为什么tm包和RTextTools包的输出不同？

我有一个260 RTI应用程序的数据集。我应该对他们执行LDA。我使用tm和RTextTools软件包创建了term-doc矩阵。但是，输出差别很大。 Tm软件包不显示任何稀疏的条目数量。总条款数量差别很大。下面是代码：为什么tm包和RTextTools包的输出不同？

library("tm") 
library("RTextTools") 
<I read the data here into a variable called 'data'> 
doc = Corpus(VectorSource(data)) 
m = create_matrix(data, language = "english", removeNumbers = TRUE, removePunctuation = TRUE, stemWords = TRUE, weighting = weightTf) #RtextTools statement 
tdm <- TermDocumentMatrix(doc, control = list(removePunctuation = TRUE, removeNumbers = TRUE, language = "english", stemWords = TRUE, stopWords = TRUE, weighting = weightTf) #tm statement 
>m 
#<<DocumentTermMatrix (documents: 260, terms: 951)>> 
Non-/sparse entries: 2669/244591 
Sparsity   : 99% 
>tdm 
#<<TermDocumentMatrix (terms: 1024, documents: 1)>> 
Non-/sparse entries: 1024/0 
Sparsity   : 0%

如果您需要的数据集来理解这个问题更好，让我知道。

来源

2017-07-06 BlackSwan

请参阅?termFreq - 它必须是stemming=TRUE, stopwords=TRUE而不是stemWords = TRUE, stopWords = TRUE。另请注意，SimpleCorpus对象触发TermDocumentMatrix的默认行为可能会覆盖您的控制参数。

来源

2017-07-06 12:42:43 lukeA

所以你建议使用VCorpus？ – BlackSwan

@HimabinduBoddupalli是的。 – lukeA

doc = VCorpus（VectorSource（data）） tdm < - TermDocumentMatrix（doc，control = list（language =“english”，removeNumbers = TRUE，removePuncutation = TRUE，stemming = TRUE，stopWords = TRUE，weighting = weightTf））Still不起作用。 – BlackSwan

为什么tm包和RTextTools包的输出不同？

回答

相关问题