matlab可以使用词云分析吗,R系列：分词、去停用词、画词云（词云形状可自定义）...

附注：不要问我为什么写这么快，是16年写的。

R的优点：免费、界面友好(个人认为没有matlab友好，matlab在我心中就是统计软件中极简主义的代表)、小(压缩包就几十M，MATLAB.R2009b的压缩包是1.46G)、包多(是真的多，各路好友会经常上传新的包)。

R的麻烦之处：经常升级，是经常，非常经常，这就导致你在加载一个包之前需要考虑这个包要在R的哪个版本上才能使用，而往往做一件事情都要加载10个包左右，一般比较方便的做法就是先升级到最新版，因为只有小部分的包在新版本上不能用。

言归正传，下面用R语言画出红楼梦的词云图。主要是为了演示词云图的画法，不涉及分析。

一直对红楼有不可言说的感情，再见，纯真，你好，任重道远！

一、软件准备

版本：R x64 3.2.5(我的电脑是64位的，可根据自己电脑自行安装相应版本)

下载链接：https://mirrors.tuna.tsinghua.edu.cn/CRAN/

二、数据准备

文本：红楼梦txt，1.69M，链接：

http://vdisk.weibo.com/s/AfY-rVkr37U3?sudaref=www.so.com

词典：

http://pinyin.sogou.com/dict/search/search_list/%BA%EC%C2%A5%C3%CE/normal/1

停用词库：根据需要自定义了部分停用词，详情见附录1。

三、算法介绍

采用R语言里的Rwordseg包分词。Rwordseg是R环境下的中文分词工具，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ictclas中文分词算法，采用HMM模型。

自带基础词库，支持新加词典。

新加词典放在E:R-3.2.5libraryRwordsegdict目录下。(E是R安装位置)

Rwordseg包的详细说明可在E:R-3.2.5libraryRwordsegdocRwordseg_Vignette_CN.pdf目录下查看。

四、程序及结果

1.总耗时：1min左右

1.1.分词耗时：24.54秒

图1 分词耗时