如何通过rJava将Java字符串传递给R 实现Google Ngram词频交互

一、Java类调整建议 #

你现有的dictionary类可以正常使用，这里有个小优化点：当前带String参数的构造函数中，传入的初始line值会被后续文件读取的单词覆盖，你可以调整异常分支的逻辑，文件读取失败时返回传入的默认值，避免返回空字符串：

catch(IOException e) {
    System.out.println("File does not exist, use default word.");
    // 保留传入的默认值即可
}

运行前先执行javac dictionary.java编译得到class文件，和words.txt一起放在R的工作目录下即可。

二、R侧代码修正（字符串接收+词频统计+回传） #

你原来的R代码调用逻辑错误：getLine是你自定义的dictionary类的成员方法，不属于Java原生java.lang.String类，所以调用失败。修正后的完整代码如下：

library("ngramr")
library("rJava")

# 初始化JVM，指定当前目录为classpath，确保能识别你编译的dictionary.class
.jinit(classpath = ".", parameters = getOption("java.parameters"))

# 实例化自定义的dictionary类对象
dict_obj <- .jnew("dictionary")
# 如果需要用带参数的构造函数可以写为：dict_obj <- .jnew("dictionary", "默认测试词")

# 调用getLine方法获取Java侧生成的目标单词
target_word <- .jcall(dict_obj, returnSig = "S", method = "getLine")
print(paste0("获取到的目标单词：", target_word))

# 统计Google Ngram词频，返回各年份的相对出现占比
ngram_result <- ngram(target_word, year_start = 1800, smoothing = 0, case_insensitive = TRUE)
# 计算单词的平均出现频次，数值越低代表单词越冷门
word_freq <- mean(ngram_result$Frequency, na.rm = TRUE)
print(paste0("单词平均词频：", word_freq))

# 回传数据到Java侧：如果需要把词频/计算好的积分传给Java，只需在dictionary类中新增接收参数的成员方法，比如新增setWordFreq方法后直接调用即可
# 示例：.jcall(dict_obj, method = "setWordFreq", returnSig = "V", word_freq)

三、核心逻辑说明 #

• 积分规则适配：ngramr返回的Frequency字段是单词在对应年份书籍样本中的出现占比，你可以直接用该值换算积分，比如获得积分 = 基础分 * (1/word_freq)，自动实现冷门单词积分更高的规则
• 回传Java的参数类型：如果传递的是整数/浮点数类型的积分，.jcall会自动匹配Java对应类型的入参方法，不需要额外做类型转换
• 查询优化：如果遇到ngram查询失败的情况，可以给ngram函数增加corpus = "eng_2019"参数指定语料库版本，提高查询成功率

内容的提问来源于stack exchange，提问作者barrettw