Wie Zeilen in TermDocumentMatrix zu einer Zeile kombinieren?

Question

Iam versuchen, Zeilen in auf Zeile zu kombinieren in TermDocumentMatrix

(weiß, dass ich jede Zeile jeweils Worte darstellt) Samething, zu kombinieren Iam versuchen

ex) cabin, staff -> crews

Weil ‚Kabine, Personal und Besatzung‘ bedeuten Zeilen, die "Kabine, Personal" in einer Zeile darstellen, die "Besatzung" darstellt.

aber es funktioniert überhaupt nicht.

R sagte argument "weighting" is missing, with no default

Die Codes Ich tippte unter

r=GET('http://www.airlinequality.com/airline-reviews/cathay-pacific-airways/') 
base_url=('http://www.airlinequality.com/airline-reviews/cathay-pacific-airways/') 
h<-read_html(base_url) 

all.reviews = c() 

for (i in 1:10){ 
print(i) 
url = paste(base_url, 'page/', i, '/', sep="") 
r = GET(url) 
h = read_html(r) 
comment_area = html_nodes(h, '.tc_mobile') 
comments= html_nodes(comment_area, '.text_content') 
reviews = html_text(comments) 
all.reviews=c(all.reviews, reviews)} 

cps <- Corpus(VectorSource(all.reviews)) 
cps <- tm_map(cps, content_transformer(tolower)) 
cps <- tm_map(cps, content_transformer(stripWhitespace)) 
cps <- tm_map(cps, content_transformer(removePunctuation)) 
cps <- tm_map(cps, content_transformer(removeNumbers)) 
cps <- tm_map(cps, removeWords, stopwords("english")) 

tdm <- TermDocumentMatrix(cps, control=list(
wordLengths=c(3, 20), 
weighting=weightTf)) 

rows.cabin = grep('cabin|staff', row.names(tdm)) 
rows.cabin 
# [1] 235 1594 
count.cabin = as.array(rollup(tdm[rows.cabin,], 1)) 
count.cabin 
#Docs 
#Terms 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 
#1 0 1 1 0 0 2 2 0 0 1 1 0 4 0 1 0 1 0 2 1 0 0 1 3 1 4 2 0 3 0 1 1 4 0 0 2 1 0 0 2 1 0 2 1 3 3 1 
#Docs 
#Terms 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 
#1 0 1 0 1 2 3 2 2 1 1 0 2 0 0 0 0 0 2 0 1 0 0 4 0 2 2 1 3 1 1 1 1 0 0 0 5 3 0 2 1 0 1 0 0 
#Docs 
#Terms 92 93 94 95 96 97 98 99 100 
#1 1 5 2 1 0 0 0 1 0 
row.crews = grep('crews', row.names(tdm)) 
row.crews 
#[1] 408 
tdm[row.crews,] = count.cabin 
rows.cabin = setdiff(rows.cabin, row.crews) # ok 
tdm = tdm[-rows.cabin,] # ok 

dtm = as.DocumentTermMatrix(tdm) 
# Error in .TermDocumentMatrix(t(x), weighting) : 
# argument "weighting" is missing, with no default 

vielleicht ist es nicht richtiger Ansatz ist, dies zu kombinieren Reihen in TermDocumentMatrix

Bitte beheben Sie diesen Codes oder schlagen besseren Ansatz zu lösen Problem.

Vielen Dank im Voraus.

Answer 1

Hmm Ich wundere mich, warum Sie bei Ihrem Ansatz bleiben, der offensichtlich nicht funktioniert, anstatt nur Kopieren + Einfügen + Anpassen * meines Vorschlags von here?

library(tm) 
library(httr) 
library(rvest) 
library(slam) 
# [...] # your code 
inspect(tdm[grep("cabin|staff|crew", Terms(tdm), ignore.case=TRUE), 1:15]) 
#  Docs 
# Terms 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 
# cabin 0 0 0 0 0 1 1 0 0 1 0 0 3 0 0 
# crew 0 0 0 1 1 1 1 0 2 1 0 1 0 2 0 
# crews 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 
# staff 0 1 1 0 0 1 1 0 0 0 1 0 1 0 1 

dict <- list(
    "CREW" = grep("cabin|staff|crew", Terms(tdm), ignore.case=TRUE, value = TRUE) 
) 
terms <- Terms(tdm) 
for (x in seq_along(dict)) 
    terms[terms %in% dict[[x]] ] <- names(dict)[x] 
tdm <- slam::rollup(tdm, 1, terms, sum) 
inspect(tdm[grep("cabin|staff|crew", Terms(tdm), ignore.case=TRUE), 1:15]) 
#  Docs 
# Terms 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 
# CREW 0 1 1 1 1 3 3 0 2 2 1 1 4 2 1 

* ich nur die Zeile innerhalb der Definition ...