがた	ひしかたち
✅	ひたいに手をあてる人	ひたいにてをあてるひと	ひたいにてをあてるにん
✅	びっくり顔	びっくりがお	びっくりかお
✅	ピトケアン諸島	ぴとけあんしょとう	ぴとけあんしょしま
✅	ピンク色	ぴんくいろ	ぴんくしょく
✅	ブーベ島	ぶーべとう	ぶーべしま
❌	フェイスマッサージ中の人	ふぇいすまっさーじなかのひと	ふぇいすまっさーじなかのにん
✅	フェイスマッサージ中の女	ふぇいすまっさーじちゅうのおんな	ふぇいすまっさーじなかのおんな
✅	フェイスマッサージ中の男	ふぇいすまっさーじちゅうのおとこ	ふぇいすまっさーじなかのおとこ
✅	フェロー諸島	ふぇろーしょとう	ふぇろーしょしま
✅	フェンシングをする人	ふぇんしんぐをするひと	ふぇんしんぐをするにん
✅	フォークランド諸島	ふぉーくらんどしょとう	ふぉーくらんどしょしま
✅	ふくれっ面	ふくれっつら	ふくれっめん
✅	フラッシュを焚いているカメラ	ふらっしゅをたいているかめら	ふらっしゅをふんいているかめら
✅	ベッドに寝る人	べっどにねるひと	べっどにねるにん
✅	ボートをこぐ人	ぼーとをこぐひと	ぼーとをこぐにん
✅	ほっとした顔	ほっとしたがお	ほっとしたかお
❌	ほにゅう瓶	ほにゅーびん	ほにゅうかめ
✅	マーシャル諸島	まーしゃるしょとう	まーしゃるしょしま
✅	マウンテンバイクに乗る人	まうんてんばいくにのるひと	まうんてんばいくにのるにん
✅	マスク顔	ますくがお	ますくかお
✅	マル得	まるとく	まるえ
✅	マン島	まんとう	まんしま
✅	メール受信中	めーるじゅしんちゅう	めーるじゅしんなか
✅	ヨガのポーズをする人	よがのぽーずをするひと	よがのぽーずをするにん
✅	レスリングする人	れすりんぐするひと	れすりんぐするにん
✅	レスリングをする人	れすりんぐをするひと	れすりんぐをするにん
✔️	三猿	さんえん	さんさる
✅	三輪タクシー	さんりんたくしー	みわたくしー
❌	上下	じょうか	じょうげ
✅	上弦の月	じょうげんのつき	じょうげんのがつ
❌	上指差し	かみさしさし	うえゆびさし
❌	下カーブ矢印	しもかーぶやじるし	したかーぶやじるし
❌	下ボタン	しもぼたん	したぼたん
✅	下弦の月	かげんのつき	かげんのがつ
❌	下手投げ	へたなげ	したてなげ
❌	下指差し	しもゆびさし	したゆびさし
❌	下矢印	しもやじるし	したやじるし
✅	不機嫌な人	ふきげんなひと	ふきげんなにん
✅	中秋節	ちゅうしゅうせつ	ちゅうしゅうふし
✔️	中華菓子	ちゅうかかし	ちゅうかがし
❌	二重	ふたえ	にじゅう
❌	二重感嘆符	ふたえかんたんふ	にじゅうかんたんふ
✅	人	ひと	にん
✅	人のシルエット	ひとのしるえっと	にんのしるえっと
✅	介助犬	かいじょけん	かいじょいぬ
❌	側転	がわてん	そくてん
❌	側転する人	がわてんするひと	そくてんするにん
❌	側転する女	がわてんするおんな	そくてんするおんな
❌	側転する男	がわてんするおとこ	そくてんするおとこ
✅	入出国	にゅうしゅっこく	にゅうしゅつこく
❌	全問正解	ぜんといせいかい	ぜんもんせいかい
✅	八端十字架	はったんじゅうじか	はちはじじゅうじか
✅	八角アスタリスク	はっかくあすたりすく	はちかくあすたりすく
✅	八角星	はっかくぼし	はちかくほし
✅	六芒星	ろくぼうせい	ろくぼうほし
✅	六角星	ろっかくぼし	ろっかくほし
✅	具合の悪い顔	ぐあいのあくいがお	ぐあいのわるいかお
✅	冠	かんむり	かん
✅	初月	はつづき	はつがつ
❌	剃頭	そあたま	ていあたま
✔️	剣	けん	つるぎ
✅	北マリアナ諸島	きたまりあなしょとう	きたまりあなしょしま
❌	十三夜月	じゅうそうないと	じゅうさんよるがつ
❌	十日夜の月	とおかんやのつき	とうかよるのがつ
✅	受信中	じゅしんちゅう	じゅしんなか
✅	合衆国領有小離島	がっしゅうこくりょうゆうしょうりとう	がっしゅうこくりょうゆうしょうりしま
✅	四つ葉のクローバー	よつばのくろーばー	よつはのくろーばー
✅	大きいオレンジのひし形	おおきいおれんじのひしがた	おおきいおれんじのひしかたち
✅	大きい青のひし形	おおきいあおのひしがた	おおきいあおのひしかたち
❌	大泣き	だいなき	おおなき
✅	天の川	あまのがわ	てんのかわ
✅	子供の日	こどものひ	こどものにち
✔️	宝物	ほうもつ	たからもの
❌	寝待月	ねまちのつき	ねたいがつ
✔️	射手	しゃしゅ	いて
✅	小さいオレンジのひし形	ちいさいおれんじのひしがた	ちいさいおれんじのひしかたち
✅	小さい青のひし形	ちいさいあおのひしがた	ちいさいあおのひしかたち
❌	居待月	いまちのつき	きょたいがつ
✅	山を登る人	やまをのぼるひと	やまをのぼるにん
✅	工具箱	こうぐばこ	こうぐはこ
❌	巻き毛	まきけ	まきげ
✅	巻き貝	まきがい	まきかい
✅	得	とく	え
✅	念珠	ねんず	ねんしゅ
✅	怒った悪魔	おこったあくま	いかったあくま
❌	悪	わる	あく
✅	愛してる	あいしてる	いとしてる
✔️	戸	と	こ
✅	手の甲	てのこう	てのかぶと
❌	手の甲上指差し	てのこうかみさしさし	てのかぶとうえゆびさし
✅	手を挙げる人	てをあげるひと	てをあげるにん
✅	捨て駒	すてごま	すてこま
✅	散髪される人	さんぱつされるひと	さんぱつされるにん
✅	旅客船	りょかくせん	りょきゃくふね
✅	日めくりカレンダー	ひめくりかれんだー	にちめくりかれんだー
✅	日焼け止め	ひやけどめ	ひやけとめ
✅	早戻し	はやもどし	そうもどし
✅	早戻しボタン	はやもどしぼたん	そうもどしぼたん
✅	月	つき	がつ
✅	月マーク	つきまーく	がつまーく
✅	月めくりカレンダー	つきめくりかれんだー	がつめくりかれんだー
✅	月極	つきぎめ	がつきょく
✔️	有	ゆう	あり
✔️	有マーク	ゆうまーく	ありまーく
❌	有明月	ゆうめいげつ	ありあけがつ
✅	案内する人	あんないするひと	あんないするにん
✅	森の人	もりのひと	もりのにん
❌	棺	かん	ひつぎ
✅	正座する人	せいざするひと	せいざするにん
✅	歩く人	あるくひと	あるくにん
❌	毛がない	もうがない	けがない
✅	水牛	すいぎゅう	みずうし
✅	水球	すいきゅう	みずたま
✅	水球をする人	すいきゅうをするひと	みずたまをするにん
✅	水球をする女	すいきゅうをするおんな	みずたまをするおんな
✅	水球をする男	すいきゅうをするおとこ	みずたまをするおとこ
✅	法輪	ほうりん	ほうわ
✅	波乗り	なみのり	なみのりり
✔️	波線	はせん	なみせん
✅	泳ぐ人	およぐひと	およぐにん
✅	洋ナシ	ようなし	ひろしなし
✅	海賊旗	かいぞくき	かいぞくはた
✔️	減算	げんざん	げんさん
✅	温かい飲み物	あたたかいのみもの	おんかいのみもの
✅	無人島	むじんとう	むじんしま
✅	焼き菓子	やきがし	やきかし
✅	片眼鏡	かためがね	かためかがみ
❌	牝牛	ひんぎゅう	めすうし
❌	牡牛	ぼぎゅう	おうし
✔️	玩具	おもちゃ	がんぐ
✅	現金自動預け払い機	げんきんじどうあずけばらいき	げんきんじどうあずけはらいき
❌	環のある惑星	たまきのあるわくせい	かんのあるわくせい
✅	白十字	はくじゅうじ	しろじゅうじ
✅	白十字ヘルメット	はくじゅうじへるめっと	しろじゅうじへるめっと
❌	白四角大	しろよんかくだい	しろしかくだい
❌	白四角小	しろよんかくしょう	しろしかくしょう
❌	白四角特大	しろよんかくとくだい	しろしかくとくだい
✔️	白旗	はっき	しろはた
✅	白杖	はくじょう	しろつえ
❌	白枠四角	しろわくよんかく	しろわくしかく
❌	白衣	びゃくえ	はくい
✔️	白髪	はくはつ	しらが
❌	白鳥	しらとり	はくちょう
✅	目玉焼き	めだまやき	めだまやきき
✅	目覚まし時計	めざましどけい	めざましとけい
✅	着信中	ちゃくしんちゅう	ちゃくしんなか
✅	石けん	せっけん	いしけん
✅	礼拝所	れいはいしょ	れいはいところ
❌	空室	あきしつ	そらしつ
✅	空飛ぶ円盤	そらとぶえんばん	くうひぶえんばん
✅	立つ人	たつひと	たつにん
✅	竜脚類	りゅうきゃくるい	りゅうあしるい
✅	筋トレ	きんとれ	すじとれ
❌	米	べい	こめ
✅	糸巻き	いとまき	いとまきき
❌	紅包	べにつつみ	くれないつつみ
✅	紙手提げ	かみてさげ	かみてていげ
✅	置時計	おきどけい	ちとけい
✅	羽が生えたお金	はねがはえたおかね	はねがはえたおきん
✅	考え中	かんがえちゅう	かんがえなか
✅	考え事	かんがえごと	かんがえこと
✅	耳の不自由な人	みみのふじゆうなひと	みみのふじゆうなにん
✅	肉球	にくきゅう	にくたま
✅	自分撮り	じぶんどり	じぶんとり
✅	自撮り	じどり	じとり
✅	自転車に乗る人	じてんしゃにのるひと	じてんしゃにのるにん
❌	葉野菜	はのさい	はやさい
✅	蒸留器	じょうりゅうき	じょうりゅううつわ
✅	薪割り	まきわり	たきぎわり
❌	蛇遣座	へびやざ	へびけんざ
✅	血液型AB型	けつえきがたえーびーがた	けつえきがたABかた
✅	血液型A型	けつえきがたえーがた	けつえきがたAかた
✅	血液型B型	けつえきがたびーがた	けつえきがたBかた
✅	血液型O型	けつえきがたおーがた	けつえきがたOかた
✅	襟巻き	えりまき	えりまきき
❌	角氷	すみこおり	かくこおり
✅	話す人のシルエット	はなすひとのしるえっと	はなすにんのしるえっと
❌	赤い下三角	あかいしもさんかく	あかいしたさんかく
✅	赤毛の人	あかげのひと	あかげのにん
✅	走る人	はしるひと	はしるにん
✔️	足跡	あしあと	そくせき
✅	車両通行止め	しゃりょうつうこうどめ	しゃりょうつうこうどめめ
❌	転法輪	てんぽうりん	てんほうわ
✅	通行止め	つうこうどめ	つうこうどめめ
❌	連符	れんふ	れんぷ
✅	道着	どうぎ	みちちゃく
✅	重量挙げをする人	じゅうりょうあげをするひと	じゅうりょうあげをするにん
❌	金	きむ	きん
✅	金袋	きんぶくろ	きんふくろ
✅	金髪の人	きんぱつのひと	きんぱつのにん
✅	釣り竿	つりざお	つりさお
❌	雨時々晴れ	あめじ々はれ	あめときどきはれ
✅	雪雲	ゆきぐも	ゆきくも
✅	電動車椅子	でんどうくるまいす	でんどうしゃいす
✅	電動車椅子の女性	でんどうくるまいすのじょせい	でんどうしゃいすのじょせい
✅	電動車椅子の男性	でんどうくるまいすのだんせい	でんどうしゃいすのだんせい
✅	青梗菜	ちんげんさい	あおきょうな
✅	音無し	おとなし	おとなしし
❌	音量大	おとかずお	おんりょうだい
✅	顔のある上弦の月	かおのあるじょうげんのつき	かおのあるじょうげんのがつ
✅	顔のある下弦の月	かおのあるかげんのつき	かおのあるかげんのがつ
✅	風呂に入る人	ふろにはいるひと	ふろにいるにん
❌	飲み水	のみすい	のみみず
✅	首巻き	くびまき	しゅかんき
✅	骨壺	こつつぼ	ほねつぼ
❌	高速上ボタン	こうそくじょうぼたん	こうそくうえぼたん
❌	高速下ボタン	こうそくかぼたん	こうそくしたぼたん
❌	髭剃り	ひげすり	ひげそり
❌	魔除け	まよけけ	まよけ
✅	鶏もも肉	とりももにく	にわとりももにく
❌	黒四角大	くろよんかくだい	くろしかくだい
❌	黒四角小	くろよんかくしょう	くろしかくしょう
❌	黒四角特大	くろよんかくとくだい	くろしかくとくだい
✔️	黒旗	くろはた	こっき
❌	黒枠四角	くろわくよんかく	くろわくしかく

[peaceiris]

結論

• Janome + neologd が pykakasi より精度が良い
• Janome + neologd, pykakasi どちらにおいても悪いケースは検知できていない

TODO

• ❌ のケースを修正する処理を追加
• test: ❌ のケースをテストケースに追加して、改善されたことを将来に実行した際に検知できるようにする。
• ✔️ のケースは Janome + neologd, pykakasi 両方の結果を辞書として追加する。