术语频率表到tm R包中的DocumentTermMatrix

Question

我在R中使用tm包进行一些文本挖掘。 我有一个术语频率矩阵，其中每一行都是一个文档，每一列都是一个单词，每个单元格都是该单词的频率。 我正在尝试将其转换为DocumentTermTermMatrix对象。 我似乎找不到处理该问题的函数。 看起来来源通常是文档。

我已经尝试过as.DocumentTermTermMatrix()但是它要求提供一个参数“ weighting”，并给出以下错误：

.TermDocumentMatrix（t（x），加权）中的错误：
参数“ weighting”丢失，没有默认值

这是一个简单的可复制示例的代码

docs = matrix(sample(1:10, 50, replace=T), byrow = TRUE, ncol = 5, nrow=10) 
rownames(docs) = paste0("doc", 1:10)
colnames(docs) = c("grad", "school", "is", "sleep", "deprivation")

所以我需要将矩阵文档强制转换为DocumentTermMatrix 。

Answer 1

使用您的代码示例，您可以使用以下代码：

docs = matrix(sample(1:10, 50, replace=T), byrow = TRUE, ncol = 5, nrow=10) 
rownames(docs) = paste0("doc", 1:10)
colnames(docs) = c("grad", "school", "is", "sleep", "deprivation")

dtm <- as.DocumentTermMatrix(docs, weighting = weightTfIdf)

如果您阅读帮助DocumentTermMatrix，则会在参数下看到以下内容

加权：能够处理TermDocumentMatrix的加权函数。 术语频率加权默认为weightTf。 tm软件包随附的可用加权功能是weightTf，weightTfIdf，weightBin和weightSMART。

根据需要，您必须指定要与文档术语矩阵一起使用的加权公式。 或自己创造一个。