如何使用 r 中的主题模型将多个文档组合成一个文档？

Question

我目前正在尝试使用 topicmodels 包将语料库的多个文档合并为一个文档。我最初通过多个 csvs 导入我的数据，每个 csvs 都有多行文本。但是，当我导入每个 csv 时，csv 的每一行都被视为一个文档，每个 csv 都被视为一个语料库。我想做的是将每个 csv 的每个 documents/lines 合并到一个文档中，然后每个 csvs 将代表我语料库中的一个文档。我不确定这是否可能——也许在最初导入时以某种方式将 csv 的所有行作为单个文本文件读取然后创建文档和语料库会更容易，但我不知道如何那样做。下面是我用来导入我的 csvs 的代码：

file <- read.csv("file.csv")
fileCorp <- VCorpus(VectorSource(file$text))

csv 中的行看起来像这样（其中每个 / 代表一个换行符）：'I walked' / 'the dog' / 'at the' / 'park last night'

我想将这些行中的每一行组合成一行文本，作为我语料库中的一个文档。

感谢您的帮助！

Answer 1

您的任务可以通过以下步骤完成：

file1 <- data.frame(text = c('I walked','the dog','at the','park last night'))
file2 <- data.frame(text = c('He walked','the cat','at the','yesterday'))

data.frame(id = c(1, 2), 
           text = c(paste(file1$text, collapse = " "),
                    paste(file2$text, collapse = " ")))

  id                                    text
1  1 I walked the dog at the park last night
2  2      He walked the cat at the yesterday

如何使用 r 中的主题模型将多个文档组合成一个文档？

How do you combine multiple documents into a single document with topicmodels in r?

r

csv

nlp

corpus

topicmodels