tm 包中语料库中的子字符串

【问题标题】：Substring in Corpus in tm packagetm 包中语料库中的子字符串
【发布时间】：2016-11-10 10:58:25
【问题描述】：

我使用以下命令创建了一个语料库：

corpus_map <-VCorpus(VectorSource(classified_narr_sel$NARRATION))
corpus_map <- tm_map(corpus_map, removeNumbers)

上述命令从语料库中删除数字。是否有任何命令可以让我对语料库的所有单词进行子串化？例如：“Travelling”应该被转换为#to 3 个字母的子字符串作为“tra”。通常，我会使用

substr("travelling",1,3)

但我想对 tm 中的语料库做同样的事情

【问题讨论】：

标签： r substring tm

【解决方案1】：

您可以编写一个函数来进行您想要的转换并在语料库上运行它，例如：

ConvertStrings <- function(textInput){
textOutput <- gsub("travelling", "tra", textInput)
textOutput <- gsub("furtherWords", "further", textOutput)
#...
return(textOutput)
}
corpus_transformed <- ConvertStrings(corpus_map)

【讨论】：

但是我怎样才能对每个文档中的每个单词执行此操作，最多 3 个字符？在这里，旅行被称为“tra”。它适用于所有单词吗？