R-Text挖掘:替换德语中的缩写、数字和符号

Question

我想替换我文本中的缩写、数字和符号。因为我的文本是德语的，而不是英语的，所以我在转换它时有问题。

我试过了：

review_text <- replace_abbreviation(review_text)

review_text <- replace_number(review_text)

review_text <- replace_symbol(review_text)

但这只适用于英语文本，而不适用于德语。我应该补充什么，这个函数在德语中也是有效的？

Answer 1

qdap和与qdap相关的软件包仅供英语使用。如果你想使用德语文本和ümlauts以及所有的东西，像quanteda和udpipe这样的包可以解决这个问题。但它们不处理缩写和符号。现在replace_symbol函数很容易调整，只需检查函数，复制代码来创建您自己的函数，并用德语翻译替换英语翻译。

replace_abbreviation函数指向一个替换表，其中的缩写与相应的值一起存储。您需要为德语创建自己的表。

最大的问题是将数字转换为文本。这是不同的，因为每种语言都不是真正在线可用的。对此进行搜索往往会导致将数字转换为excel中的文本。但是如果你能读懂python，你可以将python函数转换成R(或者使用网格化)来解决这个问题。请参阅Github上的python库的this link，它可以对包括德语在内的几种语言执行此操作。但我不确定这是否可以用于文本挖掘上下文。