jacobsxm2iww3@outlook.com

伊隆哥文翻譯[問題類型]: 程式諮詢 [軟體熟悉度]: 入門(寫過其他程式，只是對語法不熟悉) [問題論述]: 人人好，比來剛接觸文字探勘參考了陳嘉葳大大的文章：用R進行中文 text Mining (http://goo.gl/3mTrDg) 華頓翻譯公司也照做了一番，有些處所因為有更新所以有自己點竄翻譯問題1：在輸出TermDocumentMatrix時，呈現了以下的模樣不知道怎麼把弄掉，本來的文章也沒有長這樣。 Docs Terms 1 2 3 4 5 一生自願 0 0 0 0 0 平生味道 0 0 0 0 0 一家嘴罐子 1 0 0 0 0 一連串 0 0 0 0 0 人 0 0 0 0 0 人人人強者同窗 0 0 0 0 0 人人小學 0 0 0 0 0 人人事課精神 0 0 0 0 0 人人工具 0 0 0 0 0 人山雙手 0 0 0 0 0 問題2：輸出的文字雲長如許 http://i.imgur.com/W6Bo2Tk.png

明明程式碼一樣，不知為何我的卻是方的，而且沒有很密集。想知道問題出在哪。問題3：由於原文章只鎖命名詞 d.corpus <- tm_map(d.corpus[1:100]翻譯社 segmentCN翻譯社 nature = TRUE) d.corpus <- tm_map(d.corpus, function(sentence) { noun <- lapply(sentence, function(w) { w[names(w) == "n"] }) unlist(noun) }) 若所有詞性都想要，該怎麼做呢？我有試做看看，卻在輸出tdm時獲得error Error in `[.simple_triplet_matrix`(tdm, 1:10翻譯社 1:5) : subscript out of bounds [程式典範]: 可能的程式碼以下： d.corpus0 <- Corpus(DirSource('doc'), list(language = NA)) #語料庫 d.corpus_clean <- tm_map(d.corpus0, removePunctuation) d.corpus_clean <- tm_map(d.corpus_clean, removeNumbers) d.corpus_clean <- tm_map(d.corpus_clean翻譯社 function(word) { gsub("[A-Za-z0-9]", "", word) }) d.corpus_seg <- tm_map(d.corpus_clean[1:100], segmentCN, nature = TRUE) d.corpus_seg2 <- tm_map(d.corpus_seg, function(sentence) { noun <- lapply(sentence翻譯社 function(w) { w[names(w) == "n"] }) unlist(noun) }) #d.corpus_vec <- Corpus(VectorSource(d.corpus_seg)) #無法run d.corpus_stop <- tm_map(d.corpus_seg2翻譯社 removeWords, myStopWords) #設立建設TermDocumentMatrix(自己點竄過) corpus_clean <- tm_map(d.corpus_stop, PlainTextDocument) d.corpus_vec <- Corpus(VectorSource(corpus_clean)) tdm <- TermDocumentMatrix(d.corpus_vec, control = list(wordLengths = c(2翻譯社 Inf))) #文字雲 m1 <- as.matrix(tdm) v <- sort(rowSums(m1)翻譯社 decreasing = TRUE) d <- data.frame(word = names(v), freq = v) wordcloud(d$word, d$freq, min.freq = 2, random.order = F, ordered.colors = F, colors = rainbow(length(row.names(m1)))) 這個問題已困擾我好幾天，想了良久也找良多資料照舊無解，才想說上來請列位高手解答小妹第一次在本版發文，如有任何不當請多多海涵:) [關頭字]: 文字探勘，text mining

(繼續閱讀...)

jacobsxm2iww3 發表在痞客邦留言(0) 人氣()

▲top