R的文本挖掘package ...添加一个新的function到getTransformation

Question

我正在尝试添加一个使用表查找方法工作的新词干分析器。 如果 h 是包含词干提取操作的 hash，则编码如下：键作为词干提取前的词，值作为词干提取后的词。

我想理想地添加一个自定义 hash 允许我执行以下操作

myCorpus = tm_map(myCorpus, replaceWords, h)

replaceWords function 应用于 myCorpus 中的每个文档，并使用 hash 来提取文档的内容

这是我的 replaceWords function 中的示例代码

$hash_replace <- function(x,h) {
if (length(h[[x]])>0) {
    return(h[[x]])
} else {
    return(x)
}
}

replaceWords <- function(x,h) {
y = tolower(unlist(strsplit(x," ")))
y=y[which(as.logical(nchar(y)))]
z = unlist(lapply(y,hash_replace,h))
return(paste(unlist(z),collapse=' '))
}

虽然这有效，但转换后的语料库不再包含“TextDocument”或“PlainTextDocument”类型的内容，而是“character”类型的内容

我尝试使用

return(as.PlainTextDocument(paste(unlist(z),collapse=' ')))

但这在尝试运行时给了我一个错误。

在 R 的 tm package 的先前版本中，我确实看到了一个 replaceWords function，它允许同义词和基于 WOR.NET 的替换。 但我在 tm package 的当前版本中不再看到它（尤其是当我调用 function getTransformations() 时）

外面有人对我如何实现这一目标有想法吗？

任何帮助是极大的赞赏。

干杯，Shivani

谢谢，Shivani Rao

Answer 1

您只需要使用PlainTextDocument function 而不是as.PlainTextDocument 。 R 会自动返回 function 中的最后一条语句，所以如果你只写最后一行就可以了

PlainTextDocument(paste(unlist(z),collapse=' '))