Go製の日本語形態素解析ライブラリ。外部依存なし、標準ライブラリのみで動作する。
文字種境界でのトークン分割と HMM（隠れマルコフモデル）による品詞推定を組み合わせ、コーパスから学習した統計モデルで解析精度を向上できる。
テキスト
→ tokenizer.Segment 文字種境界でトークン分割
→ viterbi.Decode HMM で最適品詞列を探索
→ []Morpheme 解析結果
モデル未学習時はヒューリスティック（文字種・語尾パターン）にフォールバックする。
学習済みモデルと単語エントリは dict.json に JSON で永続化される。
| タグ | 説明 |
|---|---|
| 名詞 | 漢字列など |
| 動詞 | ひらがな動詞語尾で判定 |
| 形容詞 | 〜い・〜く 語尾 |
| 助詞 | は・が・の など固定セット |
| 助動詞 | です・ます など固定セット |
| 副詞 | 上記に当てはまらないひらがな |
| 外来語 | カタカナ・ラテン文字 |
| 数詞 | 数字 |
| 記号 | 句読点など |
| 未知語 | 判定不能 |
import "github.com/7thCode/morpho"
// 初期化（辞書ファイルが存在しない場合は空の辞書で開始）
analyzer, err := morpho.New("dict.json")
// コーパスで学習（学習後は自動で Save するまで in-memory）
analyzer.Train("東京は日本の首都です。今日は良い天気ですね。")
// 解析
morphemes, err := analyzer.Analyze("今日の東京は良い天気です。")
for _, m := range morphemes {
fmt.Printf("%s\t%s\n", m.Surface, m.POS)
}
// 辞書の保存
analyzer.Save("dict.json")Train を複数回呼ぶと、コーパスのカウントは Trainer 内部に累積される。Build() は毎回全累積カウントを正規化してモデルを生成するため、呼び出すたびに「これまでの全コーパスを合算した」モデルへ更新される。
analyzer.Train("東京は日本の首都です。") // corpus A でモデル構築
analyzer.Train("今日は良い天気ですね。") // corpus A+B の累積でモデルを再構築学習をリセットしたい場合は新しい Analyzer を作成する。
# テスト（全体）
go test ./...
# テスト（単一）
go test -run TestAnalyzer ./...
# ビルド
go build ./...
# サンプル実行
go run cmd/example/main.go
# HTTP サーバー起動
go run cmd/server/main.go -port 8765 -dict dict.jsonElectron アプリ等から利用するためのローカル HTTP サーバー。
| メソッド | パス | リクエスト | レスポンス |
|---|---|---|---|
| GET | /health |
— | {"ok": true} |
| POST | /analyze |
{"text": "..."} |
{"morphemes": [{...}]} |
| POST | /train |
{"corpus": "..."} |
{"ok": true} |
/train は学習後に辞書を自動保存する。
Electron + Svelte 製の GUI。Go サーバーを子プロセスとして起動し HTTP で通信する。
cd app
# 初回セットアップ
npm install
npm run build:go # bin/server をビルド
# 開発起動
npm run dev # Vite + Electron を同時起動
# プロダクションビルド
npm run build # Go バイナリ + Vite ビルド開発時の辞書はプロジェクトルートの dict.json に読み書きされる。