我尝试在R中使用LIWC dictonary 2015版本。
用于文本分析的虚拟文本：
Lorem ipsum dolor sit amet, consectetuer adipiscing elit. Aenean commodo ligula eget dolor. Aenean massa. Cum sociis natoque penatibus et magnis dis parturient montes, nascetur ridiculus mus. Donec quam felis, ultricies nec, pellentesque eu, pretium quis, sem. Nulla consequat massa quis enim. Donec pede justo, fringilla vel, aliquet nec, vulputate eget, arcu. In enim justo, rhoncus ut, imperdiet a, venenatis vitae, justo. Nullam dictum felis eu pede mollis pretium. Integer tincidunt. Cras dapibus. Vivamus elementum semper nisi. Aenean vulputate eleifend tellus. Aenean leo ligula, porttitor eu, consequat vitae, eleifend ac, enim. Aliquam lorem ante, dapibus in, viverra quis, feugiat a, tellus. Phasellus viverra nulla ut metus varius laoreet. Quisque rutrum. Aenean imperdiet. Etiam ultricies nisi vel augue. Curabitur ullamcorper ultricies nisi. Nam eget dui. Etiam rhoncus. Maecenas tempus, tellus eget condimentum rhoncus, sem quam semper libero, sit amet adipiscing sem neque sed ipsum. Nam quam nunc, blandit vel, luctus pulvinar, hendrerit id, lorem. Maecenas nec odio et ante tincidunt tempus. Donec vitae sapien ut libero venenatis faucibus. Nullam quis ante. Etiam sit amet orci eget eros faucibus tincidunt. Duis leo. Sed fringilla mauris sit amet nibh. Donec sodales sagittis magna. Sed consequat, leo eget bibendum sodales, augue velit cursus nunc
我试试这一行：
library("LIWCalike")
library("quanteda")
liwcalike(data_char_testphrases)
liwc2015dict <- dictionary(file = "~/Dropbox/QUANTESS/dictionaries/LIWC/LIWC2015_English_Flat.dic",
' format = "LIWC")
' inaugLIWCanalysis <- liwcalike(data_corpus_inaugural, liwc2015dict)
' inaugLIWCanalysis[1:6, 1:10]
我期望得到如下结果，这些结果可以作为official site中的再现简单示例，当然我相信LIWC有更多变量，这些是一些例子
LIWC Dimension Your
Data Personal
Texts Formal
Texts
Self-references (I, me, my) 5.18 11.4 4.2
Social words 2.59 9.5 8.0
Positive emotions 2.35 2.7 2.6
Negative emotions 1.18 2.6 1.6
Overall cognitive words 6.59 7.8 5.4
Articles (a, an, the) 8.71 5.0 7.2
Big words (> 6 letters) 20.24 13.1 19.6
但我收到了这个结果：
output[, c(1:7, ncol(output)-2)]
#> docname Segment WC WPS Sixltr Dic LINGUISTIC PROCESSES.FUNCTION WORDS
#> 1 text1 1 8 3 37.50 37.50 25.00
#> 2 text2 2 6 5 16.67 50.00 50.00
#> 3 text3 3 4 2 0.00 25.00 0.00
#> 4 text4 4 18 12 11.11 61.11 22.22
#> 5 text5 5 4 1 0.00 25.00 0.00
#> 6 text6 6 7 3 14.29 28.57 14.29
#> 7 text7 7 7 3 0.00 42.86 28.57
#> 8 text8 8 5 4 0.00 80.00 60.00
#> 9 text9 9 9 2 11.11 11.11 11.11
#> 10 text10 10 9 2 22.22 22.22 22.22
#> Apostro
#> 1 0
#> 2 0
#> 3 0
#> 4 0
#> 5 0
#> 6 0
#> 7 0
#> 8 0
#> 9 0
#> 10 0
如何在LIWC的示例试用版网站版本中获取结果？