如何根据元数据过滤 R 中 tm 语料库中的文档？

Question

我正在使用 R tm 包，我正在尝试 select 某些文档的索引和元数据：

orbit_corpus<-Corpus( tm_corpus, readerControl = list(reader=myReader))

meta(my_corpus[[1]])

author  : a8
origin  : Department 
heading : WhiB
id      : 1
year    : 2013

我想找到我的语料库中 2013 年发布的前一百个文档中的所有文档。这用于确定文档 1 的元数据 'year' 是否为 2013 年。

meta(my_corpus[[1]],"year") == 2013
[1] TRUE

我需要一些东西，让我可以选择在前 100 个所有索引中找到符合条件的索引。我会想象类似的东西（但它不起作用，不幸的是也可能不会生成文档列表）。

meta(orbit_corpus[[1:100]],"year") == 2013
Error in x$content[[i]] : recursive indexing failed at level 4

非常感谢您的帮助！

Answer 1

您可以对语料库的前 100 个文档使用 tm_filter (orbit_corpus[1:100])

tm_filter(orbit_corpus[1:100], FUN = function(x) meta(x)[["year"]] == "2013")

来自文档

tm_filter returns a corpus containing documents where FUN matches

如何根据元数据过滤 R 中 tm 语料库中的文档？

How to filter documents in a tm corpus in R based on metadata?

r

metadata

text-mining

tm

corpus