tm - 優秀な図書館

tm

0熱

1答えて

TM DocumentTermMatrixは、与えられたコーパスに予期しない結果を与える

多分tm::DocumentTermMatrixの仕組みを誤解しているかもしれません。 inspect(Description.text.features[1,]) <<DocumentTermMatrix (documents: 1, terms: 887)>> Non-/sparse entries: 0/887 Sparsity : 100% Maximal term lengt

0熱

1答えて

TM、Quanteda、text2vec。正規表現のパターンに従って単語リストのtermの左側に文字列を取得する

名前、住所、電話番号の存在について、いくつかの言語で大きなテキストフォルダを分析したいと思います。これらは、通常、「住所」、「電話番号」、「名前」、「会社」、「病院」、「救助者」という単語が先行します。私はこれらの言葉の辞書を持っています。テキストマイニングツールが仕事に最適かどうかは疑問です。私は、これらのすべてのドキュメントのコーパスを作成し、特定の辞書エントリの右または下に特定の（私は

-1熱

1答えて

複数のローカルHTMLファイルをR内のフォルダに読み込みます

私のPCのフォルダに複数のHTMLファイルがあります。私はRでそれらを読んで、元のフォーマットをできるだけポーズできるように保ちたいと思います。ちょうどテキストがあります。私は2つのアプローチを試してみました。それは失敗しました： ##first approach library (tm) cname <- file.path("C:", "Users", "usuario", "Deskto

0熱

1答えて

ではなく、大きさ10×10のサンプルマトリックスのRのTMパッケージの出力を検査しますか？（商標）v.0.7のinspect.TermDocumentMatrixので

# My TermDocumentMatrix (TDM) Nepal.tdm # Structure of my TDM str(Nepal.tdm) # My locality vector localities # Structure of my locality vector str(localities) #chr [1:344] "kalyan" "surkhet

0熱

1答えて

RのパッケージtmのDocumentTermMarix関数に対するデフォルトの制御設定は何ですか？

結果のdtm行列を調べると、設定がFalseに設定されていない限り、トークンは小文字であることがわかりました。さらに、トークン化の前にアンダースコアのある単語を分割しました。 documentationを検索すると、デフォルト設定を取得できませんでした。また、明示的な制御がない場合にはどの設定が使用されましたか。どこでこれを見つけることができますか？

0熱

1答えて

Shinyのアプリケーションテキストボックスに入力したテキストで一致する文を表示する

私は、コーパスをテキストボックスからマッチングさせることで、データベースの列から文章を動的に表示できるShiny Appを構築しようとしています。ユーザーがテキストボックスにテキストを入力し始めると、一致するすべての文（入力されたテキストのコーパス）がコーパスに一致する単語の順番で表示される必要があります kwic機能を試しましたが、動的コーパス、私は require(quanteda) req

1熱

1答えて

tmパッケージのカスタムトークナイザが動作しない

以下のMWEを参照してください。カスタム定義されたトークナイザは動作しません。なぜですか？規約ドキュメントの証言この [1] "Thの" "S"「SA：TMパッケージのバージョンは0.71 library(tm) ts <- c("This is a testimonial") corpDs <- Corpus(VectorSource(ts)) #This is not worki

0熱

1答えて

tmパッケージとRTextToolsパッケージの出力が異なるのはなぜですか？

私は260 RTIアプリケーションのデータセットを持っています。私は彼らにLDAを実行するはずです。私はtmとRTextToolsパッケージを使ってterm-doc行列を作成しました。しかし、出力は大きく異なります。 Tmパッケージには疎なエントリ数は表示されません。総用語の数は大きく異なります。ここでコードです：あなたはより良い問題を理解するために、データセットが必要な場合は library(

0熱

1答えて

Rのテキストマイニング用語ドキュメントマトリックス

を変換するには、私が使用してバイグラムのリストを作成しました： BigramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min = 2, max = 2)) tdm_a.bigram = TermDocumentMatrix(docs_a, control = list(tokenize = Bigram

0熱

1答えて

オープンエンドの質問のnワードの頻度を確認する

オープンエンドの質問から回答を分析したい。最初に1つの単語の雲、そして私は2-3単語のフレーズの頻度を数えたいときに問題を満たした。 library('tm') tokenize_ngrams <- function(x,n=2)return(rownames(as.data.frame(unclass(textcnt(x,method="string",n=n))))) corpus <-