傀儡師の館.Python

Ruby

(0)

甘い物

Profile

kugutsushi

フォローする

Free Space

設定されていません。

< 新しい記事

新着記事一覧(全1863件)

過去の記事 >

2005.03.20

上場企業名を辞書化するために、まず、上場企業の一覧を探してみた。考えてみると、次々に IPO する会社があるし(2005年3月で12社あった)、社名を変更する会社もある。辞書にこれをタイムリーに反映していくのは、かなり大変な作業になりそう。とりあえずは、まず、作業のひな形として、日経平均採用銘柄からはじめることにする。作業をはじめてみて、すぐに、社名と銘柄をごっちゃに扱ってはいけないなと気がつく。大成建設は大成建のように会社名と銘柄は必ずしも一致しない。ということで、大成建設と大成建の両方を登録しなければいけないかと思い当たる。大成建設を登録せずに大成建だけ辞書登録しておくと、「大成建」「設」という解析結果になってしまうし。加えて読みをどうつけていくかという問題もある。「大成建」を「たいせいけん」とするか「たいせいけんせつ」とするか。「ＸＸＨＤ」を「ばつばつえいちでぃー」とするか「ばつばつほーるでぃんぐす」とするか。銘柄の読みをつけるうちに頭が痛くなってきた。そして、意味の処理を加えようとすると、大成建設と大成建は同じなのでマッピングをしなければならないし、これにコードもつけていくとなると、また、大変。企業名や銘柄を辞書化するという作業は、一つの知識データベースを作るようなものだったりするのだな。証券会社はこうしたデータを持っているのだから、会員登録している人には無料または実費に近い料金で売り出してくれればよいのに。そうしたサービスをするしないに限らずデータの維持をしているのだから、辞書の作成業者が作るより、よっぽど低コストで作れるのだし。

とはいえ、そうしたデータが今は得られていないので、郵便番号のデータと組み合わせれば少しは何とかなるかな。郵便番号データの事業所の個別郵便番号を元にすれば、上場企業なら情報を抽出できるのではないかと期待してみる。しかし、これは思ったよりも苦労する。試しに手作業で、「事業所７桁郵便番号検索」を検索してみたのだが、銘柄そのものを入れても、当然のことながら検索にマッチしなかったりする（それにしても、この郵便番号データは、（株）となっているものと「株式会社」となっているものとが入り乱れているのが気になる）。とりあえず、だいたいのところは埋められたが正式な会社名が分からずに検索できない会社もある（すべての会社が事業所の個別郵便番号を持っているとは限らないようだし）。と思ったが、ちゃんと調べてみると、日経のページにちゃんと日経平均採用銘柄があった。あたりまえか。材料は一応そろった。んが、日経平均も、こうやってときどき変更があるから、こまめにチェックして更新しなきゃならないのね...。

加えて、同系列の企業をまとめることができるといい。たとえば、ライブドアの動きによってニッポン放送株が値上がりし、フジテレビジョンも値上がり、そしてテレビ関連の銘柄でテレビ朝日なども連動して値上がりする。そうすると、資本関係や同業をとらえることができるデータベースがあるとよいということになる。あるいは、ある企業の子会社が上場するとなると、親会社の株も上場前には連動して高くなるだろうし。これを維持するとなると、ますます大変なことになる...。単なる形態素解析のための辞書と、それ以外の知識を分けないとどうしようもないが、辞書のあまったフィールドの中にこうした情報も入れたくなるのも人情だろう。とはいえ、データがほしいほしいと言っていると、東洋経済のデータのように何十万円になってしまう。そこまでは必要ないし。『会社四季報CD-ROM』から抜き出すのがよいかな。テキストファイルへの書き出しもできるようだし。あきらめずに探すと、Vector に株式上場企業辞書があった。相場用語IME辞書などもあったが、これはシェアウェア。約1,000語で1050円なので、1語あたり約1円か。自分で調べて入力するのも面倒だし買ってしまいたくなる。