带有插入符号问题的Text2Vec分类

一些上下文：在R中使用文本分类和大型稀疏矩阵

我一直在使用text2vecpackage和来解决文本多类分类问题caret。该计划text2vec用于构建文档术语矩阵，修剪词汇表和各种预处理内容，然后尝试使用不同的模型，caret但是在训练时我无法获得结果，插入符号会引发一些类似于以下内容的错误：

+ Fold02.Rep1: cost=0.25 
predictions failed for Fold01.Rep1: cost=0.25 Error in as.vector(data) : 
no method for coercing this S4 class to a vector

所有的折叠和重复都会发生这种情况。我认为将产生的文档项矩阵转换text2vec为向量时会出现问题，因为插入符号需要进行一些计算，但是老实说我不确定，这是此问题的主要原因。

所使用的代码以及部分跳过的内容如下所示。请注意，我caret提供的是text2vec返回的文档期限矩阵的直接结果，但我不确定这是否可以。

library(text2vec)
library(caret)
data("movie_review")
train = movie_review[1:4000, ]
test = movie_review[4001:5000, ]

it <- itoken(train$review, preprocess_function = tolower, tokenizer = word_tokenizer)
vocab <- create_vocabulary(it, stopwords = tokenizers::stopwords())
pruned_vocab <- prune_vocabulary(vocab, term_count_min = 10, doc_proportion_max = 0.5, doc_proportion_min = 0.001)

vectorizer <- vocab_vectorizer(pruned_vocab)
it = itoken(train$review, tokenizer = word_tokenizer, ids = train$id)
dtm_train = create_dtm(it, vectorizer)
it = itoken(test$review, tokenizer = word_tokenizer, ids = test$id)
dtm_test = create_dtm(it, vectorizer)

ctrl.svm.1 <- trainControl(method="repeatedcv",
                           number=10,
                           repeats=5,
                           summaryFunction = multiClassSummary,
                           verboseIter = TRUE)

fit.svm.1 <- train(x = dtm_train, y= as.factor(train$sentiment), 
                   method="svmLinear2",  
                   metric="Accuracy", 
                   trControl = ctrl.svm.1, 
                   scale = FALSE, verbose = TRUE)

如我所说，启动train（）函数时出现问题。dtm_train对象属于以下类：

[1] "dgCMatrix"
attr(,"package")
[1] "Matrix"

结构看起来像这样：

str(dtm_train)
> Formal class 'dgCMatrix' [package "Matrix"] with 6 slots
  ..@ i       : int [1:368047] 2582 2995 3879 3233 2118 2416 2468 2471 3044 3669 ...
  ..@ p       : int [1:6566] 0 0 3 4 4 10 10 14 14 22 ...
  ..@ Dim     : int [1:2] 4000 6565
  ..@ Dimnames:List of 2
  .. ..$ : chr [1:4000] "5814_8" "2381_9" "7759_3" "3630_4" ...
  .. ..$ : chr [1:6565] "floriane" "lil" "elm" "kolchak" ...
  ..@ x       : num [1:368047] 1 1 1 1 1 1 2 2 1 3 ...
  ..@ factors : list()

我究竟做错了什么？如果文档中暗示可以插入符，为什么插入符不能使用此类数据？