r - 当没有结束标记时，qdap 中的 sentSplit() 会出现问题

Question

我正在使用 qdap 包进行极性分析。在 CSV 文件中，我有一个没有标点符号的句子，例如“糟糕到不可移除”(没有句号)。 在数据帧上使用 sentsplit 后，该行显示 NA。

如何在 R 中为不完整的句子添加结束标记？有办法阻止这种情况吗？

Answer 1

许多 qdap 函数都需要正确格式化/结构化的数据形式。这通常意味着带有尾标的句子，并且通常每行只有一个句子。这就是算法确定什么是句子的方式。如果句子确实是不完整的句子 qdap 需要管道符号“|”来表示这一点。因此，这是一个使用 end_mark 函数检测丢失的结束标记，然后在末尾粘贴 | 的示例:

dat <- DATA
dat[1, 4] <- "Sucks to not be removable"
missing <- end_mark(dat[["state"]]) == "_"
dat[["state"]][missing] <- paste0(dat[["state"]][missing], "|")

sentSplit(dat, "state")

##        person  tot sex adult code                       state
## 1         sam  1.1   m     0   K1  Sucks to not be removable|
## 2        greg  2.1   m     0   K2     No it's not, it's dumb.
## 3     teacher  3.1   m     1   K3          What should we do?
## 4         sam  4.1   m     0   K4        You liar, it stinks!
## 5        greg  5.1   m     0   K5     I am telling the truth!
## 6       sally  6.1   f     0   K6      How can we be certain?
## 7        greg  7.1   m     0   K7            There is no way.
## 8         sam  8.1   m     0   K8             I distrust you.
## 9       sally  9.1   f     0   K9 What are you talking about?
## 10 researcher 10.1   f     1  K10           Shall we move on?
## 11 researcher 10.2   f     1  K10                  Good then.
## 12       greg 11.1   m     0  K11                 I'm hungry.
## 13       greg 11.2   m     0  K11                  Let's eat.
## 14       greg 11.3   m     0  K11                You already?

顺便说一句，qdap 的开发版本(版本 >= 2.1.1)包含一行新的数据格式化函数，包括 check_text自动检查潜在的格式问题并打印一份报告，提供潜在问题的位置和可能的修复方法。