quanteda dfm() 错误：组必须有长度 ndoc(x)答案

【问题标题】：quanteda dfm() Error: groups must have length ndoc(x)quanteda dfm() 错误：组必须有长度 ndoc(x)
【发布时间】：2021-07-19 21:21:28
【问题描述】：

我正在尝试运行一个关键性分析，一切正常，然后，由于未知原因，它开始给我一个错误。我正在使用 data_corpus_inaugural，它是美国总统就职演说的 quanteda-package 语料库对象。

我的代码：

> corpus_pres <- corpus_subset(data_corpus_inaugural, 
+                             President %in% c("Obama", "Trump"))
> dtm_pres <- dfm(corpus_pres, groups = "President", 
+                remove = stopwords("english"), remove_punct = TRUE)
Error: groups must have length ndoc(x)
In addition: Warning messages:
1: 'dfm.corpus()' is deprecated. Use 'tokens()' first. 
2: '...' should not be used for tokens() arguments; use 'tokens()' first. 
3: 'groups' is deprecated; use dfm_group() instead 
>

【问题讨论】：

这可能是某种 quanteda 问题？即使加载了 quanteda，它也找不到 textstat_keyness > keyness = textstat_keyness(dtm_pres, target = "Trump") textstat_keyness(dtm_pres, target = "Trump") 中的错误：找不到函数 "textstat_keyness"
见 github.com/quanteda/quanteda/blob/master/…，在 quanteda v3 中应该是 groups = President。

标签： r error-handling nlp quanteda

【解决方案1】：

在 quanteda v3 中“dfm() 从 tokens 对象构造一个文档特征矩阵” - https://tutorials.quanteda.io/basic-operations/dfm/dfm/

试试这个：

toks_pres <- tokens(pres_corpus, remove_punct = TRUE) %>% 
    tokens_remove(pattern = stopwords("en")) %>%
    tokens_group(groups = President)

pres_dfm <- dfm(toks_pres)

【讨论】：

【解决方案2】：

我在分析推特帐户时遇到了同样的问题，这段代码对我有用。您可以跨帐户搜索字词

# to make a group in corpus
twcorpus <- corpus(users) %>%
        corpus_group(groups= interaction(user_username))
        

# to visualize textplot_xray
textplot_xray(kwic(twcorpus, "helsin*"), scale="relative")

【讨论】：