tm 语料库提取看起来不对

如何解决tm 语料库提取看起来不对

我有一个包含一堆推文的语料库，我必须按主题对它们进行分类。我想阻止它们，以便以后与 DocumentTermMatrix 和 LDA 更好地工作。我曾尝试使用 tm 的 stemDocument，但查看 DTM 中的单词似乎根本不正确。

这个截图肯定会给你一个想法： 1、2

也许我对词干的理解有误，但我想“报废”、“报废”和“报废”以及“路线”、“路由器”和“例程”应该成为同一个词。

我错了吗？ 如果没有，您能否建议我另一种提取语料库的方法？

此外，这似乎是获取主题的不可跳过的过程，对吗？我问这个是因为实际上在这个词干之前看起来更好的术语。

提前致谢。