我正在处理摘要中的文本数据，我正在尝试使用stm（结构主题建模）来查看无监督的提取主题，然后再构建我自己的字典（用于监督分析）。
我正在处理一个问题，我想知道是否有人之前遇到过同样的问题。
运行findThoughts()时出现以下错误：
findThoughts出错（out.stm，topics = 27，texts = corpus $ documents $ texts，： 提供的文本数量和建模的文档数量不匹配
我不确定我的数据有什么问题。我认为它可能与语料库的那些空行中的NA值有关，其中我没有抽象，但在删除NA行后会发生同样的情况（具有以下内容：
df[!is.na(df$abstract),]
如果您对此事有任何疑问，请告诉我。
答案 0 :(得分：0)
当length（文本）！= out.stm的行数时，findThoughts函数返回错误“提供的文本数和建模的文档数不匹配”。
这是一个错误，它来自textProcessor函数，用于在调用'stm'函数之前处理文档。
这就是为什么会发生这种情况： 临时输出具有属性temp $ docs.removed，其中列出了已删除的行。因此，'temp $ documents'的长度将比temp $ docs.removed的长度小于'comments'。
因此，使用temp $文档建模的stm对象'a'和$ theta（具有文档主题概率的矩阵）将具有与temp $文档相同的长度。
temp<-textProcessor(comments, metadata=NULL, lowercase=TRUE, removestopwords=TRUE, removenumbers=TRUE, removepunctuation=TRUE, stem=TRUE, wordLengths=c(3,Inf), sparselevel=1, language="en", verbose=TRUE, onlycharacter= FALSE, striphtml=FALSE, customstopwords=NULL, onlytxtfiles=TRUE)
meta<-temp$meta
vocab<-temp$vocab
docs<-temp$documents
a<-stm(documents=docs, vocab=vocab, K=7,data=meta, max.em.its=800)
解决方案：从“文本”对象中删除“temp”对象中删除的文档。下面的代码通过创建一个新的向量z来删除temp $ docs.removed中引用的索引。
z<-comments[-temp$docs.removed,]
length(z)
thoughts3 <- findThoughts(a,texts=z,topics=3, n=10,thresh=0.0)
答案 1 :(得分：0)
根据Sruthi Susan Thomas给出的答案，对我有用的正确代码放在了 out 插补（out = prepDocuments（text $ documents，text $ vocab，text $ meta））而不是参数中的“ temp”。 Out 删除了正确的文档索引。