巧用R进行中文文本信息处理.pdfVIP

SOFTWARE DEVELOPMENT AND DESIGN 软件开发与设计 巧用 R 进行中文文本信息处理 贾满磊 1 ， 李大展 1 ， 王水 2 （ 南 阳理工学 院 ， 河南 南 阳 ； 宁波大 红 鹰学 院 ， 浙江 宁 波 ） 1. 473000 2. 315100 摘 要 ： 以统计道藏目录 的中文词频 为例 ， 讲 述使 用 R 处理 Unicode 中文 的相关技 巧和 注意事项 。 关键词 ： 文本挖掘 ； R ； 中文 ； arulesSequences Techs and Tricks of Chinese Text Mining Using R JIA Man-lei1 , LI Da-zhan1 , WANG Shui2 （ 1. Nanyang Institute of Technology, Henan Nanyang 473000 , China; ， ） 2. Ningbo Dahongying University Zhejiang Ningbo 315100 , China Abstract ： Uses the word frequency statistical computing as an empirical case to discuss the techs tricks of dealing with Unicode Chinese text Using R. Key words ： text mining ; R ; Chinese text ; arulesSequences R 号 称 “ 万 能的 R”， 这 个 开源 的系统基 本 上 可以 处理 想 需 要 注 意 的是 ， “ 安 装 ” 和 “ 加 载 ” 包 不 是 一 回事 。 安 到 的任何 计 算 任务 ， 包括统计处理 、 数 据 挖 掘 、 数 据 可 视 化 装 以后 还 需 要在 菜 单中 加 载 已经安 装 的包 ， 才 能 在 R 中使用 等 [1] 。 由于 中文 的特 殊 性 ， 特 别对于需 要 使用 Unicode 编 码 的 该包提供 的函数 。 字 符 集 ， 在 使用 R 处理的 时 候 ， 需 要 有 特 殊 的处理 技 巧 ； 以 一 旦程序 包 安装后 ， 每次使用的 时候 ， 可以通过命 令 ： 道藏 目录文本 中 的字频 统计为例 ， 来 介绍 相关 的技术和技巧 。 library (包 名) 1 安装和加载附加程序包 来加 载 它 。 例 如 ： R 和其他 商业 化的计 算 系统非 常不一样 的地方在于 ， 有 无 library (arulesSequences) 数的 人 在 为 R 添 加 他 们 认 为 有应用 价 值 的模 块 （ 称为 “ pack－ 加载序列模式挖掘包 arulesSequences 。 可以