关于中文文本挖掘的一个问题

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

各位R语言专家，本人在用Rwordseg和tm包做中文文本挖掘的时候，最后老是带着一些英文或符号，比如“list(V1 = list(content = c“、”meta = list(author = character(0), datetimestamp = list(sec = 25.0801639556885, min = 3, hour = 12, “等等，最后分词出现下面的内容：”蝴蝶梦\n流星 蝴蝶梦\n生态学 蝴蝶梦\n鸳鸯 你\nmeta“

这种情况应该怎么处理啊？
实在是无处查资料，不知道有没有人曾遇到过，希望有人能帮忙指点一下。非常感谢。
如果有人帮忙解决，本人愿以100币作为小小酬谢。

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：文本挖掘 Character datetime Content Author 中文

能否把\n用gsub函数替换成空格

李会超 发表于 2015-2-4 10:55
能否把\n用gsub函数替换成空格

好像不行，可能在中文文本挖掘中有其它方法吧

李会超 发表于 2015-2-4 10:55
能否把\n用gsub函数替换成空格

好像不行，可能在中文文本挖掘中有其它方法吧，不过还是谢谢

我跟你遇到了同样的问题，R的版本是3.2.1，有高手指点吗？

试试
term = segmentCN( txt, returnType = "tm")
楼主能在详细描述一下你的处理过程？

其实楼主可以尝试tm包里面的tm_map(data,function)这个，可能需要过滤数据，当然最好还是楼主用gsub等正则替换做数据处理

complicated 发表于 2015-2-9 11:51
试试
term = segmentCN( txt, returnType = "tm")
楼主能在详细描述一下你的处理过程？

谢谢，我自己捉摸了一下，可能是输入导入时产生的问题。还是非常感谢你的热心帮助。

a524631266 发表于 2015-2-9 21:58
其实楼主可以尝试tm包里面的tm_map(data,function)这个，可能需要过滤数据，当然最好还是楼主用gsub等正则替 ...

应该是输入导入过程中的问题，谢谢帮助。

不知道楼主解决了么？有解决办法么？