我有两组数据:
一组标签(单词喜欢php
,html
等)
一组文本
现在,我希望构建一个Term-Document-Matrix来表示tags
元素在元素中出现的次数text
。
我已经研究了R库tm和TermDocumentMatrix
函数,但是看不到将标签指定为输入的可能性。
有没有办法做到这一点?
我可以使用任何工具(R,Python等),尽管使用R会很棒。
让我们将数据设置为:
TagSet <- data.frame(c("c","java","php","javascript","android"))
colnames(TagSet)[1] <- "tag"
TextSet <- data.frame(c("How to check if a java file is a javascript script java blah","blah blah php"))
colnames(TextSet)[1] <- "text"
现在我想根据TagSet获得TextSet的TermDocumentMatrix。
我尝试了这个:
myCorpus <- Corpus(VectorSource(TextSet$text))
tdm <- TermDocumentMatrix(myCorpus, control = list(removePunctuation = TRUE, stopwords=TRUE))
>inspect(tdm)
A term-document matrix (7 terms, 2 documents)
Non-/sparse entries: 8/6
Sparsity : 43%
Maximal term length: 10
Weighting : term frequency (tf)
Docs
Terms 1 2
blah 1 2
check 1 0
file 1 0
java 2 0
javascript 1 0
php 0 1
script 1 0
但这是对照文本中的单词检查文本,而我想检查是否已定义标签。
tdm.onlytags <- tdm[rownames(tdm)%in%TagSet$tag,]
仅选择您指定的单词,然后继续进行分析。
本文收集自互联网,转载请注明来源。
如有侵权,请联系[email protected] 删除。
我来说两句