使用 DocumentTermMatrix() 的更多停用词

Question

目前，我正在使用 R 中的函数 DocumentTermMatrix() 来拟合 LDA 模型。除了默认停用词外，我想添加我自己应该删除的词。

library(tm)
myStopwords <- c("aa", "bb")
dtm <- DocumentTermMatrix(myCorpus,
                           control = list(
                           tolower = TRUE,
                           removePunctuation = TRUE,
                           removeNumbers= TRUE,
                           stemming = FALSE,
                           stopwords = TRUE,
                           minWordLength = 2))

谁能帮我在上面的代码中添加自己的停用词？谢谢！

Answer 1

您可以通过在 DocumentTermMatrix 函数中添加 removeWords = c("aa", "bb") 来添加自己的停用词。

library(tm)
myStopwords <- c("aa", "bb")
dtm <- DocumentTermMatrix(myCorpus,
                           control = list(
                           tolower = TRUE,
                           removePunctuation = TRUE,
                           removeNumbers= TRUE,
                           stemming = FALSE,
                           stopwords = TRUE,
                           removeWords = c("aa","bb"),
                           minWordLength = 2))
))

使用 DocumentTermMatrix() 的更多停用词

More stop words using the DocumentTermMatrix()

r

tm