R文本挖掘 - 将段落一个接一个地组合而不会混淆句子

Question

R和文本挖掘的初学者.目前使用tm包.

我试图将两个不同文档的文本一起添加到语料库中.当我使用像

 c(corpus.doc[[1]],corpus.doc[[2]]) 

或粘贴声明

  paste(corpus.doc[[1]],corpus.doc[[2]]) 

我得到了每行合并的文本结果.

例如:if

> corpus.doc[[1]] 

He visits very often 
and 
sometimes more

> corpus.doc[[2]]) 

She also 
stays

我对这些陈述的看法是这样的

He visits very often She also
and stays
sometimes more

我怎样才能防止这种情况发生

He visits very often
and 
sometimes more
She also 
stays

或者是否有一种简单的方法来组合R tm包中的文档？先感谢您!

---

附加信息

---

当我使用
< - c(corpus.doc [[1]],corpus.doc [[2]]时,recursive = TRUE)

我认为a成为一个包含两个文档的语料库,因此每个文档的文本仍未合并.我希望如此

a[[1]] 

给了我corpus.doc [[1]]和corpus.doc [[2]]的组合文本.

str(corpus.doc)

显示这样的事情

 List of 4270
 $ CREC-2011-01-05-pt1-PgE1-2.htm   :Classes     'PlainTextDocument',   'TextDocument', 
      'character'  atomic [1:74] html head titlecongression record volume  issue  
 head  ...
 .. ..- attr(*, "Author")= chr(0) 
 .. ..- attr(*, "DateTimeStamp")= POSIXlt[1:1], format: "2009-01-17 15:45:25"
 .. ..- attr(*, "Description")= chr(0) 
 . . ..- attr(, "Heading")= chr(0) .. ..- attr(, "ID")= chr "CREC-2011-01-05-pt1-PgE1- 2.htm"

它一直在继续......

Answer 1

pkg:tm 中的帮助说有一个 c.Corpus 函数，其“递归”的默认设置为 FALSE，但如果设置为 TRUE 可能会导致“智能”合并。如果您认为 copus.doc 是语料库类对象的列表，您可以尝试：

c( corpus.doc[[1]], corpus.doc[[2]], recursive=TRUE)

...但尚不清楚您是否真的拥有“Corpus”级对象。

str(corpus.doc)   # see above

因此，这个很长的列表中的第一个元素不是Corpus类对象，而是 PlaintextDocument。