如何在 quanteda 中对加权 dfm 的列求和？答案

【问题标题】：how to sum the columns of a weighted dfm in quanteda?如何在 quanteda 中对加权 dfm 的列求和？
【发布时间】：2019-06-13 18:20:45
【问题描述】：

考虑这个有趣的例子

mytib <- tibble(text = c('i can see clearly now',
                         'the rain is gone'),
                myweight = c(1.7, 0.005)) 
# A tibble: 2 x 2
  text                  myweight
  <chr>                    <dbl>
1 i can see clearly now    1.7  
2 the rain is gone         0.005

我知道如何创建一个由docvars myweight 加权的dfm。我进行如下操作：

dftest <- mytib %>% 
  corpus() %>% 
  tokens() %>% 
  dfm()

dftest * mytib$myweight 

Document-feature matrix of: 2 documents, 9 features (50.0% sparse).
2 x 9 sparse Matrix of class "dfm"
       features
docs      i can see clearly now   the  rain    is  gone
  text1 1.7 1.7 1.7     1.7 1.7 0     0     0     0    
  text2 0   0   0       0   0   0.005 0.005 0.005 0.005

但是问题是我既不能使用topfeatures 也不能使用colSums。

那么如何对每一列的值求和呢？

> dftest*mytib$myweight %>% Matrix::colSums(.)
Error in base::colSums(x, na.rm = na.rm, dims = dims, ...) : 
  'x' must be an array of at least two dimensions

谢谢！

【问题讨论】：

colSums(dftest * mytib$myweight) 为我工作。
疯狂的东西。为什么？？

标签： r sparse-matrix quanteda

【解决方案1】：

有时%>% 操作符会带来伤害而不是帮助。这有效：

colSums(dftest * mytib$myweight)
##      i     can     see clearly     now     the    rain      is    gone 
##  1.700   1.700   1.700   1.700   1.700   0.005   0.005   0.005   0.005

如果您有每个特征的权重向量，也可以考虑使用dfm_weight(x, weights = ...)。上面的操作会回收你的权重，让它按照你想要的方式工作，但你应该明白为什么（在 R 中，因为回收和它的列优先顺序）。

【讨论】：

【解决方案2】：

这将是因为运算符优先级。如果我们检查?Syntax，特殊运算符的优先级高于乘法（*）

...
%any%   special operators (including %% and %/%)  ###
* / multiply, divide   ###
...

将表达式包装在括号内，它应该可以工作

(dftest*mytib$myweight) %>% 
       colSums
#     i     can     see clearly     now     the    rain      is    gone 
#   1.700   1.700   1.700   1.700   1.700   0.005   0.005   0.005   0.005

【讨论】：