StemDocument R 文本挖掘

我的数据是一个txt文件，如下所示：
字数_doc
概述1
客户1
store 1
marge 1
price 2
stock 2
经济学2

文档的编号已排序（从最小到最大）。现在我想要每个文档属于该文档的所有单词。现在它们站在一列中，但我想要文本文档中的所有单词（来自包 tm，因为它对于该包中的某些功能是必需的）。我这样做如下：

 data <- read.table("poging.txt", header = TRUE)
 data

 doc <- c()
 #I paste all the words from a document together:
 doc[1] <- paste(data[1:4,1], collapse = ' ')
 doc[2] <- paste(data[1:4,1], collapse = ' ')

 #Make a data.frame of it
 doc_df <- data.frame(docs = doc, row.names = 1:2)

 #Install package
 install.packages("tm")
 library(tm)

 #Make a Dataframesource of it so that each row is seen as a document
 ds <- DataframeSource(doc_df)
 inspect(VCorpus(ds))

 #Now I want to stem for example document number 1
 stemDocument(ds[[1]])

但是通过使用ds[[1]]作为论证，它不起作用。他找不到 1 号文件。 有人能帮我吗？

在包的例子中tm他们使用数据crude。我希望我的数据与来自的数据格式相同crude.

Silke

stemDocument()旨在与 TextDocument 一起使用，而不是与 DataSource 一起使用。您想要使用数据源创建一个语料库，然后您可以从那里提取文档。

ds <- DataframeSource(doc_df)
corpus <- VCorpus(ds)
stemDocument(corpus[[1]])

注意stemDocument将返回一个新文档，并且不会永久更新语料库。因此，如果您想对输出执行任何操作，请务必将其保存在某个地方。