【R文本挖掘】中文分词Rwordseg
2015-10-26 21:43
411 查看
以下内容来源于 : http://blog.163.com/zzz216@yeah/blog/static/162554684201412895732586/
http://jliblog.com/app/rwordseg 有一个简单的中文说明文档下载安装方法:
install.packages("Rwordseg", repos = "http://R-Forge.R-project.org")
注意在之前要安装好JAVA,并配置后JAVA环境
1. 分词操作:
(1)segmentCN(strwords)
> segmentCN("你好北京")
[1] "你好" "北京"
(2)如果输入参数是字符向量,则返回列表
> segmentCN(c("你好北京","今天是个好天气"))
[[1]]
[1] "你好" "北京"
[[2]]
[1] "今天" "是" "个" "好" "天气"
(3)returnType参数默认是输出向量或列表,若设置成”tm”,则可以输出tm格式的字符串
(4)strwords还可以是某个文本文件的路径,并且可用outfile参数指输出,默认是原路径下。
(5)blocklines 表示每次读入的行数,默认是1000行
2.词典管理
词典支持普通格式的文本词典和搜狗的secl格式的细胞词典。
(1) 安装词典
installDict(dictpath, dictname,dicttype = c("text", "scel"), load = TRUE)
dictname 是自定义词典的名称(英文)
dicttype 默认是txt
load 表示安装后是否自动加载到内存,默认是TRUE
> segmentCN("真武七截阵和天罡北斗阵哪个厉害")
[1] "真" "武" "七" "截" "阵" "和" "天罡" "北斗" "阵" "哪个" "厉害"
> installDict("C:\\Users\\Administrator\\Desktop\\金庸武功招式.scel","jinyong")
932 words were loaded! ... New dictionary 'jinyong' was installed!
安装之后的效果
> segmentCN("真武七截阵和天罡北斗阵哪个厉害")
[1] "真武七截阵" "和" "天罡北斗阵" "哪个" "厉害"
(2) listDict() 显示安装的词典
(3) uninstallDict() 删除安装的词典
(4) 自定义词典
默认词典的安装目录是%R_HOME%\library\Rwordseg\dict,只需将自己的词典放到这里即可,后缀为.dic
修改之后每次重启都会导入dict目录下的词典,若想立即就生效可使用
LoadDict()函数
(5)如果这是在内存中临时添加或删除词汇,可以使用insertWord()和deleteWord()函数
相关文章推荐
- Java中迭代器实现的原理
- hdu 4616 Game(树形dp)
- 选项卡效果
- 选项卡效果
- SQLite数据库操作--使用SQL语句增删查改
- 【NOIP2014】联合权值 乱搞
- 数字签名:有什么用,怎么用
- Leetcode -- Word Search II
- hdu1114Piggy-Bank【完全背包基础题】
- ALM测试
- 高级学员:2015年10月26日作业
- ALM测试
- Volley及FastJson的简单使用
- 我5年总结出的14条编程经验
- SQL基础(三)之约束
- svn: E155019: Can't upgrade as it is not a pre-1.7 work解决办法
- 【[R] 【教程】教你如何读懂线性回归lm的结果summary(判断显著性)[转]】
- Qt中 QGLWidget碰到no such file or directory的解决办法
- C语言-函数指针和指针函数
- 图的基本操作