我有兴趣根据由两列数据框组成的字典替换tm
语料库对象中的所有单词,其中第一列是要匹配的单词,第二列是替换单词。
我坚持使用translate
功能。我看到this answer但我无法将其转换为要传递给tm_map
的函数。
请考虑以下MWE
library(tm)
docs <- c("first text", "second text")
corp <- Corpus(VectorSource(docs))
dictionary <- data.frame(word = c('first', 'second', 'text'),
translation = c('primo', 'secondo', 'testo'))
translate <- function(text, dictionary) {
# Would like to replace each word of text with corresponding word in dictionary
}
corp_translated <- tm_map (corp, translate)
inspect(corp_translated)
# Expected result
# A corpus with 2 text documents
#
# The metadata consists of 2 tag-value pairs and a data frame
# Available tags are:
# create_date creator
# Available variables in the data frame are:
# MetaID
# [[1]]
# primo testo
# [[2]]
# secondo testo
答案 0 :(得分:3)
我建议不使用data.frame
作为字典,因为R
中的基本对象(矢量)默认是字典。
dict <- c('primo', 'secondo', 'testo')
names(dict) <- c('first', 'second', 'text')
然后到"tanslate"
x
,其中x
可能是"second"
,您只需使用:
dict[[x]]
你甚至不需要包装函数。
如果您想要向相反方向翻译,请使用
name(dict)[names(dict) %in% x]
或者你可以翻阅字典
dict.flip <- names(dict)
names(dict.flip) <- dict
答案 1 :(得分:3)
结合tm_map
包的tm
功能,您可以使用包stri_replace_all_fixed
中的stringi
。例如:
library(tm)
library(stringi)
docs <- c("first text", "second text")
corp <- Corpus(VectorSource(docs))
word <- c('first', 'second', 'text')
tran <- c('primo', 'secondo', 'testo')
corp <- tm_map(corp, function(x) stri_replace_all_fixed(x, word, tran, vectorize_all = FALSE))