我一直在使用R中的tm包中的findAssocs()函数。如果我使用单个单词的函数我没有任何问题,我可以手动输入我想要查找的多个单词以下列格式的关联:
findAssoc(corpusname,"cat","dog","elephant",.75,.75,.75)
再次手动输入多个术语没有问题。我试图找到有时可能联系30或40个单词的术语列表的关联。我想要一个带有findAssocs()的列表或向量,而不是每次都要输入每个单词。任何想法如何做到这一点?我尝试制作一个自定义功能,但我仍然对R这么新,我没有运气。感谢。
感谢您的帮助。对新手来说,R有一个相当陡峭的学习曲线。我尝试了你建议的第一个方法并得到一个错误“错误:is.character(terms)不是TRUE”我使用的代码是:
#data for associates list
wordAssocList<- read.csv("Word Assocs List.txt")
# change TRUE to FALSE if you have no column headings in the CSV
as.character(wordAssocList)
attributes(wordAssocList)
my_assocs <- findAssocs(tdm, wordAssocList, .01)
my_assocs
对于输出,我得到以下内容:
as.character(wordAssocList) [1]“逻辑(0)” 属性(wordAssocList) $名称 [1]“ÿþp”
$类 [1]“data.frame”
$ row.names 整数(0)
my_assocs&lt; - findAssocs(tdm,wordAssocList,.01) 错误:is.character(terms)不为TRUE
答案 0 :(得分:1)
矢量不应该是一个问题。请参阅以下示例。
library(tm)
data("crude")
tdm <- TermDocumentMatrix(crude)
words <- c("oil", "opec", "xyz")
corr <- c(0.7, 0.75, 0.1)
# returns a list
my_assocs <- findAssocs(tdm, words, corr)
# turns list into a list of named dataframes.
my_list <- lapply(my_assocs, function(x) data.frame(terms = names(x), cor = x, stringsAsFactors = FALSE))
编辑使用新版本的dplyr(0.43),您可以为列表中的数据框创建有用的数据框,显示信息来自的数据框的名称。方便可视化和其他调查。
my_df <- dplyr::bind_rows(my_list, .id = "source")
Source: local data frame [28 x 3]
source terms cor
(chr) (chr) (dbl)
1 oil 15.8 0.87
2 oil clearly 0.80
3 oil late 0.80
4 oil trying 0.80
5 oil who 0.80
6 oil winter 0.80
7 oil analysts 0.79
8 oil said 0.78
9 oil meeting 0.77
10 oil above 0.76
.. ... ... ...
您甚至可以使用数据框而不是2个向量,只需将单词和corr替换为数据框中的相应列。这样做的好处是,您可以在文本文件(或Excel)中读取您的单词和相关列表