hadoop-R语言-安装NLP自然语言分析包

引言： R语言是一种非常强大的分析与展示的统计科学家工具，其也提供了若干关于自然语言的分析处理工具，本文讲展示如何在Linux进行安置。

1.  自然语言处理（NLP）

  对于英语体系，基于空格可以直接进行分词，而中文则不同，需要进行分词，然后进行后续处理。NLP是natural language processing的缩写，专指此类的工作。

    自然语言处理包： Snowball， RWeka

    文本挖掘： tm

    分词工具： Rwordseg

2.  所属环境

    Linux： centos 6， 已经安置Java， 由于Rwordseg需要依赖java

3.  安置指令与过程

   3.1  安装R语言环境

     >> yum install R

     

   3.2  安装Snowball

     >> install.packages(c('Snowball'))  

        其会提示该包没有找到，需要使用以下包：

     >> install.packages(c('SnowballC'))      

   3.3  安装tm

    >> install.packages(c('tm'))        

      

   3.4 安装RWeka

    >> install.packages(c('RWeka'))

     

     

   3.5 安装Rwordseg

     直接执行install.packages(c('Rwordseg'))将会报错，提示找不到此类包。

     需要切换到install.packages("Rwordseg", repos ="http://R-Forge.R-project.org", type = "source")，从另外一个源中进行安装。

    

     

3.6 结束

 安装完成了所有必须的NLP。