将语料库从 quanteda 转换为 tm

问题描述

我的数据 mycorpus 位于 quanteda 语料库（来自 quanteda 的 corpus 函数）中，我需要将其转换为 tm 包下的语料库。我知道 quanteda 的 convert 函数。但是，这只会将 doc-feature-matrix 转换为 tm。有我缺少的快速修复吗？ tm 的 VCorpus(mycorpus) 抛出错误消息“缺少源代码”

解决方法

您可以直接从包含在 VCorpus 中的 VectorSource 构建 tm 语料库/VCorpus，因为 quanteda 语料库只是一个特殊的字符向量。

library("tm")
## Loading required package: NLP

# from version 3.0 of quanteda
data(data_corpus_inaugural,package = "quanteda")

VCorpus(VectorSource(data_corpus_inaugural))
## <<VCorpus>>
## Metadata:  corpus specific: 0,document level (indexed): 0
## Content:  documents: 59

然而……你真的想要/需要这样做吗？

,

如果您有 dfm，则可以使用 tm 包中的 as.DocumentTermMatrix 函数。

如果您有一个名为 my_dfm 的 dfm，您可以使用下面的代码行。您需要为 dtm 的权重提供一个选项，但来自 quanteda 它只是 weightTf

my_dtm <- as.DocumentTermMatrix(my_dfm,weighting = weightTf)