パッケージtm。 kmeansの問題

Question

Rのk-meansクラスタリングに関する質問があります。実際には、私はこれに基づいてすべてをやっていますarticle。すべてはtmパッケージ内の例に基づいているので、データのインポートは必要ありません。 acqには50件の文書と20件の原文が含まれています。

library(tm) 
data("acq") 
data("crude") 
ws <- c(acq, crude) 
wsTDM <- Data(TermDocumentMatrix(ws)) #First problem here 
wsKMeans <- kmeans(wsTDM, 2) 
wsReutersCluster <- c(rep("acq", 50), rep("crude", 20)) 
cl_agreement(wsKMeans, as.cl_partition(wsReutersCluster), "diag") 

Error in lapply(X, FUN, ...) : 
(list) object cannot be coerced to type 'integer' 

私は実際にクロスアグリーメントマトリックスを作成したいと思います。しかし、この記事は2008年に書かれて以来、多くの変更がありました。データ関数はRSurveyパッケージでのみ利用可能ですが、私はちょっと疑問があります。そして、私は主な問題はTermDocumentMatrixがS4クラスであったことです、そして今はS3です。私はそれがテキストだけを持っている可能性があることを知っています。しかし、TDMではストップワードや区切りなどを削除してより良い結果を得ることができるので、このようにしたいと思います。だから誰かが素晴らしいだろう解決策を持っている場合。

Answer 1

TDMは、?TermDocumentMatrixで説明されているように、疎のマトリックスとして格納されます。これは、str(wsTDM)のようなオブジェクトを検査することによっても見ることができます。その古いData()関数は、正規の行列としてコンテンツにアクセスする単なる方法でした。それはもはや必要ではありません。ちょうどkmeans(wsTDM, 2)を実行すると、出力が期待どおりになり、70個のフィーチャー（文書）上の2775の観測（用語）についてクラスターが識別されます。がんばろう！