simple_triplet_matrix中的错误--无法使用RWeka来计数短语

Question

使用TM，我将DocumentTermMatrix与字典列表进行比较，以计算总计：

totals <- inspect(DocumentTermMatrix(x, list(dictionary = d)))

这对于单个单词来说很好，但是我想包括两个单词，但我不知道如何做到这一点。

我试过RWeka：

TrigramTokenizer <- function(x) NGramTokenizer(x, 
                                               Weka_control(min = 3, max = 3))
tdm <- TermDocumentMatrix(v.corpus, 
                          control = list(tokenize = TrigramTokenizer))

BUt得到以下错误消息：

Error in simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms),  : 
  'i, j, v' different lengths
In addition: Warning messages:
1: In parallel::mclapply(x, termFreq, control) :
  all scheduled cores encountered errors in user code
2: In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
3: In simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms),  :
  NAs introduced by coercion.

你能帮我处理错误信息吗？

谢谢！！

Answer 1

见我的答案here

使用RWeka和并行包似乎存在问题。我找到了解决方案here. 1：http://r.789695.n4.nabble.com/RWeka-and-multicore-package-td4678473.html#a4678948 最重要的一点不是加载RWeka包并在封装的函数中使用命名空间。所以你的记号器应该看起来像 BigramTokenizer <- function(x) {RWeka::NGramTokenizer(x，RWeka::Weka_control(min = 2，max = 2))}