r语言结巴函数怎么自定义用户词典

show_dictpath() #显示字典路径(如果不知道字典路径可以查询)

edit_dict() #用户词典，可以直接调出该文档并编写，但是记得保存后重新加载一次分词引擎

这个就是内置调用字典的

你可以再work函数中有个参数好像叫user,可以自己用text写一列字典，用utf-8编码的，然后引用这个path就可以了

如何使用中文分词和自定义中文分词词典

可以使用下面的命令，启用中文分词。

1.CREATE EXTENSION zhparser

2.

3.CREATE TEXT SEARCH CONFIGURATION testzhcfg (PARSER = zhparser)

4.

5.ALTER TEXT SEARCH CONFIGURATION testzhcfg ADD MAPPING FOR n,v,a,i,e,l WITH simple

6.

7.--可选的参数设定

8.alter role all set zhparser.multi_short=on

9.

10. --简单测试

11. SELECT * FROM ts_parse('zhparser','hello world! 2010年保障房建设在全国范围内获全面启动，从中央到地方纷纷加大了保障房的建设和投入力度。2011年，保障房进入了更大规模的建设阶段。住房城乡建设部党组书记、部长姜伟新去年底在全国住房城乡建设工作会议上表示，要继续推进保障性安居工程建设。')

12.

13. SELECT to_tsvector('testzhcfg','“今年保障房新开工数量虽然有所下调，但实际的年度在建规模以及竣工规模会超以往年份，相对应的对资金的需求也会创历史纪录。”陈国强说。在他看来，与2011年相比，2012年的保障房建设在资金配套上的压力将更为严峻。')

14.

15. SELECT to_tsquery('testzhcfg','保障房资金压力')

利用分词进行全文索引的方法如下。

1.--为T1表的name字段创建全文索引

2.create index idx_t1 on t1 using gin (to_tsvector('zhcfg',upper(name)))

3.

4.--使用全文索引

5. select*from t1 where to_tsvector('zhcfg',upper(t1.name))@@ to_tsquery('zhcfg','(防火)')

还可以使用自定义的中文分词词典，使用方法如下，注意自定义中文分词词典在内核小版本20160801和之后的版本才支持。

1.--确实的分词结果

2.SELECT to_tsquery('testzhcfg','保障房资金压力')

3.

4.--往自定义分词词典里面插入新的分词

5.insert into pg_ts_custom_word values ('保障房资')

6.

7.--使新的分词生效

8.select zhprs_sync_dict_xdb()

9.

10. --退出此连接

11. \c

12.

13. --重新查询，可以得到新的分词结果

14. SELECT to_tsquery('testzhcfg','保障房资金压力')

使用自定义分词的注意事项如下。

1.最多支持1000000条自定义分词，超出部分不做处理，用户必须保证分词数量在这个范围之内。自定义分词与缺省的分词词典将共同产生作用。

2.每个词的最大长度为128字节，超出部分将会截取。

3.通过增删改分词之后必须执行selectzhprs_sync_dict_xdb()并且重新建立连接才会生效。

---