Question

我希望为R中的文本分配一些不同的可读性分数，例如Flesh Kincaid。

有没有人知道使用R将单词分成音节的方法？我不一定需要自己的音节片段，而是计数。

所以例如：

x <- c('dog', 'cat', 'pony', 'cracker', 'shoe', 'Popsicle')

会产生： 1,1,2,2,1,3

每个数字对应单词中的音节数。

Answer 1

library(qdap)
x <- c('dog', 'cat', 'pony', 'cracker', 'shoe', 'Popsicle')
syllable_sum(x)

## [1] 1 1 2 2 1 3

Answer 2

gsk3是正确的：如果您需要正确的解决方案，则非平凡。

例如，你必须注意一些单词末尾的无声e之类的奇怪事物（例如 pane ），或者知道它何时不是静音，如结局

但是，如果你只想要一个快速和肮脏的近似，这样就可以了：

> nchar( gsub( "[^X]", "", gsub( "[aeiouy]+", "X", tolower( x ))))
[1] 1 1 2 2 1 3

要了解这些部分是如何工作的，只需从外部删除函数调用，从nchar开始，再到gsub等等......直到表达式对你有意义

但是我的猜测是，考虑到R的力量与英语中异常的大量之间的斗争，你可以得到一个不错的答案（可能99％对吗？）通过普通文本解析，没有大量的工作 - 哎呀，上面的简单解析器可能会得到90％+正确。如果你愿意，可以用更多的工作来处理沉默的电影。

这完全取决于您的应用程序 - 这是足够好还是您需要更准确的内容。

Answer 3

这里有一些NLP工具：

但这项任务并非易事。这里有更多提示（包括你可以实现的算法）：

Answer 4

koRpus软件包可以帮助你解决问题，但是它有点难以使用。

stopifnot(require(koRpus))
tokens <- tokenize(text, format="obj", lang='en')
flesch.kincaid(tokens)