“quanteda”包中的级联dfm矩阵

Question

是否有一种方法可以同时连接包含不同列数和行数的两个dfm矩阵？这可以通过一些额外的编码来完成，所以我不感兴趣的是一个特殊的代码，而是一般和优雅的解决方案，如果存在的话。

举个例子：

dfm1 <- dfm(c(doc1 = "This is one sample text sample."), verbose = FALSE)
dfm2 <- dfm(c(doc2 = "Surprise! This is one sample text sample."), verbose = FALSE)
rbind(dfm1, dfm2)

给出一个错误。

“tm”包可以将其dfm矩阵开箱连接；就我而言，它太慢了。

还记得'quanteda‘中的'dfm’是一个S4类。

Answer 1

如果您使用的是最新版本，则应“开箱即用”：

packageVersion("quanteda")
## [1] ‘0.9.6.9’

dfm1 <- dfm(c(doc1 = "This is one sample text sample."), verbose = FALSE)
dfm2 <- dfm(c(doc2 = "Surprise! This is one sample text sample."), verbose = FALSE)

rbind(dfm1, dfm2)
## Document-feature matrix of: 2 documents, 6 features.
## 2 x 6 sparse Matrix of class "dfmSparse"
##      is one sample surprise text this
## doc1  1   1      2        0    1    1
## doc2  1   1      2        1    1    1

还请参见?selectFeatures，其中features是dfm对象(帮助文件中有示例)。

添加了

请注意，这将正确地对齐两个文本在一个共同的功能集中，不像通常的rbind方法的矩阵，其列必须匹配。出于同样的原因，rbind()实际上不适用于具有不同术语的tm包中的DocumentTermMatrix对象：

require(tm)
dtm1 <- DocumentTermMatrix(Corpus(VectorSource(c(doc1 = "This is one sample text sample."))))
dtm2 <- DocumentTermMatrix(Corpus(VectorSource(c(doc2 = "Surprise! This is one sample text sample."))))
rbind(dtm1, dtm2)
## Error in f(init, x[[i]]) : Numbers of columns of matrices must match.

这几乎可以理解，但似乎重复了重复的特性：

as.matrix(rbind(c(dtm1, dtm2)))
##     Terms
## Docs one sample sample. text this surprise!
##    1   1      1       1    1    1         0
##    1   1      1       1    1    1         1