[ 文本分析]TermDocumentMatrix中文转换问题？

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

为什么用完dtm.a<-TermDocumentMatrix(ovid.a)后，dtm.a 的数据中总有\\n? 貌似英文没有这个问题。
详细如下：
###############################################################
>inspect(ovid.a)
A corpus with 5 text documents

The metadata consists of 2 tag-value pairs and a data frame
Available tags are:
  create_date creator
Available variables in the data frame are:
  MetaID

[[1]]
东方红

[[2]]
东方
证券

[[3]]
东方
赢
家

[[4]]
东方
证券
开户

[[5]]
东方红
新
动力
#############################################################################
> inspect(dtm.a)
A document-term matrix (5 documents, 4 terms)

Non-/sparse entries: 4/16
Sparsity           : 80%
Maximal term length: 8
Weighting          : term frequency (tf)

    Terms
Docs 东方红\\n 东方红\\n新\\n动力 开户\\n 赢\\n家\\n
   1        1                0      0        0
   2        0                0      0        0
   3        0                0      0        1
   4        0                0      1        0
   5        0                1      0        0
>

############################################################################

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 matrix DOCUME 中文转换 term documents 东方证券 东方红 中文转换 东方赢家

中文分词没做好吧，//n貌似是回车符号，
还有转dtm之前可以清洗一下，tm_map( corpus ,removePunctuation) 试试？

问题解决了没有啊，我也遇到同样的问题，求教。

visuallion 发表于 2014-8-19 23:44
问题解决了没有啊，我也遇到同样的问题，求教。

这个函数现在好像已经不能用了·····

你好，请问问题解决了吗

不要使用R 3.10以上的版本。
用R3.0.2就没有问题。
开源软件就是这样的，没人可以保证它的质量，我已经在R里进过很多坑了。。。

请问楼主用这个包是怎么将中文语料库导进去的

segmentCN(x,returnType="tm")

这个带“\n”问题，我也遇到了，请问有彻底的解决办法么？