如何在R语言的tm（文本挖掘）包中使用stemDocument？

我正在尝试在调用Java的R语言tm包中使用stemDocument来阻止语料库。我曾尝试例如在TM手册：如何在R语言的tm（文本挖掘）包中使用stemDocument？

data("crude") 
crude[[1]] 
stemDocument(crude[[1]])

，并出现以下错误：

Could not initialize the GenericProperitiesCreator. This exception was produced: 
java.lang.NullPointerException

任何帮助表示赞赏。我对Java一无所知。

谢谢

来源

2011-10-01 user974490

对我来说，必须是你的Java安装（你已经安装了Java，对吗？）。 –

好问题，你有没有解决它？

我得到与您唯一的代码相同的错误。但是如果你从一开始就遵循这个例子（例如在'p. 1'上的转换标题），并且创建了一个语料库并将其转换为纯文本文档，那么您就避免了Java错误。我想manual中的代码示例假设您已经完成了这两个步骤。

也就是说，当我检查结果时，没有实际的词干...我甚至无法获得stemDocument的@ user813966的simple example来做任何词干。我正在查看RStem和SnowBall包。

与此同时，python package NLTK是我的词干工具。

更新：我得到了stemDocument功能加入language = "english"如下工作：

a <- tm_map(a, stemDocument, language = "english")

所以完全回答你的问题，是按照输入的文字转换为R的所有步骤根据TM包。你还需要rJava（并且将环境变量设置为包含jre目录的JAVA_HOME目录，如果你在windows环境下工作）才能使stemDocument正常工作

来源

2011-11-12 07:24:46 Ben

我在我身边有同样的错误。通过在我的课程路径中添加Snowball .jar和词干的相应/词库来解决它： C：\ Users \ xxx.xxx \ Documents \ R \ win-library \ 2.12 \ Snowball \ java

This在这里建议：http://weka.wikispaces.com/Stemmers

我还是有以下错误，但现在工作得很好：

Trying to add database driver (JDBC): RmiJdbc.RJDriver - Warning, not in CLASSPATH? 
Trying to add database driver (JDBC): jdbc.idbDriver - Warning, not in CLASSPATH? 
Trying to add database driver (JDBC): org.gjt.mm.mysql.Driver - Warning, not in CLASSPATH? 
Trying to add database driver (JDBC): com.mckoi.JDBCDriver - Warning, not in CLASSPATH? 
Trying to add database driver (JDBC): org.hsqldb.jdbcDriver - Warning, not in CLASSPATH? 
[KnowledgeFlow] Loading properties and plugins... 
[KnowledgeFlow] Initializing KF...

来源

2011-11-25 19:04:47 SnRf

感谢您发布此信息。我试图按照相同的说明进行操作，并且发现了您发布的相同错误。但是，我的文本并没有被阻止。我想我可能会错过一步。当你说你添加相应的/词库时，那是什么？是否包含在\ Snowball \ java中？ – exl

雪球词干（snowball.jar）找不到weka.jar文件。

在您的计算机上，您需要搜索名为weka.jar的文件。在我的Linux系统，它位于

/usr/local/lib/R/site-library/RWekajars/java/weka.jar

然后，在你的R代码里面，在顶部加入类似如下的行：

wekajar="/usr/local/lib/R/site-library/RWekajars/java/weka.jar" 
oldcp=Sys.getenv("CLASSPATH") 
newcp=NULL 
Sys.setenv(CLASSPATH=paste(wekajar,newcp, sep=":")) 

library("tm")  
data("crude") 
stemDocument(crude[[1]], language = "english")

这为R对话的Java类路径的从上面的weka.jar文件。不过，您现有的类路径将被重置。你可以尝试添加旧的条目，如果你有一些，如果你需要它们。

来源

2013-01-10 15:04:55 knb

如何在R语言的tm（文本挖掘）包中使用stemDocument？

回答

相关问题