R - Анализ настроений - Как удалить определенные слова

Question

У меня есть код ниже, чтобы создавать чистые тексты для моего анализа настроений в Twitter. Я хочу добавить еще одну строку, чтобы удалить определенные слова, которые я не хочу включать в этот анализ, например, «дерьмо», «больной» и т. Д. Может ли кто-нибудь угодить советам, как это сделать?

tweets <- searchTwitter("iPhone", n=1500, lang="en") 
txt <- sapply(tweets, function(x) x$getText()) 
txt <- gsub("(RT|via)((?:\\b\\W*@\\w+)+)", "", txt) 
txt <- gsub("@\\w+", "", txt) 
txt <- gsub("[[:punct:]]", "", txt) 
txt <- gsub("[[:digit:]]", "", txt) 
txt <- gsub("http\\w+", "", txt) 
txt <- gsub("[ \t]{2,}", "", txt) 
txt <- gsub("^\\s+|\\s+$", "", txt) 

Answer 1

Используя последнюю версию пакета «TM» в R, вы можете удалить слова ..

library(tm) 
myCorpOld <- Corpus(VectorSource(YourFirstDFonTweet$text) 

обратите внимание, примерно мозолистого решений, «YourFirstDFonTweet» является Dataframe, что вы, возможно, создали из загруженных чириканье.

#remove "crap" and "sick" from 
txt <- setdiff(say_txt, c("crap", "sick")) 

#remove these form corpus 
myCorpUpdate <- tm_map(myCorpOld, txt) 

Надеюсь, это даст вам представление о том, как решить вашу проблему.