R生成NA值。

Question

当我试图将stemCompletion应用于一个语料库时，这个函数会生成NA值。

这是我的密码：

my.corpus <- tm_map(my.corpus, removePunctuation) 
my.corpus <- tm_map(my.corpus, removeWords, stopwords("english")) 

(结果之一是：[2584]分区计划)

下一步是盖印语料库，所以：

my.corpus <- tm_map(my.corpus, stemDocument, language="english")
my.corpus <- tm_map(my.corpus, stemCompletion, dictionary=my.corpus_copy, type="first")

但结果是

[2584] NA装置

下一步应该是创建带有事务的关联矩阵，然后是先验规则，但是如果我继续尝试获取规则，检查(规则)函数会给出以下错误：

> inspect(rules)
Errore in UseMethod("inspect", x) : 
no applicable method for 'inspect' applied to an object of class "c('rules','associations')"

有什么问题吗？我认为NA值不能正确地生成关联矩阵，然后生成好的规则。这就是问题所在吗？如果是这样的话，我该怎么解决呢？

这是问题的摘要：

this is an abstract:

my.words = c("β cell","zoning policy regional index brazil","zoning plan","zolpidem  adult","zizyphus spinosa hu")
my.corpus = Corpus(VectorSource(my.words))
my.corpus_copy = my.corpus
my.corpus = tm_map(my.corpus, removePunctuation)
my.corpus = tm_map(my.corpus, removeWords, c("the", stopwords("english"))) 
my.corpus = tm_map(my.corpus, stemDocument, language="english")
my.corpus <- tm_map(my.corpus, stemCompletion, dictionary=my.corpus_copy, type="first")
inspect(my.corpus)

Answer 1

如果使用原始语料库作为stemCompletion()字典参数，此时的只是词干过程的近似反转。使用grep()，它在字典中搜索所有单词，其中包含当前词干词，然后使用其中一个单词根据‘类型’完成。

因此，如果词根处理返回的单词不是非词干词的子字符串，则它将失败。例如，stemDocument().中使用的wordStem()返回的“c”(“传递”、“分区”)的词干是c(“交付”、“区域”)。然而，在这两种情况下，词干词都不是非词干词的适当的子串。因此，stemCompletion()将找不到任何替代，并将返回NA。

有许多解决这个问题的方法，包括在从stemCompletion()返回后用词干词替换NAs，或者更好地修改stemCompletion()函数本身。一个简单的方法来修改它，使它保留词干词而不是NA，是有你自己的版本的它stemCompletion_modified()：(替换.使用tm包中的stemCompletion()函数的原始代码)

stemCompletion_modified <- function (x, dictionary, type = ...) 
{
  ...
  #possibleCompletions <- lapply(x, function(w) grep(sprintf("^%s", w), dictionary, value = TRUE))
  possibleCompletions <- lapply(x, function(w) ifelse(identical(grep(sprintf("^%s", w), dictionary, value = TRUE),character(0)),w,grep(sprintf("^%s", w), dictionary, value = TRUE)))
  ...
}