Question

从两个文档集开始，每个文档都有相同数量的文档：

library(tm)
c1 <- Corpus(VectorSource(c("document 1 corpus 1 text", "document 2 corpus 1 text")))
c2 <- Corpus(VectorSource(c("document 1 corpus 2 text", "document 2 corpus 2 text")))

我想要一个具有相同数量文档的单一语料库，其中术语组合元素形成单个文档，相当于：

c3 <- Corpus(VectorSource(c("document 1 corpus 1 text document 1 corpus 2 text", 
                            "document 2 corpus 1 text document 2 corpus 2 text"))

搜索已经打开了tm_combine功能，但它将来自不同语料库的文档合并为一个语料库，其中包含两倍（或个人总和）文档数量。

Answer 1

c4 <-
  Corpus(VectorSource(c(  
  paste(data.frame(text=unlist(sapply(c1, `[`, "content")), stringsAsFactors=F)$text[1],
        data.frame(text=unlist(sapply(c1, `[`, "content")), stringsAsFactors=F)$text[2]),
  paste(data.frame(text=unlist(sapply(c2, `[`, "content")), stringsAsFactors=F)$text[1],
        data.frame(text=unlist(sapply(c2, `[`, "content")), stringsAsFactors=F)$text[2]))))

Answer 2

您可以遍历每个语料库并将相应的条目粘贴在一起。然后，转换回语料库：

Corpus(VectorSource(
  mapply(function(x, y) paste(content(x), content(y)), c1, c2)
))

如何使用tm连接R中的两个文档语料库

2 个答案: