博文
在R下使用MMSeg4j中文分词
||
中文分词程序：MMSeg4j：
https://blog.sciencenet.cn/blog-461456-580216.html
上一篇：mmseg4j: 中文分词
下一篇：两句最简单R命令，竟然频繁出错～～～
根据程序的结构（现在是1.8版了，mmseg4j-all-1.8.5-with-dic.jar）和rJava接口包的要求，我使用下面的方法直接在R中生成MMSeg4j的Java对象，并调用该对象的方法来获取分词结果：
| R命令 （预先要安装rJava包）： |
library(rJava) #make sure the jar file is in the "java" subdirectory of the “rJava”package. .jpackage(name="rJava",jars="mmseg4j-all-1.8.5-with-dic.jar") c <- .jnew("com/chenlb/mmseg4j/example/Complex"); outRef<-.jcall(c, "S", "segWords","我们大家都来学习"," | ",evalString = FALSE) .jstrVal(outRef) |
| 输出结果： | [1] "我们 | 大家 | 都来 | 学习" |
上面方法中，注意evalSring参数强调不需要将Java的字符串变量变成R字符串（中文要出毛病的）。
直接以“Java字符串”类型返回，即如果
> outRef
[1] "Java-Object{我们 | 大家 | 都来 | 学习}"
>
这样通过jstrVal可以获得正确的字符串。
第五个参数决定分词用的分隔符。
========
上面使用的是Complex方法；还有一个类是Simple方法，返回值类型不是基础类型，调用时候更复杂些。
https://blog.sciencenet.cn/blog-461456-580216.html
上一篇：mmseg4j: 中文分词
下一篇：两句最简单R命令，竟然频繁出错～～～
