Question

当我在我的语料库上使用DocumentTermMatrix时，它会降低单词的含量。我想保留骆驼的情况。我该怎么做？

as.matrix(DocumentTermMatrix(Corpus(VectorSource(c("Hello", "World")))))

我希望列名称是Hello和World而不是hello和world。

Answer 1

您可以尝试以下黑客攻击：

words <- c("Hello", "World")
tdm <- as.data.frame(as.matrix(DocumentTermMatrix(Corpus(VectorSource(words)))))
names(tdm) <- sort(words) # need to sort alphabetically
tdm
#  Hello World
#1     1     0
#2     0     1

更清洁的方式：

words <- c("Hello", "World")
tdm <- as.data.frame(as.matrix(DocumentTermMatrix(Corpus(VectorSource(factor(words))), 
                                                         control=list(tolower=FALSE))))
tdm
#  Hello World
#1     1     0
#2     0     1

Answer 2

capitalize中的{p> library(Hmisc)函数可以帮助我做初学者。

library(Hmisc)

terms <- as.matrix(DocumentTermMatrix(Corpus(VectorSource(c("Hello", "World")))))

colnames(terms) <- capitalize(colnames(terms))

terms

    Terms
Docs Hello World
  1     1     0
  2     0     1

使用DocumentTermMatrix时，R tm可防止小写转换

2 个答案: