删除单词之间的下划线，这样它们就不会出现在R中的n-克中。

Question

在运行一个主题模型之前，我添加了n个元素，这样以后我的主题模型中就可以出现2-3块的单词了。

toks_data_ngrams <- tokens_ngrams(toks_data, n=2:3)

然而，在此之后，我的主题模型包含了许多单词，如a_b、apple_banana、happy_hand。

我怎么能忽略那些带有下划线的词呢？我不希望它们被包括在我的主题模型中。是否有额外的代码来表示ngram，这样ngram之间就不会捕获带有下划线的单词了吗？(在预处理过程中我已经删除了标点符号和符号)。

非常感谢您的所有投入，提前！

Answer 1

tokens_ngrams有一个级联器选项。默认情况下，此设置为_。您可以指定任何您想要的内容，例如：

tokens_ngrams(toks_data, n= 2:3, concatenator = " ")

Answer 2

您可以将它们排除在

toks_data_ngrams <- toks_data_ngrams[!grepl("_", toks_data_ngrams)]

在将来，在你的问题中一定要包括可重复的例子。