PHPで2つの文章の類似度を計算する（Yahoo!版）

「PHPで2つの文章の類似度を計算する」および「PHPで2つの文章の類似度を計算する（KAKASI版）」で、PHPの組み込み関数 similar_text や N-gram、「KAKASI」による形態素解析を利用して、異なる2つの文章の類似度を計算する方法を紹介した。今回は、KAKASIの代わりに「PHPで形態素解析を行う」で紹介したYahoo!JAPANの「日本語形態素解析」を利用し、2つの文章の類似度を計算プログラムを作ってみる。

（2026年1月11日） PHP8.5対応：double→float
（2025年9月15日）.pahooEnv導入

サンプル・プログラムの実行例

サンプル・プログラム

ダウンロード（PHP8対応）

圧縮ファイルの内容
SimilarMorpheme.php	サンプル・プログラム本体。
.pahooEnv	クラウドサービスを利用するためのアカウント情報などを記入する .env ファイル。使い方は「各種クラウド連携サービス（WebAPI）の登録方法」を参照。include_path が通ったディレクトリに配置すること。
pahooInputData.php	データ入力に関わる関数群。使い方は「数値入力とバリデーション」「文字入力とバリデーション」などを参照。include_path が通ったディレクトリに配置すること。

SimilarMorpheme.php 更新履歴
バージョン	更新日	内容
6.6.0	2026/01/11	PHP8.5対応：double→float
1.5.0	2025/09/06	.pahooEnv導入
1.4.0	2023/03/18	日本語形態素解析v2に対応
1.3	2022/01/04	PHP8対応，リファラ・チェック改良，WebAPI更新
1.2	2017/04/08	PHP7対応

pahooInputData.php 更新履歴
バージョン	更新日	内容
2.0.1	2025/08/11	getParam() bug-fix
2.0.0	2025/08/11	pahooLoadEnv() 追加
1.9.0	2025/07/26	getParam() 引数に$trim追加
1.8.1	2025/03/15	validRegexPattern() debug
1.8.0	2024/11/12	validRegexPattern() 追加

準備：PHP の https対応

クラウド連携や相手先サイトのデータを読み込むのに https通信を使うため、PHPに OpenSSLモジュールが組み込まれている必要がある。関数 phpinfo を使って、下図のように表示されればＯＫだ。

そうでない場合は、次の手順に従ってOpenSSLを有効化し、PHPを再起動させる必要がある。

Windowsでは、"php.ini" の下記の行を有効化する。

extension=php_openssl.dll

Linuxでは --with-openssl=/usr オプションを付けて再ビルドする。→OpenSSLインストール手順

これで準備は完了だ。

準備：pahooInputData 関数群

PHPのバージョンや入力データのバリデーションなど、汎用的に使う関数群を収めたファイル "pahooInputData.php" が同梱されているが、include_path が通ったディレクトリに配置してほしい。他のプログラムでも "pahooInputData.php" を利用するが、常に最新のファイルを1つ配置すればよい。

また、各種クラウドサービスに登録したときに取得するアカウント情報、アプリケーションパスワードなどを登録した .pahooEnv ファイルから読み込む関数 pahooLoadEnv を備えている。こちらについては、「各種クラウド連携サービス（WebAPI）の登録方法」をご覧いただきたい。

サンプル・プログラムの流れは、「PHPで形態素解析を行う」と「PHPで2つの文章の類似度を計算する（KAKASI版）」を組み合わせただけなので、ここでは省略する。

なお、「日本語形態素解析Webサービス」を利用するためには、アプリケーションIDを取得する必要がある。入手方法は「Yahoo!JAPAN デベロッパーネットワーク - 各種WebAPIの登録方法」を参照されたい。
取得したIDは .pahooEnv ファイルに記入するか、定数 YAHOO_APPLICATION_ID に格納する。

サンプル・プログラムの実行結果

「PHPで2つの文章の類似度を計算する（KAKASI版）」と同じテキストを使って実行してみよう。

まず、「元のテキスト」として、以下のWikipediaの引用文を入れる。これは「PHP: Hypertext Preprocessor」からの抜粋である。

PHP: Hypertext Preprocessor（ピー・エイチ・ピーハイパーテキストプリプロセッサー）とは、動的にHTMLデータを生成することによって、動的なウェブページを実現することを主な目的としたプログラミング言語、およびその言語処理系である。
PHPは、HTML埋め込み型のサーバサイド・スクリプト言語として分類される。この言語処理系自体は、C言語で記述されている。

「比較するテキスト」には、以下の文章を入れてみよう。

PHP(Hypertext Preprocessor；ピー・エイチ・ピー）とは、動的にHTMLデータを生成することによって、動的なウェブページを実現すること目的としたプログラミング言語である。
PHPは、HTML埋め込み型のサーバサイド・スクリプト言語の一種で、処理系自体はC言語で記述されている。

結果は 98.8％である。
2つめの文章は、一見すると元の文章とは異なっているが、じつはWikipediaの引用文の順番を変えただけである。
このような違いでは、かなり高い類似度の値となる。

次に、「比較するテキスト」に以下の文章を入れて実行してみていただきたい。これは「PHPとは何か」（ぱふぅ家のホームページ）の冒頭部分である。

「PHP（Hypertext Preprocessor）」は、オープンソースのサーバ・サイド・スクリプト言語である。
サーバ・サイド・スクリプトとは、データベースサーバなどのサーバ群と Web ブラウザ（クライアント）を結ぶインターフェースの役割をするもので、Webサーバ上で動作する。HTMLに比べて、動的なページを実現することができる。

結果は 61.0％となる。

「PHPで2つの文章の類似度を計算する（KAKASI版）」での、最初の比較例では 75.5％、2番目の比較例では 45.1％だった。
同じ形態素解析という方法でも、形態素に分解するアルゴリズムが違うことで、これだけの差が出る。

ちなみに、PHPとはまったく関係ない以下のテキストを「比較するテキスト」に入れてみると――