R 在跑ML/DM演算法時，核心還是用C/C++去實做的，
更底層的線性代數則是用如BLAS等庫。
這種做法的好處在於，抓取運行效能和寫程式碼的平衡。
例如整理資料時，由於每次面對的資料都不同，可以快速用R Script來開發。
但是進入到最佳化運算時，由於每次要做的計算都類似，就可以用C 來加速。
比較R 這類直譯語言的時候，最主要的考量點還是功能性，而非速度。
速度的部分都可以透過C 撰寫的外掛來針對bottle neck 做加速。
而且第三方的套件庫核心，通常也會用C 來開發。
我自己也是平時寫R ，碰到bottle neck 再使用Rcpp來加速。
和純C++ 應用比起來，更有彈性：
- 不吃效能的部分，用R script開發比C 快很多（IO、Logging、Configuration...）
- R 能夠直接傳pointer 給C 處理資料，所以R extension 和純C 的差別應該只在於
呼叫動態函式庫的overhead
- R 的套件很豐富
- R 有自己的Build Chain （對於不習慣使用CMake 的我是個加分）
回到你的問題，
在自然語言處理，比較有名的套件就是：
R 的tm、http://cran.r-project.org/web/packages/tm/index.html
Python 的nltk，http://www.nltk.org/
建議你可以先都試試看。
10G 資料的話，
核心部分沒有C 應該還是吃力。
※ 引述《vvrr (vvrr)》之銘言：
: [問題類型]:
:
: 效能諮詢(我想讓R 跑更快)
:
: [軟體熟悉度]:
: 入門(寫過其他程式，只是對語法不熟悉)
: [問題敘述]:
: 目前主要的工作是關於自然語言處理(Natural Language Processing)，
: 一直以來都是用C在做大量的文字處理（處理量約是10G左右）。
: 前幾天同事發現R語言，提到有不少套件可以使用，
: 想詢問大家，如果處理這種量級的資料，
: R的速度會很慢嗎？和其他語言(C, java, php, ...)相比的感覺？
: 我查的資料提到R主要是做「統計」的運算，
: 在這裡：http://www.meetup.com/Taiwan-R/ 提到可以做ML/DM。
: R給我的感覺是類似script，但是一般做ML/DM資料量都很大，
: 「是不是 R經過compiler之後就能直逼 C的效能？」有這樣的疑問。
: 不知道有沒有版友有實際上使用的經驗能分享？
: 謝謝
: [關鍵字]:
: 速度, 效能, NLP