Question

我可以使用tm包轻松删除停用词，但是有一种简单的方法可以删除特定的短语吗？我希望能够删除这句话，＆＃34;早上好＆＃34;但不要删除早上没有遵守商品的情况。

示例：

x <- "Good morning. Great question...I'd say we had a good time."
doc.vec <- VectorSource(x)
doc.corpus <- Corpus(doc.vec)
doc.corpus <- tm_map(doc.corpus, stripWhitespace)
doc.corpus <- tm_map(doc.corpus, removePunctuation)
doc.corpus <- tm_map(doc.corpus, content_transformer(tolower))
doc.corpus <- tm_map(doc.corpus, removeWords, c(stopwords("english"), "good"))
dtm <- DocumentTermMatrix(doc.corpus, control=list())
inspect(dtm)

Answer 1

只需添加＆＃34;早上好＆＃34;到要删除的单词列表。

doc.corpus <- tm_map(doc.corpus, removeWords, c(stopwords("english"), "good morning"))

如果你检查dtm，你会发现你只有1＆＃34;好＆＃34;离开，没有＆＃34;早上＆＃34;

Answer 2

我不太了解，但也许这只是一个简单的问题gsub

gsub("[Gg]ood.morning", "", x)
[1] ". Great question...I'd say we had a good time."

从R语料库中删除短语（stopphrases）？

2 个答案: