ikawaha/kagome

Kagome v2 Docker镜像文档

概述

Kagome是一款用纯Go编写的开源日语形态分析器，核心功能是对日语文本进行分词和词性标注。其词典（如MeCab-IPADIC、UniDic等）和统计模型可嵌入二进制文件中，无需额外依赖库，便于部署。相比v1版本，v2将词典维护在独立仓库，支持按需嵌入，并优化了API设计，提供更灵活的使用方式。

核心功能与特性

多词典支持

Kagome支持多种主流日语词典，可根据需求选择嵌入：

实验性词典（需单独集成）：

三种分词模式

提供三种分词模式以适应不同场景，类似Kuromoji的分词策略：

分词效果对比：

其他核心特性

• 纯Go实现：无需依赖C/C++库，支持跨平台编译和部署
• 轻量级部署：词典可嵌入二进制文件，减少外部依赖
• 多交互方式：支持命令行交互式分词、文件批量处理、HTTP服务调用
• 分词可视化：提供lattice命令生成分词过程的Graphviz可视化文件
• Docker化：官方Docker镜像支持，简化容器化部署流程

使用场景与适用范围

• 日语自然语言处理（NLP）应用开发（如词性标注、句法分析）
• 搜索引擎的日语文本分词与索引构建
• 日语文本分析工具（关键词提取、情感分析、文本分类）
• 日语输入法或编辑器的分词辅助功能
• 需要轻量级、无依赖日语分词组件的嵌入式环境

Docker使用方法

镜像获取

从Docker Hub拉取官方镜像：

bash
docker pull ikawaha/kagome

基本使用示例

1. 交互式分词（默认tokenize命令）

直接运行容器进行交互式分词（默认使用IPA词典和普通模式）：

bash
docker run -it --rm ikawaha/kagome

输入日语文本后回车，即可获得分词结果：

すもももももももものうち
すもも	名詞,一般,*,*,*,*,すもも,スモモ,スモモ
も	助詞,係助詞,*,*,*,*,も,モ,モ
もも	名詞,一般,*,*,*,*,もも,モモ,モモ
も	助詞,係助詞,*,*,*,*,も,モ,モ
もも	名詞,一般,*,*,*,*,もも,モモ,モモ
の	助詞,連体化,*,*,*,*,の,ノ,ノ
うち	名詞,非自立,副詞可能,*,*,*,うち,ウチ,ウチ
EOS

2. 指定分词模式和词典

使用搜索模式和UniDic词典分析文本：

bash
docker run -it --rm ikawaha/kagome tokenize -mode search -sysdict uni

3. 启动HTTP分词服务

启动后台服务（默认端口6060），通过API提供分词功能：

bash
docker run -d -p 6060:6060 --name kagome-server ikawaha/kagome server

通过curl调用API（需指定sentence和mode参数）：

bash
curl -X PUT http://localhost:6060/tokenize -d '{"sentence":"日本経済新聞", "mode":"search"}'

返回JSON格式分词结果：

json
{
  "tokens": [
    {"surface":"日本","features":["名詞","固有名詞","地域","国","*","*","日本","ニッポン","ニッポン"]},
    {"surface":"経済","features":["名詞","一般","*","*","*","*","経済","ケイザイ","ケイザイ"]},
    {"surface":"新聞","features":["名詞","一般","*","*","*","*","新聞","シンブン","シンブン"]}
  ]
}

4. 批量处理文件

挂载本地文件到容器，对文件内容进行分词：

bash
# 准备本地输入文件input.txt
docker run -it --rm -v $(pwd)/input.txt:/data/input.txt ikawaha/kagome tokenize -file /data/input.txt

命令参数详解

tokenize命令（默认命令）

示例：使用用户词典并简化输出：

bash
docker run -it --rm -v $(pwd)/user.dic:/data/user.dic ikawaha/kagome tokenize -userdict /data/user.dic -simple true

server命令

启动HTTP服务，支持通过API调用分词功能，主要参数：

示例：指定端口启动服务：

bash
docker run -d -p 8080:8080 ikawaha/kagome server -port 8080

lattice命令

生成分词过程的可视化文件（Graphviz dot格式）：

bash
docker run -it --rm ikawaha/kagome lattice "私は鰻" > lattice.dot
# 需本地安装graphviz以生成图片
dot -Tpng lattice.dot -o lattice.png

Docker Compose配置示例

创建docker-compose.yml部署Kagome服务：

yaml
version: '3'
services:
  kagome:
    image: ikawaha/kagome
    container_name: kagome-service
    ports:
      - "6060:6060"
    command: server -port 6060  # 启动HTTP服务
    volumes:
      - ./user.dic:/app/user.dic  # 挂载用户词典（可选）
    restart: unless-stopped

启动服务：

bash
docker-compose up -d

许可证

MIT许可证