RTextTools create_matrix 返回非字符参数错误

Question

我是 R 文本处理的新手。我正在尝试下面的简单代码
library(RTextTools)
texts <- c("This is the first document.", "This is the second file.", "This is the third text.")
matrix <- create_matrix(texts,ngramLength=3)
这是问题 Finding 2 & 3 word Phrases Using R TM Package 中的答案之一

但是，它给出了错误 Error in FUN(X[[2L]], ...) : non-character argument反而。

当我删除 ngramLength 时，我可以生成文档术语矩阵参数，但我确实需要搜索特定字长的短语。任何替代或更正的建议？

Answer 1

ngramLength 似乎不起作用。这是一个解决方法:

library(RTextTools)
library(tm)
library(RWeka) # this library is needed for NGramTokenizer
library 
texts <- c("This is the first document.", 
           "Is this a text?", 
           "This is the second file.", 
           "This is the third text.", 
           "File is not this.") 
TrigramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min = 3, max = 3))
dtm <- DocumentTermMatrix(Corpus(VectorSource(texts)),
                         control=list(
                                      weighting = weightTf,
                                      tokenize = TrigramTokenizer))

as.matrix(dtm)

分词器使用 RWeka的 NGramTokenizer而不是 create_matrix 调用的标记器.您现在可以使用 dtm在其他 RTextTools 函数中，例如训练下面的分类模型:

isText <- c(T,F,T,T,F)
container <- create_container(dtm, isText, virgin=F, trainSize=1:3, testSize=4:5)

models=train_models(container, algorithm=c("SVM","BOOSTING"))
classify_models(container, models)