在 R 中运行 NLP 时处理标记数据集中的多个文本列

Question

希望你们所有人都身体健康。 我是 NLP 世界的新手，我的问题可能听起来很愚蠢，所以我提前道歉。我想对一些标记的文本数据执行 NLP 并运行文本挖掘预测模型。我有四个可用作预测变量的文本列，我的标记列是我的类变量。或许，以下可以让你一窥数据集

 var1    var2  var3    var4      class_var
  NA     text  text     NA          0
  text   text   NA     text         1
  text    NA    NA     text         1
  NA      NA    NA     text         0
  NA     text  text    text         1  

如图所示，在某些列中没有文本（I put NAs）我在其他列中有文本。 话虽如此，我的问题是我是否应该将所有文本列合并为一个？ 如果是这样，处理这个问题的合适方法是什么？

非常感谢你们的帮助。

非常感谢！

Answer 1

这里的选项太多了，但是看到您的数据已经分为四列，也许您可​​以首先将文本替换为 1（如果存在文本）或 0 （对于 NA），然后看看您可以如何预测 class_var以简单的逻辑回归作为开始。从那里，您可以进入标记器等。