在 R 中使用 TM 包的 VCorpus 時遇到錯誤

Question

我在使用 R 處理 TM 包時遇到以下錯誤。

library("tm")
Loading required package: NLP
Warning messages:
1: package ‘tm’ was built under R version 3.4.2 
2: package ‘NLP’ was built under R version 3.4.1 

corpus <- VCorpus(DataframeSource(data))

錯誤： all(!is.na(match(c("doc_id", "text"), names(x)))) 不是 TRUE

嘗試了各種方法，例如重新安裝軟件包，使用新版本的 R 更新，但錯誤仍然存​​在。 對於相同的數據文件，相同的代碼在具有相同 R 版本的另一個系統上運行。

Answer 1

當我將tm包更新到 0.7-2 版本時，我遇到了同樣的問題。 我查找了DataframeSource()詳細信息，它提到：

第一列必須命名為“doc_id”並包含每個文檔的唯一字符串標識符。 第二列必須命名為“text”。

細節

數據框源將數據框 x 的每一行解釋為一個文檔。 第一列必須命名為“doc_id”並包含每個文檔的唯一字符串標識符。 第二列必須命名為“text”並包含表示文檔內容的“UTF-8”編碼字符串。 可選的附加列用作文檔級元數據。

我用以下代碼解決了它：

df_cmp<- read.csv("test_file.csv",stringsAsFactors = F)

df_title <- data.frame(doc_id=row.names(df_cmp),
                       text=df_cmp$English.title)

您可以嘗試將列名更改為doc_id和text 。

Answer 2

我在使用BTM包時也遇到了這個錯誤。 正如Eva 所指出的，它可能與您的列標題（必須分別是doc_id和text ）有關。 但是，就我而言，這是因為我的doc_id值已損壞並且不再是唯一的。 如果錯誤仍然存​​在，請嘗試檢查您的 doc_id 值以確保它們正確遞增。