Rwordseg 中文词汇分类工具包

genechip

今日拜读Lijian的主页，发现很多有用的东西，特此引来与各位分享。

Rwordseg 是一个R环境下的中文分词工具，使用rJava调用Java分词工具Ansj。
Ansj 也是一个开源的 Java 中文分词工具，基于中科院的 ictclas 中文分词算法，采用隐马尔科夫模型（Hidden Markov Model, HMM）。作者孙健重写了一个Java版本，并且全部开源，使得 Ansi 可用于人名识别、地名识别、组织机构名识别、多级词性标注、关键词提取、指纹提取等领域，支持行业词典、 用户自定义词典。详细信息可以参考作者孙健的专访以及项目的Github地址。

当前版本的Rwordseg包完全引用了 Ansj 包，只是简单提供了R的接口，并根据R中处理文本的习惯进行了调整，在此对原作者孙健表示强烈的敬意！之所以没有命名为ransj，是因为以后可能还会纳入其他的 分词工具或者自己开发一些新的功能。

该包具体安装和使用说明请参考
http://jliblog.com/app/rwordseg

在安装和使用之前，大家要注意，此包在R version 2.14.2 版本上运行无误，其他版本本人不知情，但通常会存在版本不兼容的问题。因此，如果像顺利使用，最好在此版本下运行。

同时附上使用说明，仅供参考。附件中作者对比不同R环境下的词汇分类包。说明详细，例子鲜明，

感谢Rwordseg包开发者。本文引自
http://jliblog.com/app/rwordseg

Rwordseg_Vignette_CN.pdf (411.02 KB, 下载次数: 59)

2013-4-16 10:57 上传

点击文件名下载附件

mingfly

学习了！ 看到不少用这个包做 文本挖掘的！