STM:如何将元数据从tm转换为stm文档项矩阵？

Question

我试图在使用stm包编写的文档项矩阵上运行结构化主题模型(使用tm包)。

我在tm包中构建了一个包含以下元数据的语料库：

library(tm)

myReader2 <- readTabular(mapping=list(content="text", id="id", sentiment = "sentiment"))
text_corpus2 <- VCorpus(DataframeSource(bin_stm_df), readerControl = list(reader = myReader2))

meta(text_corpus2[[1]])
  id       : 11
  sentiment: negative
  language : en

在进行了一些文本清理并将结果保存为clean_corpus2(仍然存在元数据)后，我将其更改为文档项矩阵，然后将其读取为stm-compatible矩阵：

library(stm)

chat_DTM2 <- DocumentTermMatrix(clean_corpus2, control = list(wordLengths = c(3, Inf)))
DTM2 <- removeSparseTerms(chat_DTM2 , 0.990)
DTM_st <-readCorpus(DTM2, type = "slam")

到现在为止还好。但是，当我试图使用stm-compatible数据指定元数据时，元数据就消失了：

docsTM <- DTM_st$documents # works fine
vocabTM <- DTM_st$vocab # works fine
metaTM <- DTM_st$meta # returns NULL

> metaTM
NULL

如何将tm-generated语料库中的元数据保存在stm-compatible文档项矩阵中？欢迎有任何建议，谢谢。

Answer 1

试试看quanteda包如何？

如果没有访问您的对象的能力，我不能保证这是逐字工作的，但它应该：

library("quanteda")

# creates the corpus with document variables except for the "text"
text_corpus3 <- corpus(bin_stm_df, text_field = "text")

# convert to document-feature matrix - cleaning options can be added
# see ?tokens
chat_DTM3 <- dfm(text_corpus3)

# similar to tm::removeSparseTerms()
DTM3 <- dfm_trim(chat_DTM3, sparsity = 0.990)

# convert to STM format
DTM_st <- convert(DTM3, to = "stm")

# then it's all there
docsTM <- DTM_st$documents 
vocabTM <- DTM_st$vocab    
metaTM <- DTM_st$meta      # should return the data.frame of document variables