Я пытаюсь провести базовый анализ текста с помощью пакета tm и получить несколько оценок tf-idf; Я использую OS X (хотя я пробовал это в Debian Squeeze с тем же результатом); У меня есть каталог (это мой рабочий каталог) с парой текстовых файлов в нем (первый содержит первые три эпизода Улисса, второй - вторые три эпизода, если вы должны знать ).
Версия R: 2.15.1 SessionInfo () Сообщает об этом о tm: [1] tm_0.5-8.3
Соответствующий фрагмент кода:
library('tm')
corpus <- Corpus(DirSource('.'))
dtm <- DocumentTermMatrix(corpus,control=list(weight=weightTfIdf))
str(dtm)
List of 6
$ i : int [1:12456] 1 1 1 1 1 1 1 1 1 1 ...
$ j : int [1:12456] 2 10 12 17 20 24 29 30 32 34 ...
$ v : num [1:12456] 1 1 1 1 1 1 1 1 1 1 ...
$ nrow : int 2
$ ncol : int 10646
$ dimnames:List of 2
..$ Docs : chr [1:2] "bloom.txt" "telemachiad.txt"
..$ Terms: chr [1:10646] "_--c'est" "_--et" "_--for" "_--goodbye," ...
- attr(*, "class")= chr [1:2] "DocumentTermMatrix" "simple_triplet_matrix"
- attr(*, "Weighting")= chr [1:2] "term frequency" "tf"
Вы заметите, что взвешивание, по-видимому, по-прежнему является частотой термина по умолчанию (tf), а не взвешенными оценками tf-idf, которые я хотел бы.
Приносим извинения, если мне не хватает чего-то очевидного, но, судя по документации, которую я прочитал, это должно работать. Вина, несомненно, не в звездах ...