Rtexttools 使用 create_matrix 创建文档术语矩阵时遇到问题答案

【问题标题】：Rtexttools Trouble creating document term matrix with create_matrixRtexttools 使用 create_matrix 创建文档术语矩阵时遇到问题
【发布时间】：2015-03-22 12:49:35
【问题描述】：

我是第一次使用 RTextTools。这是我的 create_matrix 代码

library(RTextTools)
texts <- c("This is the first document.", 
          "Is this a text?", 
        "This is the second file.", 
        "This is the third text.", 
        "File is not this.") 
doc_matrix <- create_matrix(texts, language="english", removeNumbers=FALSE, stemWords=TRUE, removeSparseTerms=.2)

我收到以下错误：

Error in `[.simple_triplet_matrix`(matrix, , sort(colnames(matrix))) : 
Invalid subscript type: NULL.
In addition: Warning messages:
1: In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
2: In is.na(j) : is.na() applied to non-(list or vector) of type 'NULL'

我还没有看到其他人发布此错误，并且认为我缺少一些非常基本的东西。

彼得

【问题讨论】：

标签： r supervised-learning

【解决方案1】：

doc_matrix <- create_matrix(texts, language="english", removeNumbers=FALSE, stemWords=TRUE, removeSparseTerms=.9999)

【讨论】：

【解决方案2】：

您需要从removeSparseTerms 上的tm 包文档中删除最后一个参数removeSparseTerms=.2)：“一个术语文档矩阵，其中从x 中删除的那些术语至少具有稀疏百分比的空（即, 词条在文档中出现 0 次) 元素。即，生成的矩阵仅包含稀疏因子小于稀疏的词条。"

我认为稀疏阈值对于您的数据集来说太低了。

【讨论】：