在“quanteda”包中连接 dfm 矩阵答案

【问题标题】：Concatenate dfm matrices in 'quanteda' package在“quanteda”包中连接 dfm 矩阵
【发布时间】：2016-05-21 13:41:12
【问题描述】：

是否存在一种方法可以同时连接两个包含不同列数和行数的 dfm 矩阵？它可以通过一些额外的编码来完成，所以我对临时代码不感兴趣，而是对通用且优雅的解决方案（如果有的话）感兴趣。

一个例子：

dfm1 <- dfm(c(doc1 = "This is one sample text sample."), verbose = FALSE)
dfm2 <- dfm(c(doc2 = "Surprise! This is one sample text sample."), verbose = FALSE)
rbind(dfm1, dfm2)

给出一个错误。

“tm”包可以直接连接其 dfm 矩阵；这对我来说太慢了。

还记得“quanteda”中的“dfm”是一个 S4 类。

【问题讨论】：

标签： r sparse-matrix quanteda

【解决方案1】：

如果您使用的是最新版本，则应该“开箱即用”：

packageVersion("quanteda")
## [1] ‘0.9.6.9’

dfm1 <- dfm(c(doc1 = "This is one sample text sample."), verbose = FALSE)
dfm2 <- dfm(c(doc2 = "Surprise! This is one sample text sample."), verbose = FALSE)

rbind(dfm1, dfm2)
## Document-feature matrix of: 2 documents, 6 features.
## 2 x 6 sparse Matrix of class "dfmSparse"
##      is one sample surprise text this
## doc1  1   1      2        0    1    1
## doc2  1   1      2        1    1    1

另见?selectFeatures，其中features 是一个dfm 对象（帮助文件中有示例）。

添加：

请注意，这将正确对齐共同特征集中的两个文本，这与矩阵的普通rbind 方法不同，其列必须匹配。出于同样的原因，rbind() 实际上不适用于具有不同术语的 DocumentTermMatrix 对象的 tm 包：

require(tm)
dtm1 <- DocumentTermMatrix(Corpus(VectorSource(c(doc1 = "This is one sample text sample."))))
dtm2 <- DocumentTermMatrix(Corpus(VectorSource(c(doc2 = "Surprise! This is one sample text sample."))))
rbind(dtm1, dtm2)
## Error in f(init, x[[i]]) : Numbers of columns of matrices must match.

这几乎明白了，但似乎重复了重复的功能：

as.matrix(rbind(c(dtm1, dtm2)))
##     Terms
## Docs one sample sample. text this surprise!
##    1   1      1       1    1    1         0
##    1   1      1       1    1    1         1

【讨论】：

谢谢！它简化了代码，一个非常有用的选项。
当使用 'tm' 时，你应该参考函数 'c' 的调度。这个包使用它自己的代码来执行这种特殊的绑定。 “base R”本身不能做到这一点（因为 'rbind 的限制）。所以c(dtm1, dtm2) 会正常工作。顺便说一句，据我所知，'tm' DFM 可以直接从'quanteda' DFM 创建，但反之则不然。