我怎样才能把一个词分成二元词，包括重复的词？

Question

我正在尝试将单词拆分为二元语法。我正在使用 qlcMatrix 包，但它只有 returns 个不同的二元语法。例如，对于单词 "detected"，它只 returns "te" 一次。这是我使用的命令

test_domain <- c("detected")
library("qlcMatrix", lib.loc="~/R/win-library/3.2")
bigram1 <- splitStrings(test_domain, sep = "", bigrams = TRUE, left.boundary = "", right.boundary = "")$bigrams

这是我得到的结果：

bigram1
# [1] "ec" "ed" "de" "te" "ct" "et"

Answer 1

你可以在没有包的情况下做到这一点：

test_domain <- c("detected")
temp <- strsplit(test_domain ,'')[[1]]
sapply(1:(length(temp)-1), function(x){paste(temp[x:(x+1)], collapse='')})
# [1] "de" "et" "te" "ec" "ct" "te" "ed"

Answer 2

另一种使用基数 R 的方法是使用 mapply 和 substr:

nc <- nchar("detected")
mapply(function(x, y){substr("detected", x, y)}, x=1:(nc-1), y=2:nc)
# [1] "de" "et" "te" "ec" "ct" "te" "ed"

我怎样才能把一个词分成二元词，包括重复的词？

How can I split a word into bi-grams, including repeated ones?

text-processing

r