在 R 中对文档进行词干处理后，如何获得词根和单词之间的列表？
How can I get a list between roots and words after stemmed a document in R?
我在一个文本挖掘项目中，我们想按运动对变量进行分类（是描述运动的自由文本变量）。出于这个原因，我想阻止它。我想检查词根和词之间的关系是否正确，所以我想知道哪些词根包含哪些词。我在 R 中工作，有人可以帮助我吗？
删除标点符号、数字、多余的空格后，我正在做：
library(tm)
myData <- c('natacion gimnasio','gimnasia montana','correr bicicleta','corremontanismo','nadar bici')
corpus <- Corpus(VectorSource(myData))
dictCorpus <- corpus
corpus <- tm_map(corpus, stemDocument, language = "spanish")
inspect(corpus[1:5])
corpus <- tm_map(corpus, stemCompletion, dictionary=dictCorpus)
inspect(corpus[1:5])
那么我有：
我有 3 个问题不知道如何解决：
- 包含词根词之间关系的列表（例如：词根 = gimnasi；词 = gimnasio、gimnasia | 词根 = montan；词 = montana、montanismo）。我想看看每个词根与其关联词的关系。
- 如何正确匹配（bicicleta == bici，但 stemDocument 没有连接它们）。
- 应用 stemCompletion 时更改单词的词根。
提前致谢。
我没有完整回答你所有的问题。不过我会尽量回答的。
1) Spanish stemming algorithm.
可以去snowball官网
西班牙语示例列表是 here
对应的根是here
匹配这些文件会给你一个词根和单词之间的关系。
2) 很难在 bici 和 bicicleta 之间进行正确匹配。它们没有相同的引理或根。你需要一本同义词词典来帮助你。
3) 返回单词而不是词根很有趣，但西班牙语有男性和女性版本。如果我查看 gimnasio / gimnasia 的引理，它们是 gimnasio 和 gimnasia，即使词根是 gimnasi。你要return哪个词？在开始提取词干并创建一个仅包含 (fe)male 词的字典之前，您可能需要对此做出决定。
我在一个文本挖掘项目中，我们想按运动对变量进行分类（是描述运动的自由文本变量）。出于这个原因，我想阻止它。我想检查词根和词之间的关系是否正确，所以我想知道哪些词根包含哪些词。我在 R 中工作，有人可以帮助我吗？
删除标点符号、数字、多余的空格后，我正在做：
library(tm)
myData <- c('natacion gimnasio','gimnasia montana','correr bicicleta','corremontanismo','nadar bici')
corpus <- Corpus(VectorSource(myData))
dictCorpus <- corpus
corpus <- tm_map(corpus, stemDocument, language = "spanish")
inspect(corpus[1:5])
corpus <- tm_map(corpus, stemCompletion, dictionary=dictCorpus)
inspect(corpus[1:5])
那么我有：
我有 3 个问题不知道如何解决：
- 包含词根词之间关系的列表（例如：词根 = gimnasi；词 = gimnasio、gimnasia | 词根 = montan；词 = montana、montanismo）。我想看看每个词根与其关联词的关系。
- 如何正确匹配（bicicleta == bici，但 stemDocument 没有连接它们）。
- 应用 stemCompletion 时更改单词的词根。
提前致谢。
我没有完整回答你所有的问题。不过我会尽量回答的。
1) Spanish stemming algorithm.
可以去snowball官网西班牙语示例列表是 here
对应的根是here
匹配这些文件会给你一个词根和单词之间的关系。
2) 很难在 bici 和 bicicleta 之间进行正确匹配。它们没有相同的引理或根。你需要一本同义词词典来帮助你。
3) 返回单词而不是词根很有趣，但西班牙语有男性和女性版本。如果我查看 gimnasio / gimnasia 的引理，它们是 gimnasio 和 gimnasia，即使词根是 gimnasi。你要return哪个词？在开始提取词干并创建一个仅包含 (fe)male 词的字典之前，您可能需要对此做出决定。