Я пытаюсь создать матрицу терминов-документов с помощью функции TermDocumentMatrix
пакета tm
в R и обнаружил, что некоторые слова не включены.
> library(tm)
> tdm <- TermDocumentMatrix(Corpus(VectorSource("The book is of great importance.")))
> rownames(tdm)
[1] "book" "great" "importance." "the"
Здесь слова is и of были исключены из матрицы. Если корпус включает только удаленные слова, выдается следующее сообщение.
> tdm <- TermDocumentMatrix(Corpus(VectorSource("of is of is")))
Warning message:
In is.na(x) : is.na() applied to non-(list or vector) of type 'NULL'
> rownames(tdm)
NULL
Сигналы сообщения о том, что есть и из, удаляются до построения матрицы, но я не смог понять, почему это происходит и как я могу включить все токены в корпус.
Любая помощь приветствуется.