आर में टर्म-दस्तावेज़ मैट्रिक्स में त्रुटि को कैसे निकालें?

Question

मैं फ़ाइल के एक कॉर्पस से आर का उपयोग कर टर्म-दस्तावेज़ मैट्रिक्स बनाने की कोशिश कर रहा हूं। , अतः में अन्य उत्तर में दिए गए के रूप में

library(tm) 
library(RWeka) 
library(tmcn.word2vec) 

#Reading data 
data <- read.csv("Train.csv", header=T) 
#text <- data$EventDescription 

#Pre-processing 
corpus <- Corpus(VectorSource(data$EventDescription)) 
corpus <- tm_map(corpus, stripWhitespace) 
corpus <- tm_map(corpus, removePunctuation) 
corpus <- tm_map(corpus, tolower) 
corpus <- tm_map(corpus, PlainTextDocument) 
#dataframe <- data.frame(text=unlist(sapply(corpus,'[',"content"))) 

#Reading dictionary file 
dict <- scan("dictionary.txt", what='character',sep='\n') 

#Bigram Tokenization 
BigramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min = 1, max = 4)) 
tdm_doc <- DocumentTermMatrix(corpus,control=list(stopwords = dict, tokenize=BigramTokenizer)) 
tdm_dic <- DocumentTermMatrix(corpus,control=list(tokenize=BigramTokenizer, dictionary=dict)) 

मैं SnowballC पैकेज को स्थापित करने की कोशिश की है और:

Error in simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms), : 
'i, j' invalid 
Calls: DocumentTermMatrix ... TermDocumentMatrix.VCorpus -> simple_triplet_matrix -> .Call 
In addition: Warning messages: 
1: In mclapply(unname(content(x)), termFreq, control) : 
scheduled core 1 encountered error in user code, all values of the job will be affected 
2: In simple_triplet_matrix(i = i, j = j, v = as.numeric(v), nrow = length(allTerms), : 
NAs introduced by coercion 

मेरे कोड नीचे दिया गया है लेकिन कोड चलाने पर मैं यह त्रुटि 2 चेतावनी के बाद हो रही है अन्य सूचीबद्ध विचार। फिर भी मुझे एक ही त्रुटि मिल रही है। क्या कोई इस संबंध में मेरी मदद कर सकता है? अग्रिम में धन्यवाद।

Answer 1

मुझे कॉर्पस की सफाई करते समय भी इसी तरह की त्रुटि थी। समस्या को ठीक करने के लिए मैंने कोड की अपमानजनक रेखा के बाद निम्नलिखित जोड़ा और इसे ठीक किया। कुछ tm_map फ़ंक्शंस कॉर्पस नहीं लौटते हैं ...

corpus <- Corpus(VectorSource(corpus)) 

मेरे लिए समस्या पूरी होने के बाद उत्पन्न हुई। मैं सुझाव देता हूं कि प्रत्येक tm_map कॉल के बाद tdm बनाने का प्रयास करें। यह आपको बताएगा कि कौन सा सफाई कदम समस्या पैदा कर रहा है।

शुभकामनाएँ!

Answer 2

मैं अपने DocumnetTermMatrix प्राप्त करने के लिए एक ही समस्या थी और मैं निम्न आदेश को हटाने के द्वारा इसे हल:

corpus <- tm_map(corpus, PlainTextDocument)