1回答
使用tm包强制创建术语
、、、
因此，当我使用tm包创建TDM时，诸如10k和100k之类的术语被分别提取出来。但是，5k和7.5k不是作为单独的术语提取的。现在，我知道在标点符号更正后，"7.5k“可能属于"75k”术语，但"5k“到底是怎么回事。为什么不将其提取为一个术语？
基本上，我想知道是否有办法强制tm包查找特定的单词并将其提取为关键术语。
浏览 1提问于2017-01-20得票数 0
我在csv文件中有术语文档矩阵。0, 0
……但是我已经有了术语文档矩阵，我想在tm包中导入并使用它。
请告诉我方法。
浏览 6提问于2014-03-19得票数 0
我正在使用R中的topicmodels包进行主题建模，我正在创建一个语料库对象，执行一些基本的预处理，然后创建一个DocumentTermMatrix：corpus <- tm_map(corpus, tolower)c
浏览 1提问于2012-12-19得票数 42
回答已采纳
1回答
使用休眠代码，我尝试找到csv(200.000个文档)中所有文档的每个术语的tfidf，然后我想创建一个单列csv，它将包含每个术语的tfidf，并且是非递减的。我尝试了一个小样本，我认为它是有效的。as.character), stringsAsFactors=FALSE)dd <- Corpus(DataframeSource(x))
# from tm
浏览 0提问于2016-12-19得票数 0
我目前正在使用tm包进行一些文本挖掘。我希望能够导出我的文档术语矩阵作为一个数据框架，并附上我的语料库元数据(id变量等)。下面是我当前的工作流程：
导入数据集cleaningCreate 导入数据集转换为语料库BasicTF-文档术语DTM DTM转换为dataframeExport数据格式与数据库元data。我觉得这个包是绝对有可能的，但是我找不到任何文档。在使用tm创建DTM时，元数据会丢失吗？
浏览 3提问于2020-12-15得票数 0
我在R中使用tm包进行文本挖掘，我执行了以下步骤：dataorg <- read.csv("Report_2014.csv")cleanset <- tm_map(cleanset, tolower)
cleanset <- tm_map(cleanset,removePunct
浏览 1提问于2014-01-07得票数 0
1回答
我的第一步是对描述中使用最多的单词进行排序。1 1 House expenses 3 3 Office supplies ordered
然后，我想创建一个使用的排名词对于如何快速获得描述中使用最多的单词有什么想法吗？
浏览 0提问于2015-08-06得票数 2
回答已采纳
2回答
我一直在使用R的tm软件包，在分类问题上取得了很大的成功。我知道如何在整个语料库中找到最频繁的术语(使用findFreqTerms())，但是在文档中看不到在语料库中的每个文档中找到最频繁的术语(在我终止和删除终止词之后，但在删除稀疏术语之前)。我尝试使用apply()和max命令，但这给出了每个文档中术语发生的最大次数，而不是术语本身的名称。library(tm)
data("crud
浏览 4提问于2013-11-04得票数 3
回答已采纳
我无法使用R中的tm包创建一个术语文档矩阵，当我试图从预处理的语料库中创建一个时，这会引发以下错误。我使用Rv3.4.1和tm软件包v0.7-1。(data, removePunctuation)data <- tm_map(data, content_transformer<- TermDocumentMa
浏览 5提问于2017-10-26得票数 0
回答已采纳
我需要一些帮助来更快地计算术语文档矩阵中向量的余弦相似度分数。我有一个字符串矩阵，我需要获得矩阵中每一行字符串之间的单词相似度得分。我正在使用'tm‘包为文本字符串的数据帧的每一行创建一个术语文档矩阵，并使用lsa包来获得字符串中两个单词向量之间的余弦相似度分数。我需要在大约40个不同的数据帧上这样做，所以我在一个数据帧列表上使用lapply，并将该函数应用于每个数据帧。
1)有没有更快的更好的方法？也许用另一个包<
浏览 3提问于2014-07-31得票数 1
我有一个庞大的语料库，而且我只对前面知道的几个术语的外观感兴趣。是否有一种方法可以使用tm包从语料库中创建术语文档矩阵，其中只有我预先指定的术语才会被使用和包含？
浏览 6提问于2014-11-19得票数 2
回答已采纳
嗨，这一定是超级基本的：
我使用tm包从一个语料库创建一个文档术语矩阵，所以我的矩阵的列名是我的语料库中术语的索引。有谁能这么好地告诉我如何检查我的语料库中对应于矩阵中这些索引的原始单词吗？
浏览 2提问于2015-09-12得票数 1
回答已采纳
1回答
现在的问题是term document matrix是如何由tm包计算的。我想像下面解释的那样稍微调整一下。目前，任何术语文档矩阵都是通过在文档中寻找一个单词，例如“milky”作为单独的单词(而不是字符串)来创建的。包)，'milky‘将在第一个文档中找到，而在第二个文档中不会找到，因为该算法将术语milky作为一个单独的单词来查找。grepl('milky', 'this is a milkyway galaxy')谁能帮
浏览 1提问于2015-10-13得票数 1
我正在使用中的'tm‘包创建一个语料库。我已经完成了大部分的预处理步骤。剩下的事情是删除过于常见的单词(超过80%的文档中出现的术语)。有人能帮我吗？dsc <- Corpus(dd)dsc <- tm_map(dsc, removePunctuation)dsc <-
浏览 0提问于2014-09-18得票数 5
回答已采纳
1回答
我使用Weka使用类StringToWordVector.创建一个术语文档矩阵但是，无论输入语料库的大小如何，当我使用R tm包时，我只能在输出中看到500个术语/“num属性”，而相同的语料库正在生成549个术语。我尝试更改wordsToKeep设置，但这并不影响生成的术语总数。在我看来，似乎有一些默认设置，我需要修改，以增加生成的条款。但是，我没有找到这样的配置。我使用的是Weka 3
浏览 5提问于2014-09-05得票数 0
回答已采纳
当我使用tm包进行文本挖掘时，我通常会遵循一个非常类似的工作流：data(crude)crude = tm_map(crude, removePunctuation)crude = tm_map(crude虽然这在tm</
浏览 2提问于2013-12-22得票数 2
回答已采纳
1回答
非英语术语文件矩阵
、、、
如何用印地语(或任何非英语语言，如泰语)创建术语文档矩阵。我已经用下面的代码尝试了tm包 mycorpus<-Corpus(VectorSource(text)) mycorpus<-tm_map(mycorpus, removeNumbers)
#mycorpus<-tm_map
浏览 0提问于2018-08-24得票数 1
回答已采纳
1回答
我已经使用tm包从我的语料库中创建了一个文档术语矩阵。DocumentTermMatrix(myCorpus, control=list(wordLengths=c(4, 20),然后我创建了一个术语-术语邻接矩阵。如何删除属于essentially zeros的行
我认为essentially zero包括像1,2和5这样没有adjacent术语的行
浏览 2提问于2016-01-26得票数 0
回答已采纳
1回答
下面是我使用的代码。除移除停止字外，一切都很顺利。# Installinstall.packages("SnowballC") # for text stemmingwordcloud") # word-cloud generator library("tm(d
浏览 1提问于2018-08-26得票数 0
我有一个包含有文本的10137行(dataframe命名短语)的dataframe和另一个包含62000个术语(dataframe命名单词)的数据框架，我想在第一个数据帧中使用它，以便在第一个数据帧的文本中发现，如果第二个数据帧不存在或不存在，则第二个单词分别使用0或1。grepl(word, phrases))}))names(df) <- words
然而，如果我在第一行中使用我的初始数据作为解列
浏览 1提问于2017-11-08得票数 1
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
腾讯会议
云直播活动推荐
腾讯云开发者
