README.md

In Juntai/ransj:

ransj

ransj是中文分词包ansj的R包。 ansj是对中科院分词系统ICTCLAS的java实现，提供了中文分词、词性标注功能，并且支持人名识别、机构名识别、数量词识别和用户自定义词典。 ransj支持ansj中的nlp分词、基础分词、精准分词、面向索引分词和用户自定义词典优先分词方法。 nlp分词方法使用了CRF模型，词性标注使用了HMM模型。

安装

devtools::install_github("Juntai/ransj")

library(ransj)

使用示例

第一次调用segment函数时会有些慢，因为要加载用户字典和CRF模型。但第二次就很快了。

默认设置，两种输出格式

segment("让战士们度过一个快乐祥和的春节。")

segment("让战士们度过一个快乐祥和的春节。", returnType="vector")

词性标注，两种输出格式

segment("让战士们度过一个快乐祥和的春节。", nature=TRUE) # 词性标注。POS tagging

segment("让战士们度过一个快乐祥和的春节。", nature=TRUE, returnType="vector") # 词性标注。POS tagging

停用词过滤

insertStopwords(c("一个","的"))

showStopwords()

segment("让战士们度过一个快乐祥和的春节。", stopwords=TRUE)

clearStopwords()

showStopwords()

词性过滤

segment("让战士们度过一个快乐祥和的春节。", naturesInclude = c("n", "ns"))
segment("让战士们度过一个快乐祥和的春节。", naturesRemove = c("n", "ns"))

Juntai/ransj documentation built on May 8, 2019, 4:42 p.m.