在 'quanteda' 包中连接 dfm 矩阵

Question

有没有办法连接两个同时包含不同列数和行数的dfm矩阵？它可以通过一些额外的编码来完成，所以我对临时代码不感兴趣，但对通用和优雅的解决方案感兴趣（如果存在的话）。

一个例子：

dfm1 <- dfm(c(doc1 = "This is one sample text sample."), verbose = FALSE)
dfm2 <- dfm(c(doc2 = "Surprise! This is one sample text sample."), verbose = FALSE)
rbind(dfm1, dfm2)

报错。

'tm' 包可以开箱即用地连接其 dfm 矩阵；对我来说太慢了。

还记得 'quanteda' 中的 'dfm' 是 S4 class。

Answer 1

应该工作 "out of the box"，如果您使用的是最新版本：

packageVersion("quanteda")
## [1] ‘0.9.6.9’

dfm1 <- dfm(c(doc1 = "This is one sample text sample."), verbose = FALSE)
dfm2 <- dfm(c(doc2 = "Surprise! This is one sample text sample."), verbose = FALSE)

rbind(dfm1, dfm2)
## Document-feature matrix of: 2 documents, 6 features.
## 2 x 6 sparse Matrix of class "dfmSparse"
##      is one sample surprise text this
## doc1  1   1      2        0    1    1
## doc2  1   1      2        1    1    1

另请参阅 ?selectFeatures，其中 features 是 dfm 对象（帮助文件中有示例）。

已添加:

请注意，这将正确对齐公共特征集中的两个文本，这与矩阵的常规 rbind 方法不同，矩阵的列必须匹配。出于同样的原因，rbind() 实际上在 tm 包中对于具有不同术语的 DocumentTermMatrix 对象不起作用：

require(tm)
dtm1 <- DocumentTermMatrix(Corpus(VectorSource(c(doc1 = "This is one sample text sample."))))
dtm2 <- DocumentTermMatrix(Corpus(VectorSource(c(doc2 = "Surprise! This is one sample text sample."))))
rbind(dtm1, dtm2)
## Error in f(init, x[[i]]) : Numbers of columns of matrices must match.

这几乎明白了，但似乎重复了重复的特征：

as.matrix(rbind(c(dtm1, dtm2)))
##     Terms
## Docs one sample sample. text this surprise!
##    1   1      1       1    1    1         0
##    1   1      1       1    1    1         1

在 'quanteda' 包中连接 dfm 矩阵

Concatenate dfm matrices in 'quanteda' package

r

sparse-matrix

quanteda