R 中的主题建模

Question

我正在根据 public 评论数据创建相关主题模型，但出现了一个相当奇怪的错误。

当我在我的 CTM 上调用 terms(ctm1, 5) 时，我得到的是文档的名称，而不是每个主题的前 5 个术语。

更详细我运行,

library(topicmodels)
library(data.table)
library(tm)

a  <-Corpus(DirSource("~/text", encoding="UTF-8"), readerControl = 
list(language="lat")) 
a <- tm_map(a, removeNumbers)
a <- tm_map(a, removePunctuation)
a <- tm_map(a , stripWhitespace)
a <- tm_map(a, tolower)
a <- tm_map(a, removeWords, stopwords("english")) 
a <- tm_map(a, stemDocument, language = "english")
adtm <-TermDocumentMatrix(a) 
adtm <- removeSparseTerms(adtm, 0.75)

ctm1 <- CTM(adtm, 30, method = "VEM", control = NULL, model = NULL)
terms(ctm1, 5)

返回

terms(ctm1)
          Topic 1  "cmnt656661.txt"

（等等）

Answer 1

我们无法确定，因为您没有提供数据；但很可能您没有正确导入文件。参见?DirSource（我强调的）：

directory : A character vector of full path names; the default corresponds to the working directory getwd().

在你的情况下，你似乎应该这样做：

a <- Corpus(DirSource(list.files("~/text", full.names = TRUE)))

R 中的主题建模

Topic Modelling in R

r

topic-modeling

tm