java - 如何在R语言tm(文本挖掘)包中使用stemDocument？

Question

我试图在调用 Java 的 R 语言 tm 包中使用 stemDocument 来阻止语料库。
我已经尝试过 tm 手册中的示例:

data("crude")
crude[[1]]
stemDocument(crude[[1]])

并得到以下错误:

Could not initialize the GenericProperitiesCreator.  This exception was produced:  
java.lang.NullPointerException

任何帮助表示赞赏。我对Java一无所知。

谢谢

Answer 1

好问题，你解决了吗？

我只有您拥有的代码也遇到了同样的错误。但是，如果您从一开始就遵循该示例(即在标题“p. 1 上的转换”处)并创建一个语料库并将其转换为纯文本文档，那么您就可以避免 Java 错误。我猜 manual 中的代码示例假设您已经完成了这两个步骤。

也就是说，当我检查结果时，没有实际的词干...我什至无法得到@user813966 的 simple example的 stemDocument 进行任何词干提取。我正在查看 RStem 和 SnowBall 包。

与此同时，python package NLTK是我的词干提取工具。

更新 :我通过添加 language = "english" 使 stemDocument 功能正常工作如下:

a <- tm_map(a, stemDocument, language = "english") 

因此，您的问题的完整答案是按照 tm 包执行将文本输入 R 的所有步骤。您还需要 rJava(如果您在 Windows 中工作，还需要将 JAVA_HOME 的环境变量设置为包含 jre 目录的目录)以使 stemDocument 工作