为什么 tm 包和 RTextTools 包的输出不同？答案

【问题标题】：Why does the output differ for tm package and RTextTools package?为什么 tm 包和 RTextTools 包的输出不同？
【发布时间】：2017-12-10 11:07:58
【问题描述】：

我有一个包含 260 个 RTI 应用程序的数据集。我应该对他们执行LDA。我已经使用 tm 以及 RTextTools 包创建了 term-doc 矩阵。但是，输出差异很大。 Tm 包不显示任何稀疏条目计数。总术语的数量差异很大。代码如下：

library("tm")
library("RTextTools")
<I read the data here into a variable called 'data'>
doc = Corpus(VectorSource(data))
m = create_matrix(data, language = "english", removeNumbers = TRUE, removePunctuation = TRUE, stemWords = TRUE, weighting = weightTf) #RtextTools statement
tdm <- TermDocumentMatrix(doc, control = list(removePunctuation = TRUE, removeNumbers = TRUE, language = "english", stemWords = TRUE, stopWords = TRUE, weighting = weightTf) #tm statement
>m
#<<DocumentTermMatrix (documents: 260, terms: 951)>>
Non-/sparse entries: 2669/244591
Sparsity           : 99%
>tdm
#<<TermDocumentMatrix (terms: 1024, documents: 1)>>
Non-/sparse entries: 1024/0
Sparsity           : 0%

如果您需要数据集来更好地理解问题，请告诉我。

【问题讨论】：

标签： r sparse-matrix tm

【解决方案1】：

见?termFreq - 它必须是stemming=TRUE, stopwords=TRUE 而不是stemWords = TRUE, stopWords = TRUE。另请注意，SimpleCorpus 对象会触发 TermDocumentMatrix 的默认行为，这可能会覆盖您的控制参数。

【讨论】：

所以你建议使用VCorpus？
@HimabinduBoddupalli 是的。
doc = VCorpus(VectorSource(data)) tdm
@HimabinduBoddupalli 你看我的回答了吗？没有控制参数stopWords。
@HimabinduBoddupalli 然后请编辑您的原始帖子并使其成为一个最小的可重复示例，包括data，以展示两者给出不同的结果。