R：数据挖掘。替换包含子字符串的单词答案

【问题标题】：R: Data mining. Replacing words containing a substringR：数据挖掘。替换包含子字符串的单词
【发布时间】：2017-04-22 17:05:59
【问题描述】：

我想将语料库中包含“kind”的每个单词都替换为“Kindertoekomst”。我可以正常做：

Woorden<-c("kinderen", "kleinkind")
Woorden[grepl("kind", Woorden)]<-"Kindertoekomst"

但我想在我的 Corpus 中进行。

我设法用

做到了这一点

Kind<-grepl("kind", Woorden)
docs <- tm_map(docs, function(x) stri_replace_all_fixed(x, Woorden[as.logical(Kind)], "kindertoekomst", vectorize_all = FALSE))

但是我不能再使用其他功能了：

dtm <- DocumentTermMatrix(docs)

错误：inherits(doc, "TextDocument") 不是 TRUE

并且 corpus_clean

请帮帮我:)

【问题讨论】：

标签： r string replace text-mining tm

【解决方案1】：

在tm 包中使用content_transformer() 函数包装器的替代方法

library(tm)

Woorden<-c("kinderen", "kleinkind")

rep_kind <- function(x){ 
  gsub("\b.*kind.*\b","Kindertoekomst",x)
}

docs <- Corpus(VectorSource(as.list(Woorden)))
docs <- tm_map(docs, content_transformer(rep_kind))
dtm <- DocumentTermMatrix(docs)
inspect(dtm)

【讨论】：

【解决方案2】：

这应该可行：

docs <- tm_map(docs, function(x) stri_replace_all_fixed(x, Woorden[as.logical(Kind)], "kindertoekomst", vectorize_all = FALSE))
docs <- tm_map(docs, PlainTextDocument) 
dtm <- DocumentTermMatrix(docs)

【讨论】：