在 tm R 中组合单词没有达到预期的结果

如何解决在 tm R 中组合单词没有达到预期的结果

我正在尝试将几个词组合起来，以便将它们算作一个词。 在此示例中，我希望将 val 和 valuatin 计为 valuation。

我一直用来尝试执行此操作的代码如下：

#load in package
library(tm)

replaceWords <- function(x,from,keep){
  regex_pat <- paste(from,collapse = "|")
  gsub(regex_pat,keep,x)
}


oldwords <- c("val","valuati")
newword  <- c("valuation")

TextDoc2 <- tm_map(TextDoc,replaceWords,from=oldwords,keep=newword)

然而，这并不像预期的那样工作。只要单词中有 val，它就会被替换为 valuation。例如，equivalent 变为 equivaluation。我如何解决这个错误并达到我想要的结果？

解决方法

试试这个功能-

replaceWords <- function(x,from,keep){
  regex_pat <- sprintf('\\b(%s)\\b',paste(from,collapse = '|'))
  gsub(regex_pat,keep,x)
}

val 与 equivalent 匹配。添加单词边界可阻止这种情况发生。

grepl('val','equivalent')
#[1] TRUE
grepl('\\bval\\b','equivalent')
#[1] FALSE