分词
直接分词
cn = “我爱中国”
worker() -> wk
**segment(**cn,wk)
[1] “我” “爱” “中国”
词典
查看路径
show_dictpath()
[1] “C:/Users/comma/Documents/R/win-library/3.6/jiebaRD/dict”
对“user.dict.utf8”这个文件进行更改。
使用记事本打开,然后在最后补上词条。
再来进行分词(不过我们要重新定义worker才能更新)
获取更多词典
下面这一段没有懂。
所以我们知道我们想要更多的词典,得到海量能够跟得上时代发展的词。有什么办法?我认为能够得到大量新词的地方,有两个:1.搜索引擎;2.输入法。搜狗输入法在搜狗词胞库中提供了大量的词典(https://pinyin.sogou.com/dict/),大家可以自由下载。不过下载的文件格式是以“.scel”为后缀的,双击一般就给我们的输入法补充了一个词库,但是没法让我们的jiebaR直接利用。幸好jiebaR的作者为我们提供了转格式工具,能够把scel文件直接转化为.utf8格式的文本文件,从而直接对这些词进行利用。具体内容可以参照https://github.com/qinwf/cidian,这里给出懒人加载的版本。
1p_load(devtools,stringi,pbapply,Rcpp,RcppProgress)
2install