用tm做了termdocumentmatrix，corpus里面很多词都不见了

是 否 +2 论坛币

k人 参与回答

经管之家送您一份

应届毕业生专属福利!

求职就业群

赵安豆老师微信：zhaoandou666

经管之家联合CDA

送您一个全额奖学金名额~ !

立即领取

感谢您参与论坛问题回答

经管之家送您两个论坛币！

+2 论坛币

1. patent<-readLines('C:/Users/zhangweiwei/Desktop/patentname_abstract_ipc.txt',encoding='UFT-8')
2. patentname_abstract1<-Corpus(VectorSource(patentname_abstract))
3. patentname_abstract2.2<-sapply(patentname_abstract1, extractNoun, USE.NAMES=F)
4. patentname_abstrapatentct3 <- sapply(patentname_abstract2, function(x) {Filter(function(y) {nchar(y) <= 4 && nchar(y) >=2 && is.hangul(y)},x)} )
5. patentname_abstract4<- Corpus(VectorSource(patentname_abstract3))
6.tdm <- DocumentTermMatrix(patentname_abstract4)

到第5步位置，所有的词都还在，使用DocumentTermMatrix函数之后，很多词都见了，有没有高手指点一下啊

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

分享0 收藏0 回帖

关键词：Document DOCUME matrix term Corp patent

有用过tm包的，请指点

这个函数现在貌似连用都有问题。

dtm<-DocumentTermMatrix(ovid，control=list(wordLengths=c(2,Inf)))#建立关联矩阵，最小字长为2

默认最小字长是3，所以长度小于3的都被删去了

刚刚遇到这个问题，时间对你有点久了

请问楼主的这个函数是什么？extractNoun

万人往LVR 发表于 2015-4-16 15:37
dtm

请问用了DocumentTermMatrix之后词频矩阵出现 \n的情况是怎么回事？   （例如：“我\n是\n人名”、“约\n好\n晚上”）

旁白sj 发表于 2016-3-27 17:09
请问用了DocumentTermMatrix之后词频矩阵出现 \n的情况是怎么回事？   （例如：“我\n是\n人名”、“约\n ...

我也有这问题，处理不了

分词模块用的是jiebaR吗？
jiebaR网上有教程http://ju.outofmemory.cn/entry/217615，其他分词模块应该也可以用类似方法搞定。

ljy19921005 发表于 2016-6-20 08:51
我也有这问题，处理不了

如果tm是老版本，可以先设置
Sys.setlocale(locale = "English")
等生成矩阵之后再改回中文环境

如果是新版本，这个问题已经解决了，不会再出现这种情况了