アールメカブ

• バックアップ一覧
• 現在との差分 を表示
• ソース を表示
• バックアップ を表示
• R_文書ターム行列作成 へ行く。
  • 1 (2008-03-26 (水) 17:05:17)

• 追加された行はこの色です。
• 削除された行はこの色です。

[[Rの備忘録]]

日本語テキストを解析した結果からターム文書行列を作成する．

lsa パッケージでは正しく解析できないので，自作する．

ちなみに lsa パッケージの textmatrix はこんな感じ

 textmatrix <- function( mydir, stemming=FALSE, language="german",
     minWordLength=2, minDocFreq=1, stopwords=NULL, 
    vocabulary=NULL ) {
    
    dummy = lapply( dir(mydir, full.names=TRUE), textvector, 
       stemming, language, minWordLength, minDocFreq, stopwords, 
       vocabulary)
    if (!is.null(vocabulary)) {
        dtm = t(xtabs(Freq ~ ., data = do.call("rbind", dummy)))
        result = matrix(0, nrow=length(vocabulary), ncol=ncol(dtm))
        rownames(result) = vocabulary
        result[rownames(dtm),] = dtm[rownames(dtm),]
        colnames(result) = colnames(dtm)
        dtm = result
        gc()
    } else {
        dtm = t(xtabs(Freq ~ ., data = do.call("rbind", dummy)))
    }
    
    environment(dtm) = new.env()
    class(dtm) = "textmatrix"
    
    return ( dtm )
    
}