想请问一下jiebaR分词可以选择分词粒度吗？如何实现

[WangYuKane]

No description provided.

[qinwf]

你好，有多种分词的方法，具体可以参考 这里 。

> cc = worker()
> cc$default = "full"

default 可以设置的值为 c("mix", "query", "hmm", "mp", "tag", "full") 中的一个。

简单的说， hmm 会识别生词，直接用 hmm 模型分词，但是不使用词典，mp 使用词典， mix 使用词典和识别生词，full 是类似搜索引擎模式的分词。query 方法先使用mix方法切词，对于切出来的较长的词再使用 full 方法。

full 方法在 R 包里没有更新出来，但是在最新的 CRAN 版里是可以用的。设置 default 方法为 full 就可以了。

> cc = worker()
> cc["中华人民共和国"]
[1] "中华人民共和国"
> cc$default = "full"
> cc["中华人民共和国"]
[1] "中华"           "中华人民"       "中华人民共和国" "华人"          
[5] "人民"           "人民共和国"     "共和"           "共和国"        
> cc$default = "hmm"
> cc["我是黄小明"]
[1] "我"     "是"     "黄小明"
> cc$default = "mp"
> cc["我是黄小明"]
[1] "我" "是" "黄" "小" "明"
> cc
Worker Type:  Jieba Segment

Default Method  :  mp
Detect Encoding :  TRUE
Default Encoding:  UTF-8
Keep Symbols    :  FALSE
Output Path     :  
Write File      :  TRUE
By Lines        :  FALSE
Max Word Length :  20
Max Read Lines  :  1e+05

Fixed Model Components:  

$dict
[1] "C:/Users/outwen/Documents/R/win-library/3.3/jiebaRD/dict/jieba.dict.utf8"

$user
[1] "C:/Users/outwen/Documents/R/win-library/3.3/jiebaRD/dict/user.dict.utf8"

$hmm
[1] "C:/Users/outwen/Documents/R/win-library/3.3/jiebaRD/dict/hmm_model.utf8"

$stop_word
NULL

$user_weight
[1] "max"

$timestamp
[1] 1469182808

$default $detect $encoding $symbol $output $write $lines $bylines can be reset.

之后我会把文档更新一下。

[WangYuKane]

感谢您的细致的回复，最近才看到，不好意思！

full模式确实可以得到多种粒度的词，但并没法得到完整句子

比如：

cc["我来自中华人民共和国"]
[1]"我" "来自" "中华" "中华人民" "中华人民共和国" "华人"
[5] "人民" "人民共和国" "共和" "共和国"

虽然可以得到不同粒度的切词，但并没法得到完整语义的句子

不知道是否有办法在不同粒度下切词，又可以有完整语义的句子？

感谢您的细心解答！

祝好！

[qinwf]

粒度怎么定义？

除了 full，还有 "mix", "query", "hmm", "mp", 这四种方法。full 方法适用于搜索引擎的切词。