搜索
人大经济论坛 › 附件下载

附件下载

所在主题：
文件名:  Rwordseg_Vignette_CN.pdf
资料下载链接地址: https://bbs.pinggu.org/a-1719649.html
附件大小:
315.88 KB   举报本内容


资料如下


[hide]


[/hide]




代码诸如：


[hide]
  1. ### R code from vignette source 'tm.Rnw'
  2. ### Encoding: UTF-8

  4. ###################################################
  5. ### code chunk number 1: Init
  6. ###################################################
  7. library("tm")
  8. data("crude")


  11. ###################################################
  12. ### code chunk number 2: Ovid
  13. ###################################################
  14. txt <- system.file("texts", "txt", package = "tm")
  15. (ovid <- Corpus(DirSource(txt, encoding = "UTF-8"),
  16. readerControl = list(language = "lat")))


  19. ###################################################
  20. ### code chunk number 3: VectorSource
  21. ###################################################
  22. docs <- c("This is a text.", "This another one.")
  23. Corpus(VectorSource(docs))


  26. ###################################################
  27. ### code chunk number 4: Reuters
  28. ###################################################
  29. reut21578 <- system.file("texts", "crude", package = "tm")
  30. reuters <- Corpus(DirSource(reut21578),
  31. readerControl = list(reader = readReut21578XML))


  34. ###################################################
  35. ### code chunk number 5: tm.Rnw:120-121 (eval = FALSE)
  36. ###################################################
  37. ## writeCorpus(ovid)


  40. ###################################################
  41. ### code chunk number 6: tm.Rnw:132-133
  42. ###################################################
  43. inspect(ovid[1:2])


  46. ###################################################
  47. ### code chunk number 7: tm.Rnw:137-138
  48. ###################################################
  49. identical(ovid[[2]], ovid[["ovid_2.txt"]])


  52. ###################################################
  53. ### code chunk number 8: tm.Rnw:156-157
  54. ###################################################
  55. reuters <- tm_map(reuters, as.PlainTextDocument)


  58. ###################################################
  59. ### code chunk number 9: tm.Rnw:165-166
  60. ###################################################
  61. reuters <- tm_map(reuters, stripWhitespace)


  64. ###################################################
  65. ### code chunk number 10: tm.Rnw:171-172
  66. ###################################################
  67. reuters <- tm_map(reuters, tolower)


  70. ###################################################
  71. ### code chunk number 11: Stopwords
  72. ###################################################
  73. reuters <- tm_map(reuters, removeWords, stopwords("english"))


  76. ###################################################
  77. ### code chunk number 12: Stemming
  78. ###################################################
  79. tm_map(reuters, stemDocument)


  82. ###################################################
  83. ### code chunk number 13: tm.Rnw:204-206
  84. ###################################################
  85. query <- "id == '237' & heading == 'INDONESIA SEEN AT CROSSROADS OVER ECONOMIC CHANGE'"
  86. tm_filter(reuters, FUN = sFilter, query)


  89. ###################################################
  90. ### code chunk number 14: DublinCore
  91. ###################################################
  92. DublinCore(crude[[1]], "Creator") <- "Ano Nymous"
  93. meta(crude[[1]])


  96. ###################################################
  97. ### code chunk number 15: tm.Rnw:237-241
  98. ###################################################
  99. meta(crude, tag = "test", type = "corpus") <- "test meta"
  100. meta(crude, type = "corpus")
  101. meta(crude, "foo") <- letters[1:20]
  102. meta(crude)


  105. ###################################################
  106. ### code chunk number 16: tm.Rnw:258-260
  107. ###################################################
  108. dtm <- DocumentTermMatrix(reuters)
  109. inspect(dtm[1:5,100:105])


  112. ###################################################
  113. ### code chunk number 17: tm.Rnw:269-270
  114. ###################################################
  115. findFreqTerms(dtm, 5)


  118. ###################################################
  119. ### code chunk number 18: tm.Rnw:275-276
  120. ###################################################
  121. findAssocs(dtm, "opec", 0.8)


  124. ###################################################
  125. ### code chunk number 19: tm.Rnw:288-289
  126. ###################################################
  127. inspect(removeSparseTerms(dtm, 0.4))


  130. ###################################################
  131. ### code chunk number 20: tm.Rnw:303-305
  132. ###################################################
  133. inspect(DocumentTermMatrix(reuters,
  134. list(dictionary = c("prices", "crude", "oil"))))
复制代码


  1. ### R code from vignette source 'extensions.Rnw'

  3. ###################################################
  4. ### code chunk number 1: Init
  5. ###################################################
  6. library("tm")
  7. library("XML")


  10. ###################################################
  11. ### code chunk number 2: extensions.Rnw:71-76
  12. ###################################################
  13. VecSource <- function(x) {
  14. s <- Source(length = length(x), names = names(x), class = "VectorSource")
  15. s$Content <- as.character(x)
  16. s
  17. }


  20. ###################################################
  21. ### code chunk number 3: extensions.Rnw:85-89
  22. ###################################################
  23. getElem.VectorSource <-
  24. function(x) list(content = x$Content[x$Position], uri = NA)
  25. pGetElem.VectorSource <-
  26. function(x) lapply(x$Content, function(y) list(content = y, uri = NA))


  29. ###################################################
  30. ### code chunk number 4: extensions.Rnw:114-117
  31. ###################################################
  32. readPlain <-
  33. function(elem, language, id)
  34. PlainTextDocument(elem$content, id = id, language = language)


  37. ###################################################
  38. ### code chunk number 5: extensions.Rnw:145-150
  39. ###################################################
  40. df <- data.frame(contents = c("content 1", "content 2", "content 3"),
  41. title = c("title 1", "title 2", "title 3"),
  42. authors= c("author 1" , "author 2" , "author 3" ),
  43. topics = c("topic 1", "topic 2", "topic 3"),
  44. stringsAsFactors = FALSE)


  47. ###################################################
  48. ### code chunk number 6: extensions.Rnw:156-157
  49. ###################################################
  50. names(attributes(PlainTextDocument()))


  53. ###################################################
  54. ### code chunk number 7: Mapping
  55. ###################################################
  56. m <- list(Content = "contents", Heading = "title",
  57. Author = "authors", Topic = "topics")


  60. ###################################################
  61. ### code chunk number 8: myReader
  62. ###################################################
  63. myReader <- readTabular(mapping = m)


  66. ###################################################
  67. ### code chunk number 9: extensions.Rnw:180-181
  68. ###################################################
  69. (corpus <- Corpus(DataframeSource(df), readerControl = list(reader = myReader)))


  72. ###################################################
  73. ### code chunk number 10: extensions.Rnw:186-188
  74. ###################################################
  75. corpus[[1]]
  76. meta(corpus[[1]])


  79. ###################################################
  80. ### code chunk number 11: CustomXMLFile
  81. ###################################################
  82. custom.xml <- system.file("texts", "custom.xml", package = "tm")
  83. print(readLines(custom.xml), quote = FALSE)


  86. ###################################################
  87. ### code chunk number 12: mySource
  88. ###################################################
  89. mySource <- function(x, encoding = "UTF-8")
  90. XMLSource(x, function(tree) XML::xmlChildren(XML::xmlRoot(tree)), myXMLReader, encoding)


  93. ###################################################
  94. ### code chunk number 13: myXMLReader
  95. ###################################################
  96. myXMLReader <- readXML(
  97. spec = list(Author = list("node", "/document/writer"),
  98. Content = list("node", "/document/description"),
  99. DateTimeStamp = list("function",
  100. function(x) as.POSIXlt(Sys.time(), tz = "GMT")),
  101. Description = list("attribute", "/document/@short"),
  102. Heading = list("node", "/document/caption"),
  103. ID = list("function", function(x) tempfile()),
  104. Origin = list("unevaluated", "My private bibliography"),
  105. Type = list("node", "/document/type")),
  106. doc = PlainTextDocument())


  109. ###################################################
  110. ### code chunk number 14: extensions.Rnw:301-302
  111. ###################################################
  112. corpus <- Corpus(mySource(custom.xml))


  115. ###################################################
  116. ### code chunk number 15: extensions.Rnw:306-308
  117. ###################################################
  118. corpus[[1]]
  119. meta(corpus[[1]])
复制代码







[/hide]


    熟悉论坛请点击新手指南
下载说明
1、论坛支持迅雷和网际快车等p2p多线程软件下载，请在上面选择下载通道单击右健下载即可。
2、论坛会定期自动批量更新下载地址,所以请不要浪费时间盗链论坛资源,盗链地址会很快失效。
3、本站为非盈利性质的学术交流网站,鼓励和保护原创作品，拒绝未经版权人许可的上传行为。本站如接到版权人发出的合格侵权通知，将积极的采取必要措施；同时，本站也将在技术手段和能力范围内，履行版权保护的注意义务。
(如有侵权，欢迎举报)
二维码

扫码加我 拉你入群

请注明：姓名-公司-职位

以便审核进群资格，未注明则拒绝

京ICP备16021002号-2 京B2-20170662号 京公网安备 11010802022788号 论坛法律顾问：王进律师 知识产权保护声明   免责及隐私声明

GMT+8, 2025-12-31 07:18