DocumentTermMatrix转换出来总是乱码

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

做topicmodel的时候，生成的DTM这个矩阵总是乱码……到dtm前一步都是正常的，wordcorpus并不乱码。
已经转换成utf8了还是木有解决。。。求助！

代码如下：

#将纯文档文件转换为Corpus对象
resutf8<-toUTF8(res)
wordcorpus <- Corpus(VectorSource(resutf8))

#生成DTM
controllist<-list(wordLengths=c(2,Inf),removeNumbers=TRUE,weighting=weightTf,removePunctuation = TRUE,stopwords = stopwordsCN())
dtm <- DocumentTermMatrix(wordcorpus,control = controllist)  

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 term Mat

把结果贴出来看看，你说的乱码是什么样子的

AlexYoung757 发表于 2018-1-3 09:23
把结果贴出来看看，你说的乱码是什么样子的

<<DocumentTermMatrix (documents: 10, terms: 13)>>
Non-/sparse entries: 34/96
Sparsity           : 74%
Maximal term length: 5
Weighting          : term frequency (tf)
Sample             :
    Terms
Docs 鍑犲勾 鍋氬嚭 浣滅敤 浼<90> 淇濇姢 鍥<9b> 鍗<8a> 鍏ㄧ渷 鍐冲畾 鍐崇瓥
  1       0      0      0      0      0      0      0      0      0      0
  10      0      0      0      0      0      0      0      0      0      0
  2       1      1      1      2      1      1      1      1      1      1
  3       1      1      1      1      1      1      1      1      1      1
  4       0      0      0      0      0      0      0      1      0      0
  5       0      0      0      0      0      0      0      0      0      0
  6       0      0      0      0      0      0      0      0      0      0
  7       0      1      0      0      1      0      1      0      3      0
  8       0      0      0      0      0      1      0      0      0      0

刚刚又试了一下，如果设置wordLengths = c(4,4)就不会乱码，即词的长度必须一致，有大神知道这是为什么吗？！！！另外设置为4出来的却是2字的词，是不是和中英文编码之类的有关系？？？

你试试用tmcn包吧 不要直接用tm包创建tdm矩阵

楼主解决了吗？
我也碰到这个问题了