Я задавал этот вопрос раньше и получил отрицательный отзыв, потому что не предоставил код. Я провел целый день, пытаясь и пытаясь, и теперь я застрял в проблеме.
Этот код был получен пользователем Stackoverflow "Tyler Rincker" ‹- большое ему спасибо!
вот код:
strip <- function(x, digit.remove = TRUE, apostrophe.remove = FALSE){
strp <- function(x, digit.remove, apostrophe.remove){
x2 <- Trim(tolower(gsub(".*?($|'|[^[:punct:]]).*?", "\\1", as.character(x))))
x2 <- if(apostrophe.remove) gsub("'", "", x2) else x2
ifelse(digit.remove==TRUE, gsub("[[:digit:]]", "", x2), x2)
}
unlist(lapply(x, function(x) Trim(strp(x =x, digit.remove = digit.remove,
apostrophe.remove = apostrophe.remove)) ))
corpus2 <- "In Westerman's disruptive article, Quantitative research as
an interpretive enterprise: The mostly
unacknowledged role of interpretation in research efforts."
corpus2 <- gsub("\\s+", " ", gsub("\n|\t", " ", corpus2))
corpus2.wrds <- as.vector(unlist(strsplit(strip(corpus2), " ")))
corpus2.Freq <- data.frame(table(corpus2.wrds))
corpus2.Freq$corpus2.wrds <- as.character(corpus2.Freq$corpus2.wrds)
corpus2.Freq <- corpus2.Freq[order(-corpus2.Freq$Freq), ]
rownames(corpus2.Freq) <- 1:nrow(corpus2.Freq)
key.terms <- c("research as")
Моя проблема в том, что я хочу искать биграммы или триграммы (2 или 3 слова) в корпусе.
Когда я выполняю эту строку кода:
corpus2.Freq[corpus2.Freq$corpus2.wrds %in%key.terms, ]
Я получаю эти результаты, которые должны показывать частоту «1».
[1] corpus2.wrds Freq
<0 rows> (or 0-length row.names)
Однако, если ключевой термин состоит только из 1 слова:
key.terms <- c("research")
corpus2.Freq[corpus2.Freq$corpus2.wrds %in%key.terms, ]
код работает нормально, и я получаю следующий результат:
corpus2.wrds Freq
research 2
Большое спасибо! и, надеюсь, кто-то может помочь.