如何根据元数据过滤 R 中 tm 语料库中的文档？答案

【问题标题】：How to filter documents in a tm corpus in R based on metadata?如何根据元数据过滤 R 中 tm 语料库中的文档？
【发布时间】：2016-07-12 13:08:43
【问题描述】：

我正在使用 R tm 包，我正在尝试通过索引和元数据选择某些文档：

orbit_corpus<-Corpus( tm_corpus, readerControl = list(reader=myReader))

meta(my_corpus[[1]])

author  : a8
origin  : Department 
heading : WhiB
id      : 1
year    : 2013

我想查找我的语料库中 2013 年发表的前一百个文档中的所有文档。这可以确定文档 1 的元数据“年份”是否为 2013 年。

meta(my_corpus[[1]],"year") == 2013
[1] TRUE

我需要一些东西，让我可以选择在前 100 个符合标准的所有索引中进行查找。我会想象类似的事情（但它不起作用，不幸的是也可能不会生成文档列表）。

meta(orbit_corpus[[1:100]],"year") == 2013
Error in x$content[[i]] : recursive indexing failed at level 4

非常感谢您的帮助！

【问题讨论】：

标签： r metadata text-mining tm corpus

【解决方案1】：

您可以在语料库的前 100 个文档中使用 tm_filter (orbit_corpus[1:100])

tm_filter(orbit_corpus[1:100], FUN = function(x) meta(x)[["year"]] == "2013")

来自文档

tm_filter 返回包含 FUN 匹配的文档的语料库

【讨论】：