Question

使用TM，我将DocumentTermMatrix与字典列表进行比较以计算总数：

totals <- inspect(DocumentTermMatrix(x, list(dictionary = d)))

这适用于单个单词，但我希望包含双字，并且无法弄清楚如何执行此操作。

我试过RWeka：

TrigramTokenizer <- function(x) NGramTokenizer(x, 
                                               Weka_control(min = 3, max = 3))
tdm <- TermDocumentMatrix(v.corpus, 
                          control = list(tokenize = TrigramTokenizer))

BUt收到以下错误消息：

Error in simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms),  : 
  'i, j, v' different lengths
In addition: Warning messages:
1: In parallel::mclapply(x, termFreq, control) :
  all scheduled cores encountered errors in user code
2: In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
3: In simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms),  :
  NAs introduced by coercion.

你能帮忙解决错误信息吗？

谢谢！

Answer 1

请参阅我的回答here

使用 RWeka 和并行包时似乎存在问题。一世   找到解决方法解决方案here.

1：   http://r.789695.n4.nabble.com/RWeka-and-multicore-package-td4678473.html#a4678948


最重要的一点是不加载RWeka包并在封装函数中使用命名空间。


所以你的tokenizer应该看起来像
BigramTokenizer <- function(x) {RWeka::NGramTokenizer(x, RWeka::Weka_control(min = 2, max = 2))}

simple_triplet_matrix出错 - 无法使用RWeka来计算短语

1 个答案: