Question

尝试将csv文档导入R并尝试开发用于主题建模的语料库时，我一直收到此错误。我已经在其他4个项目上成功使用了这种方法，但是无法克服此错误。我的数据源有一个doc_id列和一个text列。错误是错误：

all（！is.na（match（c（“ doc_id”，“ text”），names（x））））不是TRUE

我尝试使用许多不同的建议进行导入，例如 Error faced while using TM package's VCorpus in R

file_loc <- "C:\\Users\\mdlawrence\\Desktop\\Test2.csv "

 x <- read.csv(file_loc, header = TRUE, stringsAsFactors = F)

 require(tm)
 Loading required package: tm

 Loading required package: NLP

 corp <- Corpus(DataframeSource(x))

错误：all（！is.na（match（c（“ doc_id”，“ text”），names（x））））不正确

docs <- DocumentTermMatrix(corp)

TermDocumentMatrix（x，控件）中的错误：找不到对象“ corp”

我希望在.csv文件中看到每行一个文档的语料库。任何建议都将不胜感激。

Answer 1

这与您的列名称有关。您提供的dput也会显示（X.doc_id）和（X.text）。因此，运行以下命令会产生与您遇到的相同的错误。

x <- structure(list(X.doc_id. = c("1A", "2A"), 
                    X.text. = c("I think a conversation needs to be had to bring all employee groups up to the same … 0 feet" )),
               .Names = c("X.doc_id.", "X.text."), class = "data.frame", row.names = c(NA, -10L))


library(tm)
VCorpus(DataframeSource(x))

inherits（x，“ Source”）中的错误：all（！is.na（match（c（“ doc_id”， “ text”），names（x））））不正确

运行以下命令可获得您想要的正确结果。

colnames(x) <- c("doc_id", "text") 
library(tm)
Y <- VCorpus(DataframeSource(x))
Y

<>元数据：特定于语料库：0，文档级别（索引）：0 内容：文件：10

运行：

content(Y)
content(Y[[1]])

礼物：

content（Y [[1]]）[1]“我认为必须进行对话才能使所有员工组都达到相同的……0英尺”

创建documenttermmatrix：

dtm <- DocumentTermMatrix(Y)
dtm

<>非/稀疏条目：   11/99稀疏度：90％最大期限：12权重
  ：词频（tf）

在代码或加载数据的某些地方，您可能具有重复的列名，并且读取数据会自动创建一个X.doc_id列，以防止重复的列名。

将Csv数据导入R以进行文本挖掘时出错

1 个答案: