您如何在 R 中规范化文档术语矩阵的行？答案

【问题标题】：How do you normalize the rows of a document term matrix in place in R?您如何在 R 中规范化文档术语矩阵的行？
【发布时间】：2015-06-04 22:02:56
【问题描述】：

我有一个名为 train_dtm 的 DocumentTermMatrix，我想标准化所有文档中术语频率的频率计数。我面临的问题是生成的矩阵也应该是 DocumentTermMatrix 类型，因为我想将归一化矩阵传递给 R 中 TopicModels 包的另一个方法 LDA。

下面是我使用的方法：

docs_dtm <- DocumentTermMatrix(docs)

现在，我希望对上述 documenttermmatrix 的行进行规范化。我什至尝试通过添加控制参数

docs_dtm <- DocumentTermMatrix(docs, control=list(weighting = function(x) weightTf(x, normalize=TRUE)))

但是上面的调用会抛出一个错误说

Error in weightTf(x, normalize=TRUE): unused argument (normalize = TRUE)

我已经编写了使用 apply() 方法规范化 train_dtm 值的方法，但它不返回 DocumentTermMatrix 类型的矩阵。

还有其他方法可以完成上述任务吗？

【问题讨论】：

【解决方案1】：

创建 dtm 后标准化：

docs_dtm_norm <- t(apply(docs_dtm, 1, function(x) x/sqrt(sum(x^2))))

【讨论】：

【解决方案2】：

您可以尝试直接传递加权参数吗，例如：

docs_dtm <- DocumentTermMatrix(docs, control = list(weighting = weightTf, normalize = TRUE))

【讨论】：