string - R 文本挖掘 - 将段落一个接一个地组合在一起，而不会混淆句子

Question

R 和文本挖掘的初学者。目前使用 tm 包。

我正在尝试将语料库中两个不同文档的文本添加在一起。
当我使用类似的语句时

 c(corpus.doc[[1]],corpus.doc[[2]]) 

或粘贴声明

  paste(corpus.doc[[1]],corpus.doc[[2]]) 

我得到每行文本组合的结果。

例如:
如果

> corpus.doc[[1]] 

He visits very often 
and 
sometimes more

> corpus.doc[[2]]) 

She also 
stays

我从这些陈述中得到的信息类似于

He visits very often She also
and stays
sometimes more

我怎样才能防止这种情况，而是得到

He visits very often
and 
sometimes more
She also 
stays

或者有没有一种简单的方法来组合 R tm 包中的文档？先感谢您!

附加信息

当我使用
a <- c( corpus.doc[[1]], corpus.doc[[2]], recursive=TRUE)

我知道 a 变成了包含两个文档的语料库，因此每个文档的文本仍未合并。我愿意

a[[1]] 

给我 corpus.doc[[1]] 和 corpus.doc[[2]] 的组合文本。

str(corpus.doc)

显示类似这样的东西

 List of 4270
 $ CREC-2011-01-05-pt1-PgE1-2.htm   :Classes     'PlainTextDocument',   'TextDocument', 
      'character'  atomic [1:74] html head titlecongression record volume  issue  
 head  ...
 .. ..- attr(*, "Author")= chr(0) 
 .. ..- attr(*, "DateTimeStamp")= POSIXlt[1:1], format: "2009-01-17 15:45:25"
 .. ..- attr(*, "Description")= chr(0) 
 . . ..- attr(, "Heading")= chr(0) .. ..- attr(, "ID")= chr "CREC-2011-01-05-pt1-PgE1- 2.htm"

而且它一直在继续......

Answer 1

pkg:tm 中的帮助说明有一个 c.Corpus 函数，其“递归”的默认设置为 FALSE，但如果设置为 TRUE，则可能会导致“智能”合并。如果您认为 copus.doc 是一个语料库类对象列表，您可以尝试:

c( corpus.doc[[1]], corpus.doc[[2]], recursive=TRUE)

...但不清楚您是否确实拥有“语料库”级对象。

str(corpus.doc)   # see above

所以这个很长的列表中的第一个元素不是一个语料库分类的对象，而是一个纯文本文档。