R:在阅读文本中使用quanteda语料库有困难
在阅读了我的语料库后，在使用不同的后续语句时，我得到了相同的错误：
UseMethod中的错误(“文本”)：对于“c(语料库_帧，‘data.frame’)”类的对象，没有适用的“文本”方法。
例如，当使用这个简单的语句：texts(mycorpus)[2]时，我的实际目标是创建一个dfm (它提供了与上面相同的错误消息)。
我阅读语料库时有这样的代码：
`mycorpus < corpus_frame(readtext("C:/Users/renswilderom/Documents/Stuff Im
working on at the moment/Newspaper articles DJ/test data/*.txt",
docvarsfrom="filenames", dvsep="_", docvarnames=c("Date of Publication",
"Length LexisNexis"), encoding = "UTF-8-BOM"))`我的数据集包含50篇报纸文章，包括一些元数据，如出版日期。
见截图。
为什么每次我都会犯这个错误？非常感谢您的帮助！
响应1:
当只使用readtext()时，我会更进一步，而texts(text.corpus)[1]不会产生错误。
但是，当标记化时，同样的错误再次发生，因此：
token <- tokenize(text.corpus, removePunct=TRUE, removeNumbers=TRUE, ngrams
= 1:2)
tokens(text.corpus)产量：
UseMethod中的错误(“tokenize”)：不适用于类"c('readtext'，‘data.frame’)中的对象的“令牌化”方法 UseMethod中的错误(“令牌”)：没有适用于类"c('readtext'，‘data.frame’)对象的‘令牌’的方法
响应2:
现在我得到这两条错误消息作为回报，这也是我最初得到的，所以我开始使用corpus_frame()
UseMethod中的错误(“令牌”)：没有将“令牌”应用于类“c(‘语料库_框架’，‘data.frame’)的对象的适用方法 此外:警告信息：“语料库”被废弃。用“corpus_frame”代替。见“帮助”(“不推荐”)
是否需要指定“标记化”或任何其他步骤仅应用于“text”列，而不应用于整个数据集？
响应3:
谢谢你，帕特里克，这确实澄清了我的意思，也让我有了进一步的了解。运行此程序时：
# Quanteda - corpus way
readtext("C:/Users/renswilderom/Documents/Stuff Im working on at the moment/Newspaper articles DJ/test data/*.txt",
docvarsfrom = "filenames", dvsep = "_",
docvarnames = c("Date of Publication", "Length LexisNexis", "source"),
encoding = "UTF-8-BOM") %>%
corpus() %>%
tokens(removePunct = TRUE, removeNumbers = TRUE, ngrams = 1:2)我明白了：
Tokens_internal中的错误(文本(X)，.)：列表不包含另外3个元素:警告消息:不推荐使用removePunctremoveNumbers；使用remove_punctremove_numbers代替
因此，我相应地更改了它(使用remove_punct和remove_numbers)，现在代码运行良好。
或者，我也尝试过这样做：
# Corpus - term_matrix way
readtext("C:/Users/renswilderom/Documents/Stuff Im working on at the moment/Newspaper articles DJ/test data/*.txt",
docvarsfrom = "filenames", dvsep = "_",
docvarnames = c("Date of Publication", "Length LexisNexis", "source"),
encoding = "UTF-8-BOM") %>%
term_matrix(drop_punct = TRUE, drop_numbers = TRUE, ngrams = 1:2)这就产生了这个错误：
Term_matrix中的错误(.，drop_punct = TRUE，drop_numbers = TRUE，ngram= 1:2)：未识别的文本筛选器属性：'drop_numbers‘
删除drop_numbers = TRUE后，实际生成矩阵。非常感谢你的帮助！
回答 2
Stack Overflow用户
发布于 2017-10-12 06:22:40
为澄清情况：
语料库包的0.9.1版本有一个名为corpus的函数。quanteda还有一个名为corpus的函数。为了避免两个包之间的名称冲突，语料库 corpus函数被废弃，并在0.9.2版中重命名为corpus_frame；它在0.9.3版中被删除。
为了避免与quanteda的名称冲突，可以将语料库升级到CRAN上的最新版本(0.9.3)，或者做
library(corpus)
library(quanteda)而不是其他命令。
现在，如果您想使用quanteda来标记您的文本，请按照Ken的回答中的建议：
readtext("C:/Users/renswilderom/Documents/Stuff Im working on at the moment/Newspaper articles DJ/test data/*.txt",
docvarsfrom = "filenames", dvsep = "_",
docvarnames = c("Date of Publication", "Length LexisNexis"),
encoding = "UTF-8-BOM")) %>%
corpus() %>%
tokens(remove_punct = TRUE, remove_numbers = TRUE, ngrams = 1:2)如果您的目标是逐项获取文档计数矩阵，则可能需要使用dfm函数而不是tokens函数。
如果您想使用语料库包，请执行以下操作
readtext("C:/Users/renswilderom/Documents/Stuff Im working on at the moment/Newspaper articles DJ/test data/*.txt",
docvarsfrom = "filenames", dvsep = "_",
docvarnames = c("Date of Publication", "Length LexisNexis"),
encoding = "UTF-8-BOM")) %>%
term_matrix(drop_punct = TRUE, drop_number = TRUE, ngrams = 1:2)根据您想要做的事情，您可能希望使用term_stats函数而不是term_matrix函数。
Stack Overflow用户
发布于 2017-10-10 13:20:42
好的，您将得到此错误，因为(正如错误消息所述)，没有针对readtext对象类的tokens()方法，这是data.frame的一个特殊版本。(注意：tokenize()是旧的、过时的语法，将在下一个版本中删除--使用tokens()。)
你想要这个
library("quanteda")
library("readtext")
readtext("C:/Users/renswilderom/Documents/Stuff Im working on at the moment/Newspaper articles DJ/test data/*.txt",
docvarsfrom = "filenames", dvsep = "_",
docvarnames = c("Date of Publication", "Length LexisNexis"),
encoding = "UTF-8-BOM")) %>%
corpus() %>%
tokens(removePunct = TRUE, removeNumbers = TRUE, ngrams = 1:2)这是您省略的corpus()步骤。corpus_frame()来自不同的包(我的朋友Patrick的语料库)。
https://stackoverflow.com/questions/46671013
复制相似问题
腾讯云开发者
