R语言分词

本文挖掘是数据挖掘中一个非常重要的部分，我们可以对新闻事件进行分析，了解国家大事；也可以对微博信息进行分析，通过社交舆情看看大家的关注点。通过文本挖掘找到文章中的隐藏信息，对文章的结构进行分析，判断是不是同一个作者写文章等等。

本文挖掘的第一步，就是要进行分词，分词将直接影响文本挖掘的效果。R语言在分词方面有很好的支持，接下来就介绍一个R语言中文分词包jiebaR。

本文通过对17年和18年2年的年终总结文本分析和可视化，来说明jiebaR的使用方法。

#通过 CRAN 安装

install.packages("jiebaR")

【三种分词语句的写法】

使用默认参数，虽然写法不一样，但是分词的结果都是一样的。

【对txt文本分词】

like.txt文件在当前目录下面，utf-8的格式

运行分词程序，会在当前目录生成一个新的分词结果的文件。

【保留符号】

【自定义词】

添加用户自定义词到已经新建的分词器中，把“我的”和“桌位上”定义成两个词，默认是分开的。

【停止词】

停止词就是分词过程中，我们不需要作为结果的词，我们通常都会将这些词进行过滤。把"苏征涯"设置成不显示的词。

【词频统计】

【关键词统计】

【案例-2017年年终总结】

2017年总结关键词："学习","计划","R","2018","时间" 。

【案例-2018年年终总结】

2018年总结关键词："学习","完成","数据","可视化","R" 。

可见，学习和R语言在2017和2018年都是很重要。