为什么我的Term Document Matrix最后会丢失字母？

Question

enter image description here我正在努力创建一个词云。在创作时，我看到许多单词丢失了最后的字母。例如，电影 - ＆gt; movi，成为 - ＆gt; becom

我用黄色标记了这些单词。缺少最后一两个字母

Answer 1

对于那些需要这个问题的答案的人 - 我们看到TDM中的最后一个字母丢失了，因为当我们对数据执行词干时，词干函数将查找具有相同词根的单词。然后将所有这些单词设置为根词。这就是我们将“电影”视为“Movi”等原因。

Answer 2

单词末尾缺少字母是预处理的结果 - 词干。尝试在创建DTM或TDM之前避免词干，并创建一个没有词干的wordcloud。