stemDocument R文本挖掘

Question

我的数据是一个txt文件，如下所示：

单词number_doc

1

客户1

商店1

marge 1

价格2

库存2

经济学2

文档的数量被排序(从最小到最大)。现在，我希望每个文档都包含属于文档的所有单词。现在他们站在一列中，但是我想要textDocument中的所有单词(来自包tm，因为它是包中某些函数的一部分)。我是这样做的：

 data <- read.table("poging.txt", header = TRUE)
 data

 doc <- c()
 #I paste all the words from a document together:
 doc[1] <- paste(data[1:4,1], collapse = ' ')
 doc[2] <- paste(data[1:4,1], collapse = ' ')

 #Make a data.frame of it
 doc_df <- data.frame(docs = doc, row.names = 1:2)

 #Install package
 install.packages("tm")
 library(tm)

 #Make a Dataframesource of it so that each row is seen as a document
 ds <- DataframeSource(doc_df)
 inspect(VCorpus(ds))

 #Now I want to stem for example document number 1
 stemDocument(ds[[1]])

但是，通过使用ds[[1]]作为参数，它不起作用。他找不到一号文件。有人能帮我吗？

在包tm的示例中，它们使用数据crude。我希望我的数据与来自crude的数据格式相同。

赛克

Answer 1

stemDocument()用于TextDocument，而不是DataSource。您希望使用DataSource创建一个语料库，然后可以从其中提取文档。

ds <- DataframeSource(doc_df)
corpus <- VCorpus(ds)
stemDocument(corpus[[1]])

请注意，stemDocument将返回一个新文档，并且不会永久更新该语料库。因此，如果希望对输出执行任何操作，请确保将其保存在某个地方。