Question

我正在努力学习如何在R中对句子进行分类。

我有一个包含以下格式句子的文本文件：

dataset$text = When Anna left Inspector Aziz , she was much happier
dataset$label = happy

我打算用以下方式标记句子：

rl <- readLines('sentences.txt')

我想提取句子并用情感标记它们。我该怎么做呢？我知道我应该在正则表达式中使用分组，但我不知道如何在R中执行此操作。我是新手并且正在学习。

public List<T> FilterPagerGroup<T, TType>(Expression<Func<TEntity, bool>> where, Expression<Func<TEntity, T>> select, int skip, int take, Expression<Func<TEntity, TType>> orderBy, Expression<Func<TEntity, TType>> groupBy)
    {
        List<T> result;

        result = EntitySet.Where(where).GroupBy(groupBy).OrderBy(orderBy).Skip(skip).Take(take).Select(select).ToList();

        return result;
    }

Answer 1

目前这是格式错误的XML，如

XML在结束标记中使用正斜杠而不是反斜杠。实际上，您甚至无法将其读入R原样，因为它会尝试将\h解析为转义字符，除非您添加额外的反斜杠以逃避反斜杠本身。
XML需要包含在单个标记中。但是，问题更容易解决（某些标签上的paste）。

如果您的实际数据格式不正确，那么您可以使用xml2或XML包进行解析。我喜欢purrr::map_df迭代节点并将结果强制转换为data.frame，但如果您愿意，可以在基数R中执行相同的操作。

library(xml2)
library(purrr)

'<happy>
    This did the trick : the boys now have a more distant friendship and David is much happier . 
</happy>
<happy>
    When Anna left Inspector Aziz , she was much happier . 
</happy>' %>% 
    paste('<sent>', ., '</sent>') %>%    # add enclosing tags
    read_xml() %>% 
    xml_find_all('//text()/parent::*') %>%    # select nodes that are parents of text
    map_df(~list(text = xml_text(.x, trim = TRUE), 
                 emotion = xml_name(.x)))

## # A tibble: 2 × 2
##                                                                                           text emotion
##                                                                                          <chr>   <chr>
## 1 This did the trick : the boys now have a more distant friendship and David is much happier .   happy
## 2                                       When Anna left Inspector Aziz , she was much happier .   happy

在html标记之间提取文本并使用R中的标记对其进行标记

1 个答案: