Question

我正在使用此example对R中的txt文档集合进行情感分析。代码为：

library(tm)
library(tidyverse)
library(tidytext)
library(glue)
library(stringr)
library(dplyr)
library(wordcloud)
require(reshape2)

files <- list.files(inputdir,pattern="*.txt")

GetNrcSentiment <- function(file){

    fileName <- glue(inputdir, file, sep = "")
    fileName <- trimws(fileName)
    fileText <- glue(read_file(fileName))
    fileText <- gsub("\\$", "", fileText) 

    tokens <- data_frame(text = fileText) %>% unnest_tokens(word, text)

    # get the sentiment from the first text: 
    sentiment <- tokens %>%
        inner_join(get_sentiments("nrc")) %>% # pull out only sentiment words
        count(sentiment) %>% # count the # of positive & negative words
        spread(sentiment, n, fill = 0) %>% # made data wide rather than narrow
        mutate(sentiment = positive - negative) %>% # positive - negative
        mutate(file = file) %>% # add the name of our file
        mutate(year = as.numeric(str_match(file, "\\d{4}"))) %>% # add the year
        mutate(city = str_match(file, "(.*?).2")[2]) 

    return(sentiment)
}

.txt文件存储在inputdir中，名称为AB-City.0000，其中AB是国家/地区的缩写，城市是城市名称，0000是年份（范围从2000年到2017年）。

该功能可以按预期使用单个文件，即GetNrcSentiment(files[1])为我提供了适当的每个情绪计数。但是，当我尝试为整套运行时，即

nrc_sentiments  <- data_frame()

for(i in files){
    nrc_sentiments <- rbind(nrc_sentiments, GetNrcSentiment(i))
}

我收到以下错误消息：

Joining, by = "word"
Error in rbind(deparse.level, ...) : 
  numbers of columns of arguments do not match

完全相同的代码适用于较长的文档，但在处理较短的文本时会出错。似乎并非所有情绪都在小文档中找到，因此每个文档的列数会有所不同，这可能会导致此错误，但我不确定。我很感激有关如何解决问题的任何建议。如果没有找到情绪，我希望该条目等于零（如果这是我的问题的原因）。

顺便说一下，bing情绪函数会运行大约二十几个文件并给出不同的错误，这似乎指向同样的问题（没有找到负面情绪？）：

GetBingSentiment <- function(file){
    fileName <- glue(inputdir, file, sep = "")
    fileName <- trimws(fileName)

    fileText <- glue(read_file(fileName))
    fileText <- gsub("\\$", "", fileText)       
    tokens <- data_frame(text = fileText) %>% unnest_tokens(word, text)

    # get the sentiment from the first text: 
    sentiment <- tokens %>%
        inner_join(get_sentiments("bing")) %>% # pull out only sentiment words
        count(sentiment) %>% # count the # of positive & negative words
        spread(sentiment, n, fill = 0) %>% # made data wide rather than narrow
        mutate(sentiment = positive - negative) %>% 
        mutate(file = file) %>% # add the name of our file
        mutate(year = as.numeric(str_match(file, "\\d{4}"))) %>% # add the year
        mutate(city = str_match(file, "(.*?).2")[2])

    # return our sentiment dataframe
    return(sentiment)
}

Error in mutate_impl(.data, dots) : 
  Evaluation error: object 'negative' not found.

编辑：根据David Klotz的建议，我将代码编辑为

for(i in files){ nrc_sentiments <- dplyr::bind_rows(nrc_sentiments, GetNrcSentiment(i)) }

结果，如果没有找到来自某个情绪的单词，nrc不会抛出错误而是生成NA，但是在22次加入后我得到了不同的错误：

Error in mutate_impl(.data, dots) : Evaluation error: object 'negative' not found.

使用dplyr运行bing函数时会出现相同的错误。当函数到达第22个文档时，两个数据帧都包含所有情绪的列。什么可能导致错误以及如何诊断错误？

Answer 1

dplyr的bind_rows功能比rbind更灵活，至少在缺少列时更是如此：

nrc_sentiments <- dplyr::bind_rows(nrc_sentiments, GetNrcSentiment(i))

Answer 2

输入可能缺少表达式

中使用的“否定”列

参数列的数量不匹配

2 个答案: