19/3/26: RcppMeCab
을 import하여 동작하는 방식으로 변경하였습니다.
RmecabKo는 mecab-ko
(은전한닢 프로젝트)를 기반으로 한국어 문장 형태소 분석, 그리고 한국어 텍스트의 분석을 진행할 때 필요한 다른 패키지의 도움 함수를 제공하는 것을 목적으로 합니다.
은전한닢 프로젝트가 기반으로 하고 있는 mecab
은 일본어 형태소 분석기로, 띄어쓰기와 관계없이 형태소를 분석합니다. 인터넷에서 수집한 텍스트는 띄어쓰기에 오류가 있는 경우가 많아, 텍스트 분석을 진행할 때 은전한닢 프로젝트의 mecab-ko
를 통해 진행하는 것이 유용할 수 있습니다.
이 패키지는 은전한닢 프로젝트의 R wrapper입니다. Mac OSX, Linux에서는 mecab-ko
와 mecab-ko-dic
를 먼저 설치해야 합니다. Rcpp를 통해 제작했습니다. C++에서 직접 동작하므로 다른 형태소 분석기에 비해 상당히 빠릅니다.
17/10/6: RmecabKo
가 CRAN repository에 등록되었습니다.
먼저 mecab-ko
를 Bitbucket repository에서 설치합니다.
mecab-ko
소스를 Download page에서 다운로드할 수 있습니다. 다음,
Mac OSX terminal에서:
```{shell mecab-ko-installation-on-mac, eval=FALSE} $ tar zxfv mecab-ko-XX.tar.gz $ cd mecab-ko-XX $ ./configure $ make $ make check $ sudo make install
Linux에서: ```{shell mecab-ko-installation-on-linux, eval=FALSE} $ tar zxfv mecab-ko-XX.tar.gz $ cd mecab-ko-XX $ ./configure $ make $ make check $ su # make install
mecab-ko
설치 후, github을 통해 RmecabKo 패키지를 설치하실 수 있습니다.
install.packages("RmecabKo") # or, # install.packages("devtools") devtools::install_github("junhewk/RmecabKo") # developmental version using RcppMeCab
한국어 문장 분석을 위해서는 mecab-ko-dic
또한 설치해야 합니다.
윈도우의 경우, install_mecab(mecabLocation)
을 통해 mecab-ko
binary를 설치합니다. 꼭 설치 디렉터리를 지정해주셔야 합니다.
install.packages("RmecabKo") install_mecab("C:/Rlibs/mecab") # or, # install.packages("devtools") devtools::install_github("junhewk/RmecabKo") install_mecab("D:/Rlibs/mecab")
pos
, nouns
함수를 제공합니다. 두 함수 모두 문자열 벡터를 입력값으로 받습니다. 입력받은 텍스트는 강제로 UTF-8으로 변경하여 분석 진행합니다.
tokenizers 함수를 추가했습니다. token_morph
, token_words
, token_nouns
, token_ngrams
의 네 가지 함수를 제공합니다. tidy data analysis를 위해, tidytext
의 unnest_tokens
함수와 함께 사용할 수 있도록 결과를 리스트 형태로 반환합니다.
pos
는 문장 전체의 형태소 태깅을 제공합니다.nouns
는 명사만 추출하여 제공합니다.library(RmecabKo) pos("안녕하세요.") pos(c("안녕하세요.", "은전한닢 프로젝트 R wrapper입니다.")) nouns("안녕하세요.") nouns(c("안녕하세요.", "은전한닢 프로젝트 R wrapper입니다.")) txt <- c("안녕하세요.", "은전한닢 프로젝트 R wrapper입니다.") token_words(txt) token_ngrams(txt, n = 2L) library(tidyverse) library(tidytext) df <- data_frame(txt = c("안녕하세요.", "은전한닢 프로젝트 R wrapper입니다.")) df %>% unnest_tokens(word, txt, tokens = token_morph) %>% # 전체 형태소 추출 anti_join(stopwords_ko) # 불용어 제외 df %>% unnest_tokens(word, txt, tokens = token_ngrams, n = 2L)
Github wiki를 단장 중에 있습니다. 분석 사례와 적용 방법을 추가할 예정입니다.
김준혁 (junhewk.kim@gmail.com)
mecab
한국어 fork mecab-ko-msvc
, mecab-ko-dic-msvc
VC++ 빌드GPL (>= 2)
Add the following code to your website.
For more information on customizing the embed code, read Embedding Snippets.