r - 从 R 中的 TM 导出语料库

Question

我正在尝试导出 Corpus对象从 R 到静态文件。语料库包含通过解析文件系统中现有的预处理文件创建的词干文档。作者在他的“R 中的文本挖掘简介”(第 2 页)中描述了一种方法，建议

> writeCorpus(file)

但到目前为止，我的尝试仅产生以下结果:

Error in UseMethod("as.PlainTextDocument", x):
    no applicable method for 'as.PlainTextDocument' applied to an object of class "character"

到目前为止，我的脚本非常简单，我希望这可能是一个简单的疏忽。非常感谢任何建议:这似乎是边缘问题。

# Turn off Java so it doesn't interfere with Weka interface
Sys.setenv(NOAWT=1)

# Load required text mining packages
require(tm)
require(rJava)
require(RWeka)
require(Snowball)

# Populate a vector with the number of subdirectories in preprocessed dir
preprocessed <- list.files(path="preprocessed_dir", include.dirs=TRUE, full.names=TRUE)

# For each element in the vector
for(i in 1:length(preprocessed)) {
# Get the files in each subdirectory by appending a number to the absolute path
    files <- list.files(sprintf("preprocessed_dir/%.0f", i))
    # Create a Corpus object of all the files in the subdirectory
    corpora <- Corpus(VectorSource(files))
    # Stem the words in the Corpus object
    corpora <- tm_map(corpora, SnowballStemmer)
    # (Try to) write the object to the file system
    writeCorpus(corpora)
}

FWIW:调用 class(corpora)返回 [1] "VCorpus" "Corpus" "list"所以这些对象显然不是 character 类型的

Answer 1

我正在解释为什么要导出语料库。如果您想将文本显示给其他人，您可以使用原始文本。

如果您想将其导出并与 R 重用，我的建议是您可以使用函数 save() 将语料库保存到 .RData 中。

然后如果你想加载它，只需使用 load() 函数。