结合 spacyr 和 quanteda 生成词形还原语料库或 dfm

问题描述

我了解如何使用 quanteda 构建语料库和 dfm。 我也了解如何使用 spacy_parse 来词形还原文本或语料库对象。

但我不明白如何在我的语料库中用引理替换原始文本标记。

我希望是这样的：

corpus(my_txt) %>%
  dfm(lemmatize = spacy_parse)

生成引理矩阵，例如：

              be      have      go
first_text    2       6         6
second_text   4       4         2
third_text    6       4         3

相反，我找到的唯一解决方案是从 spacy_parse 输出数据框中的“引理”列中重新组合词形还原文本，使用如下代码：

txt_parsed %>% 
select(doc_id,lemma) %>% 
group_by(doc_id) %>% 
summarise(new_txt = str_c(lemma,collapse = " "))

对更好的解决方案有什么建议吗？

解决方法

您可以使用 quanteda::as.tokens() 将 spacy_parsed 对象转换为令牌。在此之前，您可以将 spacy_parsed 对象的 token 列交换为 lemma 列。

txt <- c("I like having to be going.","Then I will be gone.","I had him going.")

library("spacyr")

sp <- spacy_parse(txt,lemma = TRUE,entity = FALSE,pos = FALSE)
## Found 'spacy_condaenv'. spacyr will use this environment
## successfully initialized (spaCy Version: 2.3.2,language model: en_core_web_sm)
## (python options: type = "condaenv",value = "spacy_condaenv")
sp$token <- sp$lemma

library("quanteda")
## Package version: 3.0.0
## Unicode version: 10.0
## ICU version: 61.1
## Parallel computing: 12 of 12 threads used.
## See https://quanteda.io for tutorials and examples.
as.tokens(sp) %>%
  dfm()
## Document-feature matrix of: 3 documents,9 features (37.04% sparse) and 0 docvars.
##        features
## docs    -pron- like have to be go . then will
##   text1      1    1    1  1  1  1 1    0    0
##   text2      1    0    0  0  1  1 1    1    1
##   text3      2    0    1  0  0  1 1    0    0

^{由 reprex package (v2.0.0) 于 2021 年 4 月 12 日创建}

,

其实我找到了一个更简单的解决方案，那就是在 as.tokens 函数中使用 use_lemma = T 选项。 示例：

try {
  ListenableFuture<SendResult<String,String>> futureResult = this.kafkaTemplate.send(topicName,message);
  futureResult.addCallback(new ListenableFutureCallback<SendResult<String,String>>() {

    @Override
    public void onSuccess(SendResult<String,String> result) {
        log.info("Message successfully sent to topic {} with offset {} ",result.getRecordMetadata().topic(),result.getRecordMetadata().offset());
    }

    @Override
    public void onFailure(Throwable ex) {
        FAILMESSAGELOGGER.info("{},{}",topicName,message);
        log.info("Unable to send Message to topic {} due to ",ex);
    }
      
  });
} catch (Exception e) {
  log.error("Outer Exception occured while sending message  {} to topic {}",new Object[] { message,e });
  FAILMESSAGELOGGER.info("{},message);
}