之前，我写过一篇关于Rwordseg包的分词，今天，我主要想谈谈jiebaR这个包。现在我也比较推荐使用jiebaR这个包，原因也大概总结了一下几点。
什么事情的，怎么干。函数原型如下：
worker(type = "mix", dict = DICTPATH, hmm = HMMPATH, user = USERPATH,
idf = IDFPATH, stop_word = STOPPATH, write = T, qmax = 20, topn = 5,
encoding = "UTF-8", detect = T, symbol = F, lines = 1e+05,
output = NULL, bylines = F, user_weight = "max")
现在，我来简单说说每个参数的意义。
另外一个函数就是segment，它就好比老板，它有三个参数，code就好比任务，jiebar就是一个worker，但是担心worker对工作的方法不懂，那就用mod参数再告诉worker怎么做，也就是用什么分词引擎分词。作用分别如下。它要用这个工人worker去分词。
了解完这些参数之后，我们现在就来简单的做一个小分词。
library(jiebaR)
engine<-worker()
words<-"想学R语言，那就赶紧拿起手机，打开微信，关注公众号《跟着菜鸟一起学R语言》，跟着菜鸟一块飞。"
segment(words,engine)
运行结果如下：
在这里，我们除了使用segment之外，还可以分别使用下面代码分词，两个效果都一样。
engine<=words
这个的话有两种方法。
1.使用new_user_word函数；
2.使用worker函数中通过user参数添加词库。
那刚才那个例子来说，“公众号”本来就是一个词，结果被分成两个词，因此我需要添加这个词。另外，我也想要“R语言”也被分成一个词。接下来我们就分别使用这两种方法来实现。
▷ new_user_word函数
engine_new_word<-worker()
new_user_word(engine_new_word, c("公众号","R语言"))
segment(words,engine_new_word)结果如下：
▷ 使用user参数添加词库
看完使用new_user_word函数添加词之后，你是不是心里就在想，如果我有几十个，甚至几百几千个词的话，如果这样输的话那估计得累死。因此我们可以自定义一个词库，然后从词库里面直接读。我建的词库截图如下：
engine_user<-worker(user='dictionary.txt')
segment(words,engine_user)为了便于比较，我把这这几次分词结果图截到一起，如下
需要说明的是，在使用词库的话也可以使用new_user_word函数。因此也可以写成下面这样，结果是一样的。
new_user_word(engine_new_word,
scan("dictionary.txt",what="",sep="\n"))
segment(words,engine_new_word)注意
（1）词库的第一行一定要空着，否则第一个词就会莫名其妙的失效。
（2）如果你的词库是用记事本写的话，因为编码有时不是UTF-8,使用时会出现 各种错误，甚至软件奔溃。所以建议使用notepad++编辑，将编码设置为utf-8，另存为txt文件。
（3）如果你需要添加搜狗细胞词库的话，那你需要安装cidian包，它可以帮助 我们把搜狗细胞词库转换为jiebaR可以使用的词库。
就拿我们刚才使用的例子，分词之后的“那”，“就”就是停用词，因此我们需要删掉。这里我们需要使用worker函数的stop_word参数。
engine_s<-worker(stop_word = "stopwords.txt")
segment(words,engine_s)
通过对比，我们发些，“那”，“就”已经被删掉了。
这个jiebaR这个包的功能很全，它已经提供了一个函数——freq，来自动计算获取词频。
freq(segment(words,engine_s))这个函数就自动计算了words分词之后的词频，这下我们就很容易使用wordcloud2包绘制词云。
jiebaR包，提供了一个qseg函数的话，它在分词的时候也会加上词性：它有两种使用方法。
qseg[words]
qseg<=words
其中词性标注也可以使用worker函数的type参数，type默认为mix，仅需将它设置为tag即可。
tagger<-worker(type="tag")
tagger<=words
我自己也找网上找了一些汉语文本词性标注的资料，整理到如下表格。
我们需要把worker里面的参数type设置为keyword或者simhash，使用参数topn设置提取关键字的个数，默认为5个。
#type=keywords
keys<-worker(type="keywords",topn=2)
keys<=words
#type=simhash
keys2<-worker(type="simhash",topn=2)
keys2<=words结果如下：
看完之后有没有觉得jiebaR这个包的功能很强大，使用起来也很简单方便。我觉得它大部分功能，都可以通过worker函数来实现。如果你已经喜欢上jiebaR,那就在底下给我点个“赞”，然后赶紧去试试吧！