テキスト解析プログラムが動作していましたが、今は動作しません

Question

私は以下のファイルを作成しました（悪名高いコースラコース以降）。何か変わったかどうかは分かりませんが、今は動作していないようで、何も変えていません。

最初に動作しないように見えるのは、特殊文字を削除するforループです。

次に、Plan Text Docとして扱うと、雲という言葉は働きたくないようです。

最後に、トークナイザ関数は同じチャートを作成しています。本質的によく使用される単一の単語対プログラムされたngramです。それぞれのngramが同じチャートを作成していることを意味します。最も頻繁に使用される単語とngramの2,3,4単語など...

パッケージの更新やRの更新が原因であるかどうかは不明です。

どのような考えですか？

#Set working directory and read file 
cname <- file.path("c:/texts") 
cname 
dir(cname) 
setwd("c:/texts") 

library("RColorBrewer") 
library("tm") 
library("knitr") 
library("devtools") 
library("plyr") 
library("ggplot2") 
library("wordcloud") 
library("rJava") 
library("RWeka") 
library("stringi") 
library("XLConnect") 
library("XLConnectJars") 

df<- readWorksheetFromFile("uars.xlsx", sheet=1, startRow=1) 
df1 <- df[df$Business %in% "FRAUD", ] 

#Load the R package for text mining and then load your texts into R. 
library(tm) 

docs <- Corpus(VectorSource(df1)) 

summary(docs) 

#read your documents in the R terminal using 
inspect(docs) 

#Preprocessing 

#Removing punctuation 
docs <- tm_map(docs, removePunctuation) 

# remove special characters. 
for(j in seq(docs)) 
{ 
    docs[[j]] <- gsub("/", " ", docs[[j]]) 
    docs[[j]] <- gsub("@", " ", docs[[j]]) 
    docs[[j]] <- gsub("\\|", " ", docs[[j]]) 
} 

#Removing numbers: 
docs <- tm_map(docs, removeNumbers) 

#Converting to lowercase: 
docs <- tm_map(docs, tolower) 

#Removing "stopwords" (common words) that usually have no analytic value 
docs <- tm_map(docs, removeWords, c(stopwords("english"), "bank", "account", "customer", "transactions", "sent", "received", "company", 
            "wire", "wires", "payment", "payments", "wells", "fargo", "transaction", "fraud", "wholesale", "wholesal", "uar", "email")) 
#Removing common word endings (e.g., "ing", "es", "s") 
library(SnowballC) 
docs <- tm_map(docs, stemDocument) 

#Stripping unnecesary whitespace from your documents: 
docs <- tm_map(docs, stripWhitespace) 

#treat your preprocessed documents as text documents. 
docs <- tm_map(docs, PlainTextDocument) 

#Stage the Data 

#To proceed, create a document term matrix 
dtm <- DocumentTermMatrix(docs) 
dtm 
inspect(dtm) 

#transpose of this matrix 
tdm <- TermDocumentMatrix(docs) 
tdm 

##TCorpus <- tm_map(TCorpus, removeWords, badWords) 
wordcloud(docs, scale=c(3,0.5), min.freq=5, max.words=100, random.order=TRUE, 
      rot.per=0.5, colors=brewer.pal(8, "Set1"), use.r.layout=FALSE) 
#Tokenizer functions 
bigram <- function(x) NGramTokenizer(x, Weka_control(min=2, max=2)) 
trigram <- function(x) NGramTokenizer(x, Weka_control(min=3, max=3)) 
quadgram <- function(x) NGramTokenizer(x, Weka_control(min=4, max=4)) 
fivegram <- function(x) NGramTokenizer (x, Weka_control(min=5, max=5)) 
sixgram <- function(x) NGramTokenizer (x, Weka_control(min=6, max=6)) 

#Word/phrase count function 
freq_df <- function(tdm){ 
    # Helper function to tabulate frequency 
    freq <- sort(rowSums(as.matrix(tdm)), decreasing=TRUE) 
    freq_df <- data.frame(word=names(freq), freq=freq) 
    return(freq_df) 
} 

#Creating the n-grams 
corpus.unigram <- TermDocumentMatrix(docs) 
corpus.unigram <- removeSparseTerms(corpus.unigram, 0.99) 
corpus.unigram.freq <- freq_df(corpus.unigram) 

corpus.bigram <- TermDocumentMatrix(docs, control=list(tokenize=bigram)) 
corpus.bigram <- removeSparseTerms(corpus.bigram, 0.999) 
corpus.bigram.freq <- freq_df(corpus.bigram) 

corpus.trigram <- TermDocumentMatrix(docs, control=list(tokenize=trigram)) 
corpus.trigram <- removeSparseTerms(corpus.trigram, 0.99) 
corpus.trigram.freq <- freq_df(corpus.trigram) 

corpus.quadgram <- TermDocumentMatrix(docs, control=list(tokenize=quadgram)) 
corpus.quadgram <- removeSparseTerms(corpus.quadgram, 0.9999) 
corpus.quadgram.freq <- freq_df(corpus.quadgram) 

corpus.fivegram <- TermDocumentMatrix(docs, control=list(tokenize=fivegram)) 
corpus.fivegram <- removeSparseTerms(corpus.fivegram, 0.9999) 
corpus.fivegram.freq <- freq_df(corpus.fivegram) 

corpus.sixgram <- TermDocumentMatrix(docs, control=list(tokenize=sixgram)) 
corpus.sixgram <- removeSparseTerms(corpus.sixgram, 0.9999) 
corpus.sixgram.freq <- freq_df(corpus.sixgram) 

top_50 <- function(df1, title, color) { 
    ggplot(df[1:50,], aes(x = seq(1:50), y = freq)) + 
    geom_bar(stat = "identity", fill = color, colour = "black", width = 0.80) + 
    coord_cartesian(xlim = c(0, 51)) + 
    labs(title = title) + 
    xlab("Words") + 
    ylab("Count") + 
    scale_x_continuous(breaks = seq(1, 50, by = 1), labels = df$word[1:50]) + 
    theme(axis.text.x = element_text(angle = 90, hjust = 1)) 
} 


top_50(corpus.unigram.freq,"Top 50 words","green") 
top_50(corpus.bigram.freq,"Top 2 word combos","yellow") 
top_50(corpus.trigram.freq,"Top 3 word combos","orange") 
top_50(corpus.quadgram.freq,"Top 4 word combos","red") 
top_50(corpus.fivegram.freq,"Top 5 word combos","blue") 
top_50(corpus.sixgram.freq,"Top 6 word combos","purple") 

Answer 1

問題が見つかりました。上記のコードでは、Rweka（Weka_control）のコントロールで動作しない単純なコーパス（コーパス）を使用していました。私はVCorpusに切り替えて、うまくいっています。