当我将以下代码运行到倒数第二行时,我收到了警告消息:
在mclapply(content(x),FUN,...)中:所有计划的核心在用户代码中遇到错误
当我跑完最后一行时,我得到了
"UseMethod(\"words \")中的错误:\n没有适用于"字"的方法应用于类\"character \"\n"attr(,"class")"try-error"attr(, "条件")
以下链接是一个可重现的示例,我们可以将其复制/粘贴到R并运行.
https://github.com/weijia2013/mclapply-issue/blob/master/codes
我刚开始学习R,我将非常感谢你的帮助.
library(devtools)
install_github("twitteR", username="geoffjentry")
library(twitteR)
setup_twitter_oauth("API Key", "API Secret")
rdmTweets <- userTimeline('rdatamining', n=200)
(nDocs <- length(rdmTweets))
rdmTweets[11:15]
for (i in 11:15) {cat(paste("[[", i, "]] ", sep="")) + writeLines(strwrap(rdmTweets[[i]]$getText(), width=73))}
df <- do.call("rbind", lapply(rdmTweets, as.data.frame))
dim(df)
library(tm)
library(SnowballC)
library(RWeka)
library(rJava)
library(RWekajars)
myCorpus <- Corpus(VectorSource(df$text))
myCorpus <- tm_map(myCorpus, tolower)
myCorpus <- tm_map(myCorpus, removePunctuation)
myCorpus <- tm_map(myCorpus, removeNumbers)
removeURL <- function(x) gsub("http[[:alnum:]]*", "", x)
myCorpus <- tm_map(myCorpus, removeURL)
myStopwords <- c(stopwords("english"), "available", "via")
myStopwords …我试图在R中做一些干预,但它似乎只适用于单个文档.我的最终目标是一个术语文档矩阵,显示文档中每个术语的频率.
这是一个例子:
require(RWeka)
require(tm)
require(Snowball)
worder1<- c("I am taking","these are the samples",
"He speaks differently","This is distilled","It was placed")
df1 <- data.frame(id=1:5, words=worder1)
> df1
id words
1 1 I am taking
2 2 these are the samples
3 3 He speaks differently
4 4 This is distilled
5 5 It was placed
此方法适用于词干部分,但不适用于术语文档矩阵部分:
> corp1 <- Corpus(VectorSource(df1$words))
> inspect(corp1)
A corpus with 5 text documents
The metadata consists of 2 tag-value pairs and a data frame
Available tags are: …我有许多PDF文档,我已将其读入带库的语料库中tm.如何将语料库分解成句子？
可以readLines通过sentSplit从包qdap[*] 读取文件来完成.该功能需要数据帧.它还需要放弃语料库并单独阅读所有文件.
如何在语料库中传递函数sentSplit{ qdap} tm？或者,还有更好的方法？.
注意:sentDetect 库中有一个函数,openNLP现在是Maxent_Sent_Token_Annotator- 同样的问题适用:如何将它与语料库[tm]结合起来？
我正在对TM包进行大量分析.我最大的问题之一是与词干和词干变换有关.
假设我有几个与会计相关的术语(我知道拼写问题).
在阻止后我们有:
accounts -> account
account -> account
accounting -> account
acounting -> acount
acount -> acount
acounts -> acount
accounnt -> accounnt
结果:3个条款(帐户,帐户,帐户)我希望1(帐户),因为所有这些都与同一个词有关.
1)纠正拼写是一种可能性,但我从来没有在R中尝试过.这是否可能？
2)另一种选择是建立一个参考列表,即账户=(账户,账户,会计,会计,账户,账户,账户),然后将所有事件替换为主条款.我怎么会在R？
再一次,任何帮助/建议将不胜感激.
我一直在研究R中{tm}包的许多在线示例,试图创建一个TermDocumentMatrix.创建和清理语料库非常简单,但是当我尝试创建矩阵时,我一直遇到错误.错误是:
UseMethod("meta",x)中的错误:"meta"没有适用于类"character"对象的适用方法此外:警告消息:在mclapply(unname(content(x)),termFreq,control):all计划的核心在用户代码中遇到错误
例如,这里是Jon Starkweather的文本挖掘示例中的代码.为这么长的代码提前道歉,但这确实产生了一个可重复的例子.请注意,错误在{tdm}函数结束时出现.
#Read in data
policy.HTML.page <- readLines("http://policy.unt.edu/policy/3-5")
#Obtain text and remove mark-up
policy.HTML.page[186:202]
id.1 <- 3 + which(policy.HTML.page == " TOTAL UNIVERSITY </div>")
id.2 <- id.1 + 5
text.data <- policy.HTML.page[id.1:id.2]
td.1 <- gsub(pattern = "<p>", replacement = "", x = text.data,
ignore.case = TRUE, perl = FALSE, fixed = FALSE, useBytes = FALSE)
td.2 <- gsub(pattern = "</p>", replacement = "", x = td.1, ignore.case = TRUE,
perl = FALSE, fixed = FALSE, useBytes …我正在努力让RKEA在R Studio中工作.这是我目前的代码:
#Imports packages
library(RKEA)
library(tm)
#Creates a corpus of training sentences
data <- c("This is a sentence",
"I am in an office",
"I'm working on a laptop",
"I have a glass of water",
"There is a wooden desk",
"I have an apple for lunch")
data <- as.data.frame(data)
data <- Corpus(VectorSource(data$data))
#Creates a corpus of training keywords
keywords <- c("sentence",
"office",
"working",
"glass",
"wooden",
"apple")
keywords <- as.data.frame(keywords)
keywords <- Corpus(VectorSource(keywords$keywords))
#Creates output file for created model
tmpdir <- tempfile() …我有一些工作R代码,从术语 - 文档矩阵生成标签云.
现在我想从许多文档中创建一大堆标记云,并在以后可视化地检查它们.为了知道标签 - 云图片属于哪个文档/语料库,我想为生成的图形添加标题.我怎么做？
也许这很明显,但我仍然是R图形的初学者.
我自己的语料库太大了,无法在此列出,但是这个SO问题的代码(结合代码形成SO用户Andrie的接受答案)可以使用: wordcloud中的空格 我想添加自定义标题和一些更自定义的文本像照片这样
我正在使用tm-package 在R中进行一些文本挖掘.一切都很顺利.但是,在词干之后会出现一个问题(http://en.wikipedia.org/wiki/Stemming).显然,有些词语具有相同的词干,但重要的是它们不会"被拼凑"(因为这些词语意思不同).
有关示例,请参阅下面的4个文本.在这里你不能使用"讲师"或"讲座"("协会"和"联系人")可互换.但是,这是在步骤4中完成的操作.
是否有任何优雅的解决方案如何手动实现某些案例/单词(例如,"讲师"和"讲座"是两个不同的东西)？
texts <- c("i am member of the XYZ association",
"apply for our open associate position",
"xyz memorial lecture takes place on wednesday",
"vote for the most popular lecturer")
# Step 1: Create corpus
corpus <- Corpus(DataframeSource(data.frame(texts)))
# Step 2: Keep a copy of corpus to use later as a dictionary for stem completion
corpus.copy <- corpus
# Step 3: Stem words in the corpus
corpus.temp <- tm_map(corpus, stemDocument, language = "english")
inspect(corpus.temp) …我正在开始使用R中的tm软件包,所以请耐心等待,并为大文本墙做道歉.我创造了一个相当大的社会主义/共产主义宣传语料库,并希望提取新创造的政治术语(多个词,例如"斗争 - 批评 - 转型运动").
这是一个两步的问题,一个关于我的代码到目前为止,一个关于我应该如何继续.
第1步:为此,我想首先确定一些常见的ngram.但是我很早就陷入了困境.这是我一直在做的事情:
library(tm)
library(RWeka)
a <-Corpus(DirSource("/mycorpora/1965"), readerControl = list(language="lat")) # that dir is full of txt files
summary(a)
a <- tm_map(a, removeNumbers)
a <- tm_map(a, removePunctuation)
a <- tm_map(a , stripWhitespace)
a <- tm_map(a, tolower)
a <- tm_map(a, removeWords, stopwords("english"))
a <- tm_map(a, stemDocument, language = "english")
# everything works fine so far, so I start playing around with what I have
adtm <-DocumentTermMatrix(a)
adtm <- removeSparseTerms(adtm, 0.75)
inspect(adtm)
findFreqTerms(adtm, lowfreq=10) # find terms …我是R和tm包中的新手,所以请原谅我的愚蠢问题;-)如何在R tm包中显示纯文本语料库的文本？
我在语料库中加载了一个包含323个纯文本文件的语料库:
src <- DirSource("Korpora/technologie")
corpus <- Corpus(src)
但是当我用语料库调用语料库时:
corpus[[1]]
我总是得到这样的输出而不是语料库本身:
<<PlainTextDocument>>
Metadata: 7
Content: chars: 144
Content: chars: 141
Content: chars: 224
Content: chars: 75
Content: chars: 105
如何显示语料库的文本？
谢谢!
更新可 重复的样本:我已经尝试了内置的示例文本:
> data("crude")
> crude
<<VCorpus>>
Metadata: corpus specific: 0, document level (indexed): 0
Content: documents: 20
> crude[1]
<<VCorpus>>
Metadata: corpus specific: 0, document level (indexed): 0
Content: documents: 1
> crude[[1]]
<<PlainTextDocument>>
Metadata: 15
Content: chars: 527
如何打印文档文本？
更新2:会话信息:
> sessionInfo()
R version 3.1.3 (2015-03-09) …