TM包：UseMethod中的错误（＆＃34; TermDocumentMatrix＆＃34;，x）

Question

我想在TM包的JSS article上绘制如图6所示的术语 - 文档矩阵  1文章链接：https://www.jstatsoft.org/article/view/v025i05

我的语料库Speach-English.txt在这里： https://github.com/yushu-liu/speach-english.git

该图应如下所示：

这是我的代码：

library(tm)
library(stringr)
library(wordcloud)

text <- paste(readLines("D:/Rdata/speach-English.txt"), collapse = " ")
text_tidy <- gsub(pattern = "\\W",replace=" ",text)
text_tidy2 <- gsub(pattern = "\\d",replace=" ",text_tidy)

text_tidy2 <- tolower(text_tidy2)
text_tidy2 <- removeWords(text_tidy2,stopwords())
text_tidy2 <- gsub(pattern = "\\b[A-z]\\b{1}",replace=" ", text_tidy2 )
text_tidy2 <- stripWhitespace(text_tidy2)

textbag <- str_split(text_tidy2,pattern = "\\s+")
textbag <- unlist(textbag)

tdm <- TermDocumentMatrix(textbag, control = list(removePunctuation = TRUE,
                                                removeNumbers = TRUE,
                                                stopwords = TRUE))

plot(tdm, terms = findFreqTerms(tdm, lowfreq = 6)[1:25], corThreshold = 0.5)

但是出现了一个错误：

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

为什么呢？谢谢！

Answer 1

问题是您尚未创建Corpus类的对象，这是您需要向TermDocumentMatrix()提供的对象类型。请参阅下面的示例。

我想指出的另一点是，在你的str_split(text_tidy2,pattern = "\\s+")行中，你将文本分成了unigrams（个别条款）。因此，您只能获得一个术语的文档。从这个结构创建一个tdm没有多大意义。这条线的目的是什么？也许我可以指出你想要的东西。

library(tm)
text <-  readLines("https://raw.githubusercontent.com/yushu-liu/speach-english/master/speach-English.txt")
#first define the type of source you want to use and how it shall be read
x <- VectorSource(text)
#create a corpus object
x <- VCorpus(x)
#feed it to tdm
tdm <- TermDocumentMatrix(x)
tdm
#<<TermDocumentMatrix (terms: 4159, documents: 573)>>
#Non-/sparse entries: 14481/2368626
#Sparsity           : 99%
#Maximal term length: 21
#Weighting          : term frequency (tf)