包tm：removeWords如何避免删除CERTIAN（否定具体）“英语”停用词如果指定？

Question

我想使用removeWords（stopwords("english")）功能通过：corpus <- tm_map(corpus,removeWords, stopwords("english"))但一些词像“不”和其他否定我想保留。

是否可以使用removeWords, stopwords("english")函数但是如果指定排除该列表中的某些单词？

我怎样才能防止“不”，例如？

（辅助）是否可以将此类型的控件列表设置为全部“否定”？

我宁愿不诉诸于只从索引字表，我很感兴趣的话创造我自己的自定义列表。

Answer 1

您可以通过采取stopwords("en")和之间的差别创建禁用词的自定义列表单词的列表，要排除：

exceptions <- grep(pattern = "not|n't", x = stopwords(), value = TRUE) 
# [1] "isn't"  "aren't" "wasn't" "weren't" "hasn't" "haven't" "hadn't" "doesn't" "don't"  "didn't" 
# [11] "won't"  "wouldn't" "shan't" "shouldn't" "can't"  "cannot" "couldn't" "mustn't" "not" 
my_stopwords <- setdiff(stopwords("en"), exceptions) 

：

exceptions <- c("not") 
my_stopwords <- setdiff(stopwords("en"), exceptions) 

如果您需要删除所有的否定，你可以从stopwords()列表grep他们