Question

我希望通过将文档切割成块来找到其他颜色之间的相似性大于给定值（0.1）的文档。

library(tm)
data("crude")

sample.dtm <- DocumentTermMatrix(
                    crude, control=list(
                        weighting=function(x) weightTfIdf(x, normalize=FALSE),
                        stopwords=TRUE
                    )
                )

step = 5
n = nrow(sample.dtm)
block = n %/% step 
start = (c(1:block)-1)*step+1
end = start+step-1


j = unlist(lapply(1:(block-1),function(x) rep(((x+1):block),times=1)))
i = unlist(lapply(1:block,function(x) rep(x,times=(block-x))))

ij <- cbind(i,j)

library(skmeans)

getdocs <- function(k){
    ci <- c(start[k[[1]]]:end[k[[1]]])
    cj <- c(start[k[[2]]]:end[k[[2]]])
    combi <- sample.dtm[ci]
    combj < -sample.dtm[cj]

    rownames(combi)<-ci
    rownames(combj)<-cj

    comb<-c(combi,combj)
    sim<-1-skmeans_xdist(comb)

    cat("Block", k[[1]], "with Block", k[[2]], "\n")
    flush.console()

    tri.sim<-upper.tri(sim,diag=F)
    results<-tri.sim & sim>0.1

    docs<-apply(results,1,function(x) length(x[x==TRUE]))
    docnames<-names(docs)[docs>0]

    gc()
    return (docnames)

}

使用apply

时效果很好

system.time(rmdocs<-apply(ij,1,getdocs))

使用parRapply时

library(snow)
library(skmeans)
cl<-makeCluster(2)
clusterExport(cl,list("getdocs","sample.dtm","start","end"))
system.time(rmdocs<-parRapply(cl,ij,getdocs))

错误：

 Error in checkForRemoteErrors(val) : 
      2 nodes produced errors; first error: attempt to set 'rownames' on an object with no dimensions
    Timing stopped at: 0.01 0 0.04

似乎sample.dtm不能在parRapply中使用。我糊涂了。谁能帮我？谢谢！

Answer 1

除了导出对象外，还需要在群集工作器上加载必要的包。在您的情况下，不这样做的结果是没有为“DocumentTermMatrix”对象定义dimnames方法，导致rownames<-失败。

您可以使用clusterEvalQ函数在集群工作者上加载包：

clusterEvalQ(cl, { library(tm); library(skmeans) })

执行此操作后，rownames(combi)<-ci将正常运行。

另外，如果要查看cat的输出，则应使用makeCluster outfile参数：

cl <- makeCluster(2, outfile='')

使用package snow的parRapply：参数缺失错误

1 个答案: