Conteggio sillabe

Question

Sto cercando di assegnare alcuni punteggi di leggibilità diversi al testo in R come il Flesh Kincaid.

Qualcuno sa di un modo per segmentare le parole in sillabe usando R? Non ho necessariamente bisogno dei segmenti della sillaba ma di un conteggio.

così per esempio:

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

sarebbe resa: 1, 1, 2, 2, 1, 3

Ciascun numero corrispondente al numero di sillabe nella parola.

Answer 1

Alcuni strumenti per la NLP sono disponibili qui:

http://cran.r-project.org/web/views/NaturalLanguageProcessing.html

Il compito non è banale però. Altri suggerimenti (tra cui un algoritmo si potrebbe implementare) qui:

Detecting syllables in a word

Answer 2

GSK3 è corretta: se si desidera una soluzione corretta, è non banale.

Per esempio, è necessario guardare fuori per le cose strane come in silenzio e alla fine di una parola (ad es riquadro), o sapere quando non è in silenzio, come in finale.

Tuttavia, se si desidera solo una quick-and-dirty approssimazione, questo lo farà:

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

Per capire come le parti funzionano, solo spogliare la funzione chiama dall'esterno verso l'interno, a partire da nchar e poi da gsub, ecc ... ... fino a quando l'espressione ha senso per te.

Ma la mia ipotesi è, considerando una lotta tra il potere di R contro la profusione di eccezioni in lingua inglese, si potrebbe ottenere una risposta decente (forse il 99% giusto?) Analizzando il testo normale, senza molto lavoro - diamine , il semplice parser sopra può ottenere il 90% + a destra. Con un po 'più di lavoro, potresti occuparti di silent e se lo desideri.

Tutto dipende dalla vostra applicazione - se questo è abbastanza buono o avete bisogno di qualcosa di più preciso.

Answer 3

Il pacchetto koRpus vi aiuterà a immensley, ma è un po 'difficile da lavorare.

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

Answer 4

qdap version 1.1.0 fa questo compito:

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

## [1] 1 1 2 2 1 3