如何使用 tm 在 R 中按元素连接两个文档语料库

Question

从两个文档语料库开始，每个语料库都有相同数量的文档：

library(tm)
c1 <- Corpus(VectorSource(c("document 1 corpus 1 text", "document 2 corpus 1 text")))
c2 <- Corpus(VectorSource(c("document 1 corpus 2 text", "document 2 corpus 2 text")))

我想要一个包含相同数量文档的语料库，这些文档的术语按元素组合形成一个文档，相当于：

c3 <- Corpus(VectorSource(c("document 1 corpus 1 text document 1 corpus 2 text", 
                            "document 2 corpus 1 text document 2 corpus 2 text"))

搜索已经打开了tm_combine功能，但是它将来自不同语料库的文档组合成一个语料库，文档数量是文档数量的两倍（或者，个体的总和）。

Answer 1

c4 <-
  Corpus(VectorSource(c(  
  paste(data.frame(text=unlist(sapply(c1, `[`, "content")), stringsAsFactors=F)$text[1],
        data.frame(text=unlist(sapply(c1, `[`, "content")), stringsAsFactors=F)$text[2]),
  paste(data.frame(text=unlist(sapply(c2, `[`, "content")), stringsAsFactors=F)$text[1],
        data.frame(text=unlist(sapply(c2, `[`, "content")), stringsAsFactors=F)$text[2]))))

Answer 2

您可以遍历每个语料库并将相应的条目粘贴在一起。然后，转换回语料库：

Corpus(VectorSource(
  mapply(function(x, y) paste(content(x), content(y)), c1, c2)
))

如何使用 tm 在 R 中按元素连接两个文档语料库

How to concatenate, element-wise, two document corpora in R using tm

r

nlp

tm