R tm StemCompletion 生成 NA 值

Question

当我尝试将 StemCompletion 应用于语料库时，此函数会生成 NA 值..

这是我的代码:

my.corpus <- tm_map(my.corpus, removePunctuation) 
my.corpus <- tm_map(my.corpus, removeWords, stopwords("english")) 

(这样做的一个结果是: [[2584]] 分区计划 )

下一步是冲压语料库，因此:

my.corpus <- tm_map(my.corpus, stemDocument, language="english")
my.corpus <- tm_map(my.corpus, stemCompletion, dictionary=my.corpus_copy, type="first")

但是结果是这样的

[[2584]] NA工厂

下一步应该是创建一个包含交易的关联矩阵，然后是先验规则，但是如果我继续尝试获取规则，inspect(rules) 函数会给我这个错误:

> inspect(rules)
Errore in UseMethod("inspect", x) : 
no applicable method for 'inspect' applied to an object of class "c('rules','associations')"

有什么问题吗？我认为 NA 值不能正确生成关联矩阵，然后生成好的规则..这是问题所在吗？如果是这样我该如何解决？

这是问题的摘要:

this is an abstract:

my.words = c("β cell","zoning policy regional index brazil","zoning plan","zolpidem  adult","zizyphus spinosa hu")
my.corpus = Corpus(VectorSource(my.words))
my.corpus_copy = my.corpus
my.corpus = tm_map(my.corpus, removePunctuation)
my.corpus = tm_map(my.corpus, removeWords, c("the", stopwords("english"))) 
my.corpus = tm_map(my.corpus, stemDocument, language="english")
my.corpus <- tm_map(my.corpus, stemCompletion, dictionary=my.corpus_copy, type="first")
inspect(my.corpus)

Answer 1

如果使用原始语料库作为字典参数，此时的

stemCompletion()只是词干提取过程的近似逆转。使用grep()，它在字典中搜索包含当前词干单词的所有单词，然后根据'类型'。

因此，如果词干处理返回的单词不是未词干单词的子字符串，则会失败。例如，'c('delivery', 'zoning') 的词干是由 stemDocument() 中使用的 wordStem() 返回的 c('deliveri', 'zone')强>。然而，在这两种情况下，词干词都不是非词干词的正确子串。因此，stemCompletion() 不会找到任何替换并返回 NA。

有很多替代方法可以解决这个问题，包括从 stemCompletion() 返回后用词干词替换 NA，或者更好地修改 stemCompletion() 函数本身。修改它的一个简单方法是使用您自己的版本 stemCompletion_modified():(将 ... 替换为 stemCompletion( ) tm 包中的函数)

stemCompletion_modified <- function (x, dictionary, type = ...) 
{
  ...
  #possibleCompletions <- lapply(x, function(w) grep(sprintf("^%s", w), dictionary, value = TRUE))
  possibleCompletions <- lapply(x, function(w) ifelse(identical(grep(sprintf("^%s", w), dictionary, value = TRUE),character(0)),w,grep(sprintf("^%s", w), dictionary, value = TRUE)))
  ...
}