1
我想截断语料库中的所有标记,使其最大长度为5个字符。有没有办法在MALLET中设置--token-regex导入选项来实现这一点?我目前使用导入文件的代码是这样的:在MALLET中截断主题模型的标记
mallet-2.0.7/bin/mallet import-dir --input mallet-2.0.7/data/journals/ --output mallet-2.0.7/tmp/topic-input-journals.mallet --keep-sequence --remove-stopwords --stoplist-file mallet-2.0.7/stoplists/tr.txt --token-regex '\p{L}[\p{L}\p{P}]*\p{L}'
如果这是不可能的木槌导入命令,我会很感激如何做相同的R.
**“我想截断所有标记,使其最大长度为5个字符。”**上一句是您问题的底线。如果您删除了其余的措词(以及删除了一些标签),您将有更高的回答您的问题的机会。欢迎来到SO。 – Sabuncu 2014-09-11 16:51:09
感谢您的提示和欢迎。我编辑了这个问题。 – Jim 2014-09-12 10:26:47
不客气! – Sabuncu 2014-09-12 15:22:30