计算数据框 R 中每个语音的动词数

Question

我有如下数据框：

str(data)
'data.frame':   255 obs. of  3 variables:
$ Group      : Factor w/ 255 levels "AlzGroup1","AlzGroup10",..: 1 112 179 190 201 212 223 234 245 2 ...
$ Gender     : int  1 1 0 0 0 0 0 1 0 0 ...
$ Description: Factor w/ 255 levels "A boy's on the uh falling off the stool picking up cookies . The girl's reaching up for it . The girl the lady "| __truncated__,..: 63 69 38 134 111 242 196 85 84 233 ...

在“描述”列中，我有 255 个演讲，我想在我的数据框中添加一列，其中包含每个演讲中的动词数量，我知道如何获取动词数量，但以下代码给出了动词总数在描述栏中：

> library(NLP);
> library(tm);
> library(openNLP);
NumOfVerbs=sapply(strsplit(as.character(tagPOS(data$Description)),"[[:punct:]]*/VB.?"),function(x) {res = sub("(^.*\s)(\w+$)", "\2", x); res[!grepl("\s",res)]} )

有谁知道我怎样才能知道每次演讲中动词的数量？

感谢您的帮助！

以拉河

Answer 1

假设您正在使用与此类似的函数（在此处找到：）：

tagPOS <-  function(x, ...) {
  s <- as.String(x)
  word_token_annotator <- Maxent_Word_Token_Annotator()
  a2 <- Annotation(1L, "sentence", 1L, nchar(s))
  a2 <- annotate(s, word_token_annotator, a2)
  a3 <- annotate(s, Maxent_POS_Tag_Annotator(), a2)
  a3w <- a3[a3$type == "word"]
  POStags <- unlist(lapply(a3w$features, `[[`, "POS"))
  POStagged <- paste(sprintf("%s/%s", s[a3w], POStags), collapse = " ")
  list(POStagged = POStagged, POStags = POStags)
}

创建一个函数来计算包含字母 'VB'

的 POS 标签的数量

count_verbs <-function(x) {
  pos_tags <- tagPOS(x)$POStags
  sum(grepl("VB", pos_tags))
  }

并使用 dplyr 按 Group 分组并使用 count_verbs() 汇总：

library(dplyr)
data %>% 
  group_by(Group) %>%
  summarise(num_verbs = count_verbs(Description))

计算数据框 R 中每个语音的动词数

Count number of verbs for each speech in data frame R

r

nlp

text-mining

tm

opennlp