R创建共现矩阵答案

【问题标题】：R Creating co-occurrence matrixR创建共现矩阵
【发布时间】：2018-11-24 19:48:24
【问题描述】：

我的问题是关于文本挖掘和文本处理的。我想根据我的数据构建一个共现矩阵。我的数据是：

dat <- read.table(text="id_reférence id_paper
        621107   621100
        621100   621101
        621107   621102
        621109   621103
        621105   621104
        621103   621105
        621109   621106
        621106   621107
        621107   621108
        621106   621109", header=T)

expected <- matrix(0,10,10)
### Article 1 has been cited by article 2
expected[2, 1] <- 1

提前致谢:)

【问题讨论】：

标签： r matrix text text-mining adjacency-matrix

【解决方案1】：

# loop through the observations of dat
for(i in seq_len(nrow(dat))) {
  # convert reference ids to integer and store in a vector
  # example data requires this step, you may already have integers in your actual data
  ref <- as.integer(strsplit(as.character(dat$id_reférence[i]), ",")[[1]])
  # loop through the list of references
  for(j in ref) {
    # mark the citations using (row, column) ~ (i, j) pairs
    expected[dat$id_paper[i], j] <- 1
  }
}

expected
#      [,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8] [,9] [,10]
# [1,]    0    1    0    0    0    0    0    0    0     0
# [2,]    0    0    0    1    0    0    0    1    0     0
# [3,]    1    0    0    0    1    0    0    0    0     0
# [4,]    0    0    0    0    0    0    0    1    0     0
# [5,]    0    0    0    1    1    0    0    0    1     0
# [6,]    0    0    1    0    0    0    0    1    0     0
# [7,]    0    1    0    1    0    0    0    0    0     0
# [8,]    0    0    0    0    0    1    0    0    1     0
# [9,]    0    0    0    0    0    0    0    0    0     1
# [10,]   1    0    0    1    0    0    0    0    1     0

【讨论】：

抱歉，如果没有reproducible 的问题，我无法帮助您。您更新了问题，这些答案都不再有效。新问题似乎也不够笼统。如果您的示例数据集不能代表原始数据集，您将不断遇到错误并浪费时间。

【解决方案2】：

这里使用data.table 的另一种方法。瓶颈可能是以下方法不会以sparseMatrix 结束。根据数据集的大小，可能值得检查针对稀疏数据对象的方法。

library(data.table)
setDT(dat)
# split id_reférence column into multiple rows by comma
# code for this step taken from: #https://stackoverflow.com/questions/13773770/split-comma-separated-strings-in-a-column-into-separate-rows
dat = dat[, strsplit(as.character(id_reférence), ",", fixed=TRUE),
   by = .(id_paper, id_reférence)][, id_reférence := NULL][
    , setnames(.SD, "V1", "id_reférence")]
# add value column for casting
dat[, cite:= 1]
# cast you data into long format
dat = dcast(dat, id_paper ~ id_reférence, fill = 0)[, id_paper:= NULL]

【讨论】：

您发布的数据未生成正确的表格数据。你能再检查一下吗，拜托。旁注，您也可以使用dput 发布数据示例。
循环不一定比其他替代方案慢，或者不使用循环的代码不一定更快。不错的data.table 方法！
你是对的，如果你启动你的数据对象循环通常没问题。我将删除答案的相应部分。感谢您仍然认可我的做法。
对于您更新的数据，您可以使用我的答案的代码 - 只需跳过用逗号拆分为多行的步骤，您就在那里。请考虑接受@Ozan147 的回答（如果他们为您提供可行的解决方案，这也将引导您获得您想要的内容）或我的回答。
非常感谢您的回答。我已经在这个项目上工作了几个晚上，我别无选择，只能提出问题以继续前进。