Как взять первые 25 слов каждого корпуса (в R)?

Question

Я предполагаю, что техника для этого похожа на прием первых N символов из любого кадра данных, независимо от того, является ли он корпусом или нет.

Моя попытка:

create.greetings <- function(corpus, create_df = FALSE) { 
    for(i in length(Charlotte.corpus.raw)) { 
    Doc1<-Charlotte.corpus.raw[i] 
    Word1<-Doc1[1:25] 
    Greetings[i]<-Word1 
    } 
    return(VCorpus) 
} 

Где Greetings начинается как корпус с п = 6. Я не мог понять, как создать нулевой корпус или корпус достаточно больших символов. У меня есть 200 документов здесь (Charlotte.corpus.raw). В отличие от векторов (и по расширению, dataframes), похоже, нет простого способа создания пустых корпусов.

Часть проблемы заключается в том, что R, похоже, не распознает класс «документ». Он распознает только корпус. То есть, для R единичный документ является корпусом n = 1.

воспроизводимое Пример: Вы будете нуждаться в «тм» и «dplyr» и пакеты «NLP», а также более общие пакеты R

read.corpus <- function(directory, pattern = "", to.lower = TRUE) { 
corpus <- DirSource(directory = directory, pattern = pattern) %>% 
    VCorpus # Read files and create `VCorpus` object 
if(to.lower == TRUE) corpus <- # Lowercase text 
    tm_map(corpus, 
      content_transformer(tolower)) 
return(corpus) 
} 

Затем запустите функцию для любой директории, которую вы имеете с несколькими txt, тогда у вас есть корпус для работы. Затем замените Charlotte.corpus.raw сверху с тем, что вы называете своим корпусом.

Answer 1

Каждая строка приветствия будет содержать первые 25 слов каждого документа:

greetings <- c() 
for(i in 1:length(corpus)) { 
    row <- unlist(corpus[i])[1:25] 
    greetings <- rbind(greetings, row) 
}