我试图找到一个实际上可以找到R文本挖掘包中最常用的两个和三个单词短语的代码(也许还有另一个我不知道的包).我一直在尝试使用标记器,但似乎没有运气.
如果您过去曾处理过类似情况,您是否可以发布经过测试且实际有效的代码？非常感谢!
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 ... …我已经看到这个问题用其他语言回答但在R.
[特别是对于R文本挖掘]我有一组从语料库中获得的常用短语.现在我想搜索这些短语出现在另一个语料库中的次数.
有没有办法在TM包中做到这一点？(或另一个相关的包)
例如,假设我有一系列短语,"标签"从CorpusA获得.而另一个语料库,CorpusB,有几千个子文本.我想知道在CorpusB中标签中的每个短语出现了多少次.
一如既往,感谢您的帮助!