Como venho falando, consegui finalmente compilar o UniDic para ser compatível e ser usado com o FuriGanbarou!. Entretanto, como também venho falando, NENHUM dicionário morfológico tem 100% de acerto, e é por isso que, ao criar o FuriGanbarou!, foi muito importante para mim que ele tivesse um sistema de revisão e correção, bem como a possiblidade de o próprio usuário editar a segmentação e as leituras.
Um exemplo de erro do UniDic é uma frase com a qual me deparei ontem (o furigana é do próprio site japonês):
台風(たいふう)は10日(とおか)金曜日(きんようび)ごろに沖縄(おきなわ)の近(ちか)くに来(く)るかもしれません。
Aqui o furigana obviamente está certo e significa “O tufão pode se aproximar de Okinawa por volta de sexta-feira, dia 10”. Eu criei um script para uso pessoal em que posso comparar a segmentação de diferentes dicionários. A parte que nos interessa aqui é “金曜日(きんようび)ごろに”. Veja:
=== TEXTO ANALISADO ===
金曜日ごろに
=== IPADIC (3 tokens) ===
# surface_form reading pronunciation pos pos_detail_1 pos_detail_2 pos_detail_3 conjugated_type conjugated_form basic_form word_id word_type
1 金曜日 キンヨウビ キンヨービ 名詞 副詞可能 * * * * 金曜日 39400 KNOWN
2 ごろ ゴロ ゴロ 名詞 接尾 副詞可能 * * * ごろ 158770 KNOWN
3 に ニ ニ 助詞 格助詞 一般 * * * に 92030 KNOWN
=== UNIDIC (3 tokens) ===
# surface_form reading pronunciation pos pos_detail_1 pos_detail_2 pos_detail_3 conjugated_type conjugated_form basic_form word_id word_type
1 金曜 キンヨウ * 名詞 普通名詞 副詞可能 * * * 金曜 7270200 KNOWN
2 日ごろ ヒゴロ * 名詞 普通名詞 副詞可能 * * * 日頃 4979100 KNOWN
3 に ニ * 助詞 格助詞 * * * * に 1136480 KNOWN
Percebe a diferença? Neste exemplo, quem está certo é o IPADIC, que segmenta 金曜日 + ごろ e não 金曜 + 日ごろ (geralmente), como o UniDic.
E como o FuriGanbarou! agora usa o UniDic, ele segmenta: 金曜[きんよう]日[ひ]ごろに. E para não pensarem que é erro do meu código, consultemos “金曜日ごろに” no MeCab/Unidic Demonstration do próprio projeto EDICT:
金曜 キンヨー キンヨウ 金曜 名詞-普通名詞-副詞可能 日ごろ ヒゴロ ヒゴロ 日頃 名詞-普通名詞-副詞可能 に ニ ニ に 助詞-格助詞
É o mesmo resultado. Aliás, aqui entra o diferencial do FuriGanbarou!, já que é possível corrigir a segmentação através da FUSÃO:
金曜日[きんようび]ごろに