|
return(paste)函数将每一行粘贴在一起，最后返回完整的文本内容；
lapply表示逐文本读取。
加入文档名字
读取了每个文档到list之中，怎么跟每个文档名字匹配在一起？
docname?<-?list.files(reviewpath,?pattern?=?"*.txt$")?? reviewdf?<-?as.data.frame(cbind(docname,?unlist(review)),??? ??????????????????????????stringsAsFactors?=?F)??? colnames(reviewdf)?<-?c("id",?"msg")???#列名??
代码解读：list.files中，full.names=F代表返回文档名字（默认），full.names=T则定位文档；
利用as.data.frame成为一个数据框，并且不变成因子型，stringsAsFactors是因为文档名字列，很容易变成字符因子型，需要关闭这功能；
colnames修改列名，还有names也可以达到同样的效果。
图 1
`read.csv`函数读取文件时，可能报警：“EOF within quoted string”，一般为数据中不正常的符号所致，常见的方法是将`quote = ""`设置为空，这样做虽然避免了警告，但是仍然解决不了问题，有时数据会对不上号，所以最好从符号上着手将一些特殊符号去除。
本文中导入的数据集是清华大学李军标注的近24000个酒店评论文本和谭松波整理的12000个来自京东、携程、当当网的跨行业评论文本。并给出了每个文本数据的评分。李军老师的数据是众多的txt文件的评论文本+用rlabelclass文件来存放文本标签，可以用read.table来调用。中科院自动化所的中英文新闻语料库?http://www.datatang.com/data/13484
中文新闻分类语料库从凤凰、新浪、网易、腾讯等版面搜集。英语新闻分类语料库为Reuters-21578的ModApte版本。
train<-?read.csv("./train.csv",quote?=?"",sep?=?""",?header?=?T,?stringsAsFactors?=?F)?? #没有quote，会出现Warning?message:EOF?within?quoted?string?? #读入csv格式的时候，出现所有字符变成双引号，需要sep?=?"""，来划分开,字符串分隔符的问题？??
会出现的问题：
（1）EOF?within?quoted?string
解决方法：quote=""；
（2）CSV格式被读入R内存中时，所有字符、变量内容都被加了双引号？
解决方案：需要调整，需要sep = """，来划分开。除了英文逗号可能引起`read.csv`函数读取csv文件报错以外，
#还有英文单引号（'）、英文双引号（"）、波浪号（~），都会引起读取时发生警告，带来csv文件或txt文件读取不完整的后果
二、正向、逆向情感词典
1、词典导入与处理
市面上关于情感词典，有多家研究机构进行了分析，并且公布了结果，比如大连理工、汉语情感词极值表、台湾大学情感NTUSD、知网Hownet情感词、中文褒贬义词典v1.0（清华大学李军）等，有些词典分为正向、逆向单词两个部分；有些放在一起，然后有单独的标签，可以cbind合并在一起。本文引用的是谭松波老师的正向、逆向情感词典。
#1、情感正向词，词组+打“+1”-label?? pos?<-?read.csv("./pos.csv",?sep?=?",",?stringsAsFactors?=?F)?? weight?<-?rep(1,?length(pos[,1]))?? pos?<-?cbind(pos,?weight)?? ?? #2、情感负向词，词组+打“-1”-label?? neg?<-?read.csv("./neg.csv",?stringsAsFactors?=?F)?? weight?<-?rep(-1,?length(neg[,1]))?? neg?<-?cbind(neg,?weight)??
代码解读：weight是标签，主动贴在正向、逆向词典上。然后进行正向、逆向词典的合并。
#3、正、负向词组合并?? posneg?<-?rbind(pos,?neg)??#正负词典合并?? names(posneg)?<-?c("term",?"weight")?? posneg?<-?posneg[!duplicated(posneg$term),?]#`duplicated`函数的作用和`unique`函数比较相似，它返回重复项的位置编号??
（编辑：武汉站长网）
【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!
|
