在 tm R 中组合单词没有达到预期的结果

Question

我正在尝试组合几个词，以便它们算作一个。在此示例中，我希望将 val 和 valuatin 计为 valuation.

我一直用来尝试执行此操作的代码如下：

#load in package
library(tm)

replaceWords <- function(x, from, keep){
  regex_pat <- paste(from, collapse = "|")
  gsub(regex_pat, keep, x)
}


oldwords <- c("val", "valuati")
newword  <- c("valuation")

TextDoc2 <- tm_map(TextDoc, replaceWords, from=oldwords, keep=newword)

然而，这并没有像预期的那样工作。任何时候有 val 的单词现在都被替换为 valuation。例如 equivalent 变为 equivaluation。我该如何解决这个错误并达到我想要的结果？

Answer 1

试试这个功能 -

replaceWords <- function(x, from, keep){
  regex_pat <- sprintf('\b(%s)\b', paste(from, collapse = '|'))
  gsub(regex_pat, keep, x)
}

val 与 equivalent 匹配。添加单词边界可以阻止这种情况发生。

grepl('val', 'equivalent')
#[1] TRUE
grepl('\bval\b', 'equivalent')
#[1] FALSE

在 tm R 中组合单词没有达到预期的结果

combining words in tm R is not achieving desired result

r

tm

corpus

qdap