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。
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。
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。
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。