Java R文本挖掘：在标记化步骤中从语料库中提取bigram时出错

正在从url获取数据：

suppressMessages(library(readr))
suppressMessages(library(RCurl))


amazon_url <- getURL('http://s3.amazonaws.com/assets.datacamp.com/production/course_935/datasets/500_amzn.csv',
      ssl.verifyhost=FALSE, ssl.verifypeer=FALSE)
amazon <- read.csv(textConnection(amazon_url), header = TRUE)     

基于文本组织的

qdap

包构建清理功能：

suppressWarnings(library(qdap))
qdap_clean <- function(x) {
x <- replace_abbreviation(x)
x <- replace_contraction(x)
x <- replace_number(x)
x <- replace_ordinal(x)
x <- replace_symbol(x)
x <- tolower(x)
return(x)
}

suppressWarnings(library(tm))
tm_clean <- function(corpus) {
      corpus<- tm_map(corpus, removePunctuation)
      corpus <- tm_map(corpus, stripWhitespace)
      corpus <- tm_map(corpus, removeWords,
      c(stopwords("en"), "Amazon","company"))
      return(corpus)
}

单词清洗：

amzn_cons <- qdap_clean(amazon_cons)
amzn_cons <- VCorpus(VectorSource(amzn_cons))
amzn_cons_corp <- tm_clean(amzn_cons)

---

如何解决这个错误

为了清晰和格式，我对你的问题进行了编辑。请注意不要丢失任何重要信息。Tks，非常感谢您的帮助@黄在很多场合下提出这个问题，似乎问题可能与java安装有关，我建议您考虑以下几点，以确保java配置适合于目的。如果您使用Linux机器，尝试使用$SUDO RCMD JavaReCOF，如果您看到一个错误，那么您的java安装就有问题10。stop（structure（list）（message=“java.lang.NullPointerException”）、call=.jcall（“rwekanterfaces”、“[S”、“tokenize”、.jcast（tokenizer”、“weka/core/tokenizers/tokenizer”）、.jarray（as.character（control））、jobj=）、.Names=c（“message”、…9..jcheck（）8..jcall（“rwekanterfaces”、“[S”、“tokenize”、.jcast（tokenizer））、tokenizer、，“weka/core/tokenizers/Tokenizer”），.jarray（as.character（control）），.jarray（as.character（x）））7.NGramTokenizer（x，weka_control（min=3，max=3））6..tokenize（doc）@ DeNESH.HMNI已经编辑了您的问题，以明确和格式化。请注意没有必要的信息丢失。TKS，非常感谢您的帮助！@黄先生这个问题在相当多的场合下，似乎问题可能与java安装有关，我建议您考虑以下内容以确保您的java配置。如果您使用的是linux机器，请尝试执行$sudo R CMD javareconf，如果您看到错误，则说明您的java安装存在问题10.stop（structure（list（message=“java.lang.NullPointerException”，call=.jcall”（.jcall）（“RWekaInterfaces”），“[S”，“tokenize”，.jcast（tokenizer，“weka/core/tokenizers/tokenizer”），.jarray（as.character（control））、.jarray（as.character（x））、jobj=）、.Names=c（“message”、…9..jcheck（）8..jcall（“rwekanterfaces”、“[S”、“tokenize”、.jcast（tokenizer”、“weka/core/tokenizers/tokenizer”）、.jarray（as.character（control））、.jarray（as.character（x））7.NGramTokenizer（x，weka_control（min=3，max=3））6..tokenize（doc）@Dinesh.hmn

amzn_cons <- qdap_clean(amazon_cons)
amzn_cons <- VCorpus(VectorSource(amzn_cons))
amzn_cons_corp <- tm_clean(amzn_cons)

    suppressWarnings(library(RWeka))
    tokenizer <- function(x) 
    NGramTokenizer(x, Weka_control(min = 2, max = 2))

  amzn_c_tdm <- TermDocumentMatrix(
  amzn_cons_corp,control = list(tokenize = tokenizer) )

Error in .jcall("RWekaInterfaces", "[S", "tokenize", .jcast(tokenizer,  : 
  java.lang.NullPointerException