3

我正在使用“tm”包分析 Reuters 21578 语料库，即 1987 年以来的所有路透社新闻文章。将 XML 文件导入 R 数据文件后，我清理文本——转换为纯文本、转换为小写、删除停用词等（如下所示）——然后我尝试将语料库转换为文档术语矩阵但收到一条错误消息：

UseMethod（“Content”，x）中的错误：没有适用于“内容”的方法应用于“字符”类的对象

在文档术语矩阵之前，所有预处理步骤都可以正常工作。

我创建了语料库的一个非随机子集（包含 4000 个文档），并且文档术语矩阵命令可以正常工作。

我的代码如下。谢谢您的帮助。

##Import
file <- "reut-full.xml" 
reuters <- Corpus(ReutersSource(file), readerControl = list(reader = readReut21578XML))

## Convert to Plain Text Documents
reuters <- tm_map(reuters, as.PlainTextDocument)

## Convert to Lower Case
reuters <- tm_map(reuters, tolower)

## Remove Stopwords
reuters <- tm_map(reuters, removeWords, stopwords("english"))

## Remove Punctuations
reuters <- tm_map(reuters, removePunctuation)

## Stemming
reuters <- tm_map(reuters, stemDocument)

## Remove Numbers
reuters <- tm_map(reuters, removeNumbers)

## Eliminating Extra White Spaces
reuters <- tm_map(reuters, stripWhitespace)

## create a term document matrix
dtm <- DocumentTermMatrix(reuters)

Error in UseMethod("Content", x) : 
  no applicable method for 'Content' applied to an object of class "character"
4

0 回答 0