如何手動設置文檔中的文檔ID？

我從數據框創建Copus。我將它作爲VectorSource傳遞，因爲只有一列我想用作文本源。這可以發現，但是我需要文集中的文檔ID來匹配數據框中的文檔ID。文檔ID存儲在原始數據框的獨立列中。如何手動設置文檔中的文檔ID？

df <- as.data.frame(t(rbind(c(1,3,5,7,8,10), 
         c("text", "lots of text", "too much text", "where will it end",   "give peas a chance","help")))) 
colnames(df) <- c("ids","textColumn") 
library("tm") 
library("lsa") 
corpus <- Corpus(VectorSource(df[["textColumn"]]))

運行此代碼將創建一個語料庫，但是文檔ID從1-6運行。有沒有辦法用文檔ID 1,3,5,7,8,10創建語料庫？

來源

2013-02-13 user1098798

那麼，一個簡單但不分配你的ID，以您的文檔非常優雅的方式，後來可能是以下幾點：

for (i in 1:length(corpus)) { 
    attr(corpus[[i]], "ID") <- df$ids[i] 
}

來源

2013-02-13 11:28:32 juba

它的工作原理！我會稍微等一下，看看是否有人能夠想出更優雅的東西，也許在實際的語料庫創建過程中分配它們。但是，如果他們不能，我會很樂意接受這一點，如果不是你單獨回答的速度;） – user1098798 2013-02-13 11:31:16

@ user1098798謝謝！我稍微修改了我的答案，因爲顯然你可以直接重用原始數據中的ID ... – juba 2013-02-13 11:43:13

這裏是一個qdap辦法解決這個問題，可以處理它沒有循環：

使用權qdap version >= 1.1.0從一開始到數據幀轉換爲Corpus和ID標記將被自動添加。

with(df, as.Corpus(textColumn, ids)) 

## <<VCorpus>> 
## Metadata: corpus specific: 0, document level (indexed): 3 
## Content: documents: 6 


## Look around a bit 
meta(with(df, as.Corpus(textColumn, ids)), tag="id") 
inspect(with(df, as.Corpus(textColumn, ids)))

來源

2014-02-28 05:09:13

'df2tm_corpus'已棄用;你可以編輯你的答案，並用'as.Corpus'代替嗎？ – coip 2015-06-11 21:05:27

這不起作用！，我總是有他的結果空值 – bicepjai 2015-07-26 22:37:05

我知道它可能晚了@ user1098798，但是有一種方法可以在創建語料庫時直接指定id。您需要加載數據DataframeSource()並添加映射到列：

corpus = VCorpus(DataframeSource(df), readerControl = list(reader = readTabular(mapping = list(content = "textColumn", id = "ids"))))

來源

2016-03-23 10:26:44

如何手動設置文檔中的文檔ID？

回答

相關問題