qdap中的sentSplit()在没有端点时有问题

Question

我正在使用qdap软件包进行极性分析。在CSV文件中，我有一句没有标点符号的句子，比如"Sucks to not“(没有句号)。在dataframe上使用sentsplit之后，这一行将显示NA。

如何在R中的不完整句子中添加端点？有办法阻止这件事吗？

Answer 1

许多qdap函数都需要正确的格式化/结构化数据表单。这通常是指每一行只有一个句号的句子。这就是算法如何决定什么是句子。如果这些句子确实是不完整的句子，qdap希望管道符号“\”表示这一点。下面是一个用end_mark函数检测缺失的端点，然后粘贴一个|的示例：

dat <- DATA
dat[1, 4] <- "Sucks to not be removable"
missing <- end_mark(dat[["state"]]) == "_"
dat[["state"]][missing] <- paste0(dat[["state"]][missing], "|")

sentSplit(dat, "state")

##        person  tot sex adult code                       state
## 1         sam  1.1   m     0   K1  Sucks to not be removable|
## 2        greg  2.1   m     0   K2     No it's not, it's dumb.
## 3     teacher  3.1   m     1   K3          What should we do?
## 4         sam  4.1   m     0   K4        You liar, it stinks!
## 5        greg  5.1   m     0   K5     I am telling the truth!
## 6       sally  6.1   f     0   K6      How can we be certain?
## 7        greg  7.1   m     0   K7            There is no way.
## 8         sam  8.1   m     0   K8             I distrust you.
## 9       sally  9.1   f     0   K9 What are you talking about?
## 10 researcher 10.1   f     1  K10           Shall we move on?
## 11 researcher 10.2   f     1  K10                  Good then.
## 12       greg 11.1   m     0  K11                 I'm hungry.
## 13       greg 11.2   m     0  K11                  Let's eat.
## 14       greg 11.3   m     0  K11                You already?

顺便说一句，qdap的开发版本(version >= 2.1.1)包含新的数据格式化函数，包括check_text，用于自动检查潜在的格式化问题，并打印报告，提供潜在问题和可能修复的位置。