按词性提取单词

一直关注这样一个问题，一段英文文字中用到了哪些词，尤其是动名形容词？这样可以有目的地提高词汇量从而有助于英文写作。

几乎每届R语言会议上都有关于文本处理的分会场，文本处理在如今的社会中有非常重要的应用。但是对于自己而言并不需要这些繁杂的用处，而且英文的处理相对于中文要简单不少，在R中也有相应的包可以实现这些。一开始借助OpenNLP，但有几个缺点：

• 2个包要用到rjava，安装时非常之繁琐且容易失败，解决方法。

• 分词很慢。

• 同一个单词不同词形比如复数、时态不能归一，造成冗余。

后来为了解决词形的问题时遇到一页博客提及对应的英文单词是lemmatization，通过google后找到koRpus利用TreeTagger能够实现。注意Windows下要下载English parameter file并解压到lib文件夹中，以及安装Perl。运行时可能会报错，koRpus的解决方法见这里。
分词（或句子）用quanteda::tokenize实现。

提取的结果并不完美，例如会出现数字开头的错误单词，不要苛责。