问题标签 [tm]

我正在考虑将 dtm 转换为术语术语矩阵，以下内容不正确：

怎么可能做到？

我正在尝试在 R 中做一些词干处理，但它似乎只适用于单个文档。我的最终目标是一个术语文档矩阵，它显示文档中每个术语的频率。

这是一个例子：

此方法适用于词干部分，但不适用于术语文档矩阵部分：

因此，我尝试先创建术语文档矩阵，但这次没有词干：

这里的词显然不是词干的。

有什么建议么？

我正在尝试使用 R 中的 tm 包来执行一些文本分析。我收到以下错误：

我已手动更改目录

我无法理解这个错误，请建议我在哪里犯了错误。

我想将 csv 文件的内容读入数据帧源，但是当我尝试创建语料库时，它总是说

代码是

ds是一个数据框源 &m是一个列表，它将内容、主题等分配给数据框的字段。

我有一个包含 30k 条记录（公司名称和其他属性）的 data.frame。dba_nm是最长元素 < 60 个字符的公司名称字段。

当我尝试以下代码时，R 会话的内存使用量从 100MB 上升到 3GB 并挂起?tm::VectorSource：

所以我的问题是我已经将很多论坛帖子提取到单独的 txt 文件中，这些文件现在位于我的硬盘上。每个文件都包含我想要提取的信息，其中一些我已经弄清楚如何提取。我需要提取的信息格式如下：

在同一个“html块”内

1：（x）此线程中
的消息 2：消息是回复（一些 html 代码）A HREF =“链接”（一些 html 代码=

在任务 1 中只需要提取 x
在任务 2 中我需要提取消息回复的链接

我已经查看了不同的 tm 和 XML 包，但还没有真正找到要使用的内容。任何建议表示赞赏。

这是其中一个 txt 文件的样子

我在 R 2.15.1 中使用 tm 和 wordcloud 包。我正在尝试从 DTM 制作文字云。这是代码：

我从最后一个命令中收到以下错误：

我在另一个 DTM 上使用了相同的代码，它运行良好，我得到了词云。有人可以告诉我解决该错误的方法吗？

拉维

我在 R 中使用来自 CRAN 的 TM 包。我在创建基于语料库的 DocumentTermMatrix 时遇到问题。问题是当我基于 UTF-8 语料库创建 TermDocumentMatrix 时，一些单词会变成 unicode 符号。

回报：

如果我手动检查语料库，那么我会看到正确的输出。

回报：

有谁知道我怎样才能获得具有正确条款的 TermDocumentMatrix？或者有没有办法将这些 un​​icode 符号再次转换为“可读”输出？

注意： print(Terms(tdm)) 不包含来自 print(corpus[[1]]) 的单词

我有两个以下 DTM-s：

当我实现这个时，我看到两个相等的 DTM-s，如果我打开dtmImproved，会有带有 3 个符号的单词。为什么minWordLength参数不起作用？谢谢！

我正在使用该函数strptime()从字符串转到struct tm. 但是，当我检查字段时，有一些没有填写。所以我检查了手册页，但似乎我在做正确的事情，所以现在我不知道出了什么问题。

示例输入字符串：

strptime 函数：

据我了解， %a 代表星期几， %d 代表月份中的某天， %b 代表月份， %Y 代表年份， %T 代表 HH:MM:SS 和 % Z 代表格林威治标准时间。

的输出tm struct

产生输出的代码：

任何朝着正确方向的推动都会非常有帮助。谢谢！