Question

我正在尝试使用RTextTools执行Bigram文本分类。我在创建Bigrams的DocumentTermMatrix时遇到错误（如下所示）。如何解决？

示例数据集：

text <- c('sunny','rainy','sunny sunny','sunny rainy','rainy sunny','rainy rainy','sunny sunny sunny','sunny rainy sunny','sunny sunny rainy','rainy sunny sunny','rainy rainy sunny')
issunny <- c('y','n','y','n','n','n','y','y','y','y','n')
data <- data.frame(text,issunny)

使用的库：

library(RTextTools)
library(tm)

代码：

dtMatrix <- create_matrix(data["text"], ngramLength=2)
container <- create_container(dtMatrix, data$issunny, trainSize=1:nrow(data), virgin=FALSE)
model <- train_model(container, "TREE")
predictionData <- list("sunny sunny sunny rainy rainy", "rainy sunny rainy rainy", "hello", "", "this is another rainy world")
predMatrix <- create_matrix(predictionData, originalMatrix=dtMatrix)
predSize <- length(predictionData)
predictionContainer <- create_container(predMatrix, labels=rep(0,predSize), testSize=1:predSize, virgin=FALSE)
result <- classify_model(predictionContainer, model)

遇到错误：

ngramLength=1

时没有错误

dtMatrix <- create_matrix(data["text"], ngramLength=2);

Error in FUN(X[[i]], ...) : non-character argument

还尝试使用RWeka库但遇到错误：

library(RTextTools)
library(tm)
library(RWeka)

BigramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min = 2, max = 2))
dtMatrix <- DocumentTermMatrix(Corpus(VectorSource(data["text"])), control=list(tokenize = BigramTokenizer))       

Error in `[.simple_triplet_matrix`(matrix, totalSize, ) : subscript out of bounds

修改

使用RWeka包在第二个代码中用as.character（data [，＆＃34; text＆＃34;]）替换数据[＆＃34; text＆＃34;]修复了DocumentTermMatrix创建中遇到的错误。非常感谢LukeA的解决方案。

但现在我在创建预测矩阵容器时遇到另一个错误：

predictionContainer <- create_container(predMatrix, labels=rep(0,predSize), testSize=1:predSize, virgin=FALSE);

Error in validObject(.Object) : invalid class “matrix.csr” object: ra has too few, or too many elements

使用RTextTools进行Bigram文本分类时出错

0 个答案: