[問題] Rwordseg自定義詞庫

[dustnight (一起做個有溫度的人)]

[問題類型]:程式諮詢

[軟體熟悉度]:
新手(沒寫過程式，R 是我的第一次)

[問題敘述]:
最近在做text mining的練習，由於斷詞的過程需要考量一些專有名詞，
因此採用Rwordseg進行斷詞，斷詞的過程當中，會遇到安裝詞典/或是使用自定義詞典
的狀況，產生了一些問題想來請問前輩們。
1. 在使用installDict時，想安裝NTUSD的資料辭典，使用以下指令：
installDict(file.choose(),"positive",dicttype="text")
但是安裝後卻出現
1 words were loaded! ... New dictionary 'positive' was installed!
There were 50 or more warnings (use warnings() to see the first 50)
Warning messages:
1: In readLines(dictpath, encoding = dic.enc) :
  line 1 appears to contain an embedded nul
等問題，看起來是有安裝成功但是點進去dic檔案裡面看卻發現只有一個詞彙(原本txt檔案
想來請問各位前輩們是否有遇到過類似問題，又該怎麼解決？
2.
在自定義詞庫時，我用insertwords("畢業證書",save=T)來增加畢業證書這個詞彙
但是在segmentCN("自己的畢業證書自己撿")做測試時，卻仍然會有
[1] "自己" "的"   "畢業" "證書" "自己" "撿"
的狀況,（反而結巴還會斷出畢業證書...)
是我沒有增加詞庫成功嗎？
3.
目前不使用結巴的原因在於不確定結巴是否可以自行增加詞庫


[環境敘述]:
R version 3.3.3 (2017-03-06)
Platform: x86_64-apple-darwin13.4.0 (64-bit)
Running under: OS X El Capitan 10.11.6

locale:
[1] zh_TW.UTF-8/zh_TW.UTF-8/zh_TW.UTF-8/C/zh_TW.UTF-8/zh_TW.UTF-8

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base

other attached packages:
 [1] igraph_1.0.1       wordcloud_2.5      RColorBrewer_1.1-2 Rwordseg_0.2-1
 [5] jiebaR_0.9.1       jiebaRD_0.1        rJava_0.9-8        tm_0.7-1
 [9] NLP_0.1-9          tmcn_0.1-4

loaded via a namespace (and not attached):
[1] magrittr_1.5   parallel_3.3.3 tools_3.3.3    Rcpp_0.12.7    slam_0.1-38

[關鍵字]:
text mining, Rwordseg

--
※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 140.115.87.240
※ 文章網址: https://www.ptt.cc/bbs/R_Language/M.1492849707.A.F30.html
→ sulaxd: 結巴可以新增詞庫 edit_dict()
→ dustnight: 謝謝您,但是我加進去後它顯示error decode的錯誤耶,請
→ dustnight: 問是只能加上簡體中文內文的檔案嗎?
推 clansoda: 結巴github上面的documentation寫得很清楚 可以看看
→ dustnight: 好的～謝謝您