Logo
Section 1 / 4

文档-词项矩阵

了解文档-词项矩阵为何是自然语言处理中一种被广泛接受的数据结构。

导入

文档-词项矩阵

了解文档-词项矩阵为何是自然语言处理中一种被广泛接受的数据结构。

library(tm, quietly = TRUE)

docDir <- DirSource(directory = "data", pattern = "mws_.+txt")

newCorpus <- Corpus(docDir)

DTmatrix <- DocumentTermMatrix(newCorpus) inspect(DTmatrix)

library(tm, quietly = TRUE)

docDir <- DirSource(directory = "data", pattern = "mws_.+txt")

newCorpus <- Corpus(docDir)

DTmatrix <- DocumentTermMatrix(newCorpus)

print("查找频繁项 -----------") findFreqTerms(DTmatrix, lowfreq = 400) print("查找最高频项 --------") findMostFreqTerms(DTmatrix)

理解语料库与数据来源

停用词移除