介绍

"结巴"中文分词的R语言版本，支持四种分词模式，同时有词性标注，关键词提取，文本Simhash相似度比较等功能。项目使用了Rcpp和CppJieba进行开发。

特性

• 支持 Windows，Linux，Mac 操作系统。
• 通过 Rcpp 实现同时加载多个分词系统,可以分别使用不同的分词模式和词库。
• 支持多种分词模式、中文姓名识别、关键词提取、词性标注以及文本Simhash相似度比较等功能。
• 支持加载自定义用户词库，设置词频、词性。
• 同时支持简体中文、繁体中文分词。
• 支持自动判断编码模式。
• 较原"结巴"中文分词和其他 R 分词包速度快。
• 安装简单，无需复杂设置。
• 可以通过Rpy2，jvmr等被其他语言调用。
• 基于MIT协议。