R/qdap-基于术语的Get文档

Question

我试图找出如何根据文档中包含的术语来识别文档(在本例中是tweet)。

假设我有这个数据框架(df)，它由Twitter用户的屏幕名称列表和他们的一个tweet组成。

> df
     ScreenName tweet                         
[1,] "Guy A"    "one random tweet"            
[2,] "Guy B"    "another random tweet"        
[3,] "Guy C"    "a third random piece of text"

在这个数据框架内，我希望得到包含特定术语-say“tweet”的tweet，并将其提取到一个新的数据框架(df2)中，如下所示：

> df2
     ScreenName tweet                 
[1,] "Guy A"    "one random tweet"    
[2,] "Guy B"    "another random tweet"

我想一定有办法使用tm或qdap包。但什么也找不到，结果却是一团糟；

清理完语料库后，我转换为termDocumentMatrix

tdm <- TermDocumentMatrix(corpus, control=list(minWordLength=1))

然后，我确定在术语文档矩阵的哪一行中，我感兴趣的术语是

t <- as.vector(tdm[term,])

子集-如果已不止一次提到术语

t.df <- as.data.frame(t)
t.sub <- subset(t.df, t >= 1)

获取文档编号(行号)

t.n <- as.numeric(rownames(t.sub))

创建新的数据框架，其中仅使用t.tw，包括提到术语的tweet和t.o -其他tweet

t.tw <- tw[t.n,]
t.o <- tw[!1:nrow(tw) %in% t.n, ]

谢谢你的帮助。

如果上面这段可怕的代码冒犯了任何有成就的R用户，那么请道歉。

Answer 1

为此，我将继续使用grep函数(如果您已经有了data.frame)，并使用以下行：

df[grep("tweet", df$tweet), ]

以下是与您的数据完整的内容：

df <- read.table(text='ScreenName tweet                         
"Guy A"    "one random tweet"            
"Guy B"    "another random tweet"        
"Guy C"    "a third random piece of text"', header=TRUE)

df[grep("tweet", df$tweet), ]

##   ScreenName                tweet
## 1      Guy A     one random tweet
## 2      Guy B another random tweet