在 tm R 中组合单词没有达到预期的结果答案

【问题标题】：combining words in tm R is not achieving desired result在 tm R 中组合单词没有达到预期的结果
【发布时间】：2021-08-28 01:57:13
【问题描述】：

我正在尝试组合几个单词，以便它们算作一个。在此示例中，我希望将 val 和 valuatin 计为 valuation。

我一直在尝试执行此操作的代码如下：

#load in package
library(tm)

replaceWords <- function(x, from, keep){
  regex_pat <- paste(from, collapse = "|")
  gsub(regex_pat, keep, x)
}


oldwords <- c("val", "valuati")
newword  <- c("valuation")

TextDoc2 <- tm_map(TextDoc, replaceWords, from=oldwords, keep=newword)

但是，这并没有按预期工作。任何时候只要单词中有val，它现在就会被替换为valuation。例如，equivalent 变为 equivaluation。如何解决此错误并达到我想要的结果？

【问题讨论】：

标签： r tm corpus qdap

【解决方案1】：

试试这个功能-

replaceWords <- function(x, from, keep){
  regex_pat <- sprintf('\\b(%s)\\b', paste(from, collapse = '|'))
  gsub(regex_pat, keep, x)
}

val 与 equivalent 匹配。添加单词边界可以防止这种情况发生。

grepl('val', 'equivalent')
#[1] TRUE
grepl('\\bval\\b', 'equivalent')
#[1] FALSE

【讨论】：