Question

我导入了一个csv文件，它有大约40列和2000个观察（行），混合了数字和文本来创建语料库。我在Cross Validated上问了以下问题，没有回复。希望到目前为止在代码上的某些方向+错误修复

意图是使用各种文本挖掘技术：

从这个包含一个文件的语料库中探索可以从（商业价值）得出的任何东西 - 这意味着我没有特别的目标，因为我不确定我是否会从中获得任何东西（更多）我很可能会这样做）

我将作为第二步，然后导入相同格式/结构的多个csv文件，即列数和列标题将相同，只有行数不同。然后，我将尝试运行一些文本挖掘分析（从基础到高级），看看是否有任何有价值的东西。

myfile <- read.csv("myfile.csv",stringsAsFactors = FALSE) 
str(myfile) colnames(myfile) 

myfile_comment <- paste(myfile$comment,collapse = " ")
myfile_source  <- VectorSource(myfile_comment)
corpus         <- Corpus(myfile_source)
corpus         <- tm_map(corpus,PlainTextDocument) 
corpus         <- tm_map(corpus,content_transformer(tolower)) 
corpus         <- tm_map(corpus,removePunctuation) 
corpus         <- tm_map(corpus,stripWhitespace) 
corpus         <- tm_map(corpus,removeWords,stopwords("english")) 
corpus         <- tm_filter(corpus,removeNumbers) 
corpus         <- tm_map(corpus,stemDocument) 
dtm            <- DocumentTermMatrix(corpus) 
dtm_n          <- as.matrix(dtm) 
freq           <- colSums(dtm_n) 
freq           <- sort(freq,decreasing = TRUE) 
words          <- names(freq) 
wordcloud(words[1:100],freq[1:100])

如果我不使用removeNumbers，则会生成wordcloud。如果我使用removeNumbers代码（按上面的顺序），我会收到错误：

UseMethod（“stemDocument”，x）中的错误：没有适用的方法 'stemDocument'应用于类“NULL”的对象

编辑：

str(corpus)生成：

List of 1
 $ character(0):List of 2
  ..$ content: chr " report   appropriate item fees  similar penalty applied associated   borrowing reportable  line item"| __truncated__
  ..$ meta   :List of 7
  .. ..$ author       : chr(0) 
  .. ..$ datetimestamp: POSIXlt[1:1], format: "2016-08-13 00:09:29"
  .. ..$ description  : chr(0) 
  .. ..$ heading      : chr(0) 
  .. ..$ id           : chr(0) 
  .. ..$ language     : chr(0) 
  .. ..$ origin       : chr(0) 
  .. ..- attr(*, "class")= chr "TextDocumentMeta"
  ..- attr(*, "class")= chr [1:2] "PlainTextDocument" "TextDocument"
 - attr(*, "class")= chr [1:2] "VCorpus" "Corpus"

错误removenumber textmining

0 个答案: