如何找到复合词，删除它们之间的空格，并将它们替换为我的语料库？

Question

我有许多复合术语，比如hello World，早安，晚安，...我想在我的语料库中找到它们，然后用它们的等价物替换它们作为helloWorld，goodMorning，goodNight。所以这样我就可以保留他们的概念。 我可以一个一个地做，但由于有很多复合术语，它非常繁琐。我需要用R语言来做到这一点。

Answer 1

如果你所有的复合词用空格分隔只，你可以使用gsub：

> x = c("hello World", "good Morning", "good Night") 
> y = gsub(pattern = " ", replacement = "", x = x) 
> print(y) 
[1] "helloWorld" "goodMorning" "goodNight" 

您可以随时添加更多的模式来pattern说法。阅读有关R here和here中正则表达式的更多信息。

编辑

@ user4241750：是的，但我只是想为特定化合物做到这一点 条件（有很多），不是所有在语料库中的条款，因为有 在许多其他方面语料库

如果您知道要更改的所有特定复合词，可以在docs[[j]]上指定它。说你想改变的唯一条款是“简单部分”和“早上好”：

terms.to.change = c("simple parts","good morning") 
for (j in seq(corpus)) { 
    positions.to.change = which(docs[[j]] %in% terms.to.change) 
    docs[[j]][positions.to.change] <- gsub(" ", "", docs[[j]][positions.to.change]) 
}