Question

如何将语料库转换为包含元数据的R中的数据框？我已经尝试了convert corpus into data.frame in R的建议，但结果数据框只包含语料库中所有文档的文本行。我还需要文档ID，也可能是两列中文本行的行号。那么，我该如何扩展此命令：dataframe <- data.frame(text=unlist(sapply(mycorpus, [, "content")), stringsAsFactors=FALSE)以获取数据？

我已经尝试了

    dataframe <- 
data.frame(id=sapply(corpus, meta(corpus, "id")), 
text=unlist(sapply(corpus, `[`, "content")), 
stringsAsFactors=F)

但它没有帮助;我只收到一条错误消息＆＃34; match.fun（FUN）出错： meta（语料库，＆＃34; id＆＃34;）＆＃39; ist nicht Funktion，Zeichen oder Symbol＆＃34;

语料库是从纯文本文件中提取的;这是一个例子：

> str(corpus)
[...]
$ 1178531510 :List of 2
  ..$ content: chr [1:67] " uberrasch sagt [...] gemacht echt schad verursacht" ...
  ..$ meta   :List of 7
  .. ..$ author       : chr(0) 
  .. ..$ datetimestamp: POSIXlt[1:1], format: "2015-08-16 14:44:11"
  .. ..$ description  : chr(0) 
  .. ..$ heading      : chr(0) 
  .. ..$ id           : chr "1178531510" # <--- This is the ID i want in the data.frame
  .. ..$ language     : chr "de"
  .. ..$ origin       : chr(0) 
  .. ..- attr(*, "class")= chr "TextDocumentMeta"
  ..- attr(*, "class")= chr [1:2] "PlainTextDocument" "TextDocument"
[...]

非常感谢提前：）

Answer 1

有两个问题：你不应该在sapply中重复论证语料库，而且多段文本转向长度为＆gt;的字符向量。 1，你应该在不列出之前粘贴在一起。

dataframe <- 
    data.frame(id=sapply(corpus, meta, "id"),
               text=unlist(lapply(sapply(corpus, '[', "content"),paste,collapse="\n")),
               stringsAsFactors=FALSE)

如何使用R中的元数据将语料库转换为data.frame

1 个答案: