使用R语言进行中文分词
Posted 金豆数据
tags:
篇首语：本文由小常识网(cha138.com)小编为大家整理，主要介绍了使用R语言进行中文分词相关的知识，希望对你有一定的参考价值。
准备包：①rJava包；②Rwordseg包；③java环境；④搜狗词库（此为扩展词库）。
Rwordseg包依赖于rJava包。由于Rwordseg包并没有托管在CRAN上面，而是在R-Forge上面，因此在在R软件上面直接输入install.packages(“Rwordseg”)会提示错误。因此，我们需要在软件菜单栏点击程序包
选择软件库在选择R-Forge即可，然后输入install.packages(“Rwordseg”)应该就OK了。或者输入下面代码：
分词结果为：
[1]“我”“非常”“喜欢”“跟”“着”“菜”“鸟”“一起”“学”“R语言”“这个”“微信”“公众”“号”
这就是insertWords函数，其中save参数是指是否把这个词保存到词典里面。
结果为：
但是如果我们不需要“菜鸟”这个分词了怎么办，这个时候我们就可以使用deleteWords（）函数来从词典中删除这个分词。
这次我们在看看结果。
[1]“我”“非常”“喜欢”“跟”“着”“菜”“鸟”“一起”“学”“R语言”“这个”“微信”“公众”“号”
接下来我们使用一下搜狗的扩展词库，由于电影跟新速度较快，我这里下载了搜狗的热门电影大全词库，如何加载使用搜狗词库，点击可以查看我的另一篇博客。
59391 words were loaded！…New dictionary ‘movie’ was installed！
现在我们来测试一下面这个句子：你喜欢看最后的巫师猎人吗
“你”“喜欢”“看”“最后的巫师猎人”“吗”
可以看到“最后的巫师猎人”是一个词，如何我们把movie这个词典删除点会怎么样呢？
[1]“你”“喜欢”“看”“最后”“的”“巫师”“猎人”“吗”
（来源：网络）
以上是关于使用R语言进行中文分词的主要内容，如果未能解决你的问题，请参考以下文章