多言語でも自然言語処理〜その１中国語jiebaR〜

##Rで中国語の形態素解析・自然言語処理
Mecabなどを用いて日本語の処理は行ったことがあったのですが
今回、中国語メディアの分析をすることになったので軽く解説。
案外、Rで外国語自然言語関連の記事は少ないんだなと...(みんなPythonでやるんでしょうけど)
今後韓国語やその他言語の処理を行うことも多くなると思うので
社内外向けにシリーズ化していきたい。

##とりあえず名詞抽出からワードクラウド生成まで

chinese_analysis.rb

#パッケージインストール
install.packages("jiebaR")
library("jiebaR")
library("wordcloud2")

#workerで指定するといろいろできるらしいとりあえず、名詞だけ抽出しましょう
cc = worker("tag")
mixseg = worker()
#サンプル
res = cc["杨家的这种爱国精神由衷地佩服，并暗暗下定决心，我一定好好学习，
         长大后也要做像杨业一样的人，爱自己的祖国，为了祖国的发展、强大付出自己的全部，
         甚至是自己的生命也在所不惜。 之后我们去了万岁山大宋武侠城，一路走走停停来到了水浒街，
         看到了许多水浒情景剧，有“拳打镇关西”、“杨志卖刀”、“怒杀西门庆”、还有吞火表演之类的危险表演，
         看的我满身冷汗，真为她们捏一把汗呀！还好每次都是有惊无险，这真是“台上一分钟，台下十年功”呀 ！
         这就像是我们的学习，我们得到的每一分成功都和我们平时的付出紧密相连。在以后的成长道路上，
         我会时刻谨记一份耕耘，一份收获这个道理，在学习上踏踏实实地用好每一分，每一秒，绝不偷奸耍滑，
         拖拖拉拉，大家一起看我以后的表现吧！ 最后我们实景体验了压轴大戏真人版的“三打祝家庄”表演，
         只这一个演出参演人员有一百多人，他们个个骑着战马，手持兵器，在沙场上奋勇杀敌。
         最先出场的是祝家庄‘一丈青’扈三娘，梁山好汉王英策马迎战，几个回合后，王英被扈三娘活捉回去。
         梁山好汉秦明立即前来帮忙，祝家庄的祝龙策马迎战，两人打了十几个回合，祝龙不敌策马跑回了阵营，
         祝龙的师傅栾廷玉冲出阵营和秦明厮杀在一起......看着马在沙场奔跑，听着“嘚嘚嘚”的马蹄声，
         我仿佛身临其境，最后随着梁山好汉的胜利表演结束！ 夜幕降临、华灯初上，
         我们去品尝了开封著名小吃灌汤包，这才恋恋不舍的回家了。 六五班 于晗晨"]

#名詞抽出の関数作成
get_noun = function(x){
  stopifnot(inherits(x,"character"))
  index = names(res) %in% c("n","nr","nr1","nr2","nrj","nrf","ns","nsf","nt","nz","nl","ng")
  x[index]
}

#名詞のみ抽出
res<-get_adjective(res)
seg <- segment(res, mixseg)
seg2<-sort(table(seg), decreasing = T)[1:50]

#wordcloud準備
wordcloud_noun<-data.frame(seg2)
colnames(wordcloud_noun) <- c("word","freq")

#wordcloud描写
wordcloud2(wwordcloud_noun,size=1,minSize=0)

##アウトプット

とりあえずここまでできればあとはMecabなどの処理と変わらないのでいろいろ遊んでみる予定。

##参考文献
Package ‘jiebaR’
https://cran.r-project.org/web/packages/jiebaR/jiebaR.pdf
Quick Start Guide - jiebaR
https://cran.r-project.org/web/packages/jiebaR/vignettes/Quick_Start_Guide
上手jiebaR
https://www.cnblogs.com/hyacinth-yuan/p/8243476.html