r - Rtexttools 使用 create_matrix 创建文档术语矩阵时遇到问题

Question

我第一次使用 RTextTools。这是我的 create_matrix 代码

library(RTextTools)
texts <- c("This is the first document.", 
          "Is this a text?", 
        "This is the second file.", 
        "This is the third text.", 
        "File is not this.") 
doc_matrix <- create_matrix(texts, language="english", removeNumbers=FALSE, stemWords=TRUE, removeSparseTerms=.2)

我收到以下错误：

Error in `[.simple_triplet_matrix`(matrix, , sort(colnames(matrix))) : 
Invalid subscript type: NULL.
In addition: Warning messages:
1: In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
2: In is.na(j) : is.na() applied to non-(list or vector) of type 'NULL'

我还没有看到其他人发布此错误，并且认为我缺少一些非常基本的东西。

彼得

Answer 1

您需要removeSparseTerms=.2) 从tm包文档中删除最后一个参数removeSparseTerms：“一个术语文档矩阵，其中删除了 x 中的那些术语，这些术语至少具有稀疏百分比的空（即，术语在文档中出现 0 次）元素。即，得到的矩阵只包含稀疏因子小于稀疏的项。”

我认为稀疏阈值对于您的数据集来说太低了。

Answer 2

doc_matrix <- create_matrix(texts, language="english", removeNumbers=FALSE, stemWords=TRUE, removeSparseTerms=.9999)