Performance R:tm Textmining软件包:文档级元数据生成缓慢
我有一个要处理的文档列表,对于每个记录,我希望将一些元数据附加到tm(R包)生成的“语料库”数据结构中的文档“成员”(从文本文件中读取) 此for循环工作正常,但速度非常慢, 性能似乎随着f~1/n_文档的变化而下降Performance R:tm Textmining软件包:文档级元数据生成缓慢,performance,r,tm,Performance,R,Tm,我有一个要处理的文档列表,对于每个记录,我希望将一些元数据附加到tm(R包)生成的“语料库”数据结构中的文档“成员”(从文本文件中读取) 此for循环工作正常,但速度非常慢, 性能似乎随着f~1/n_文档的变化而下降 for (i in seq(from= 1, to=length(corpus), by=1)){ if(opts$options$verbose == TRUE || i %% 50 == 0){ print(paste(i, " ", substr(co
for (i in seq(from= 1, to=length(corpus), by=1)){
if(opts$options$verbose == TRUE || i %% 50 == 0){
print(paste(i, " ", substr(corpus[[i]], 1, 140), sep = " "))
}
DublinCore(corpus[[i]], "title") = csv[[i,10]]
DublinCore(corpus[[i]], "Publisher" ) = csv[[i,16]] #institutions
}
这可能会对语料库变量产生影响,但我不知道是什么。
但是当我把它放在tm_map()中(类似于lappy()函数)时,它的运行速度要快得多,但更改不会持久:
i = 0
corpus = tm_map(corpus, function(x){
i <<- i + 1
if(opts$options$verbose == TRUE){
print(paste(i, " ", substr(x, 1, 140), sep = " "))
}
meta(x, tag = "Heading") = csv[[i,10]]
meta(x, tag = "publisher" ) = csv[[i,16]]
})
i=0
语料库=tm_地图(语料库,函数(x){
我这里有一些基准测试
使用for
循环:
expr.for <- function() {
for (i in seq(from= 1, to=length(corpus), by=1)){
DublinCore(corpus[[i]], "title") = LETTERS[round(runif(26))]
DublinCore(corpus[[i]], "Publisher" ) = LETTERS[round(runif(26))]
}
}
microbenchmark(expr.for())
# Unit: milliseconds
# expr min lq median uq max
# 1 expr.for() 21.50504 22.40111 23.56246 23.90446 70.12398
因此,正如您所注意到的,tm_地图
版本似乎要快4倍左右
在您的问题中,您说tm_map
版本中的更改不是持久的,这是因为您没有在匿名函数的末尾返回x
。最后应该是:
meta(x, tag = "Heading") = csv[[i,10]]
meta(x, tag = "publisher" ) = csv[[i,16]]
x
corpus <- crude
expr.map <- function() {
tm_map(corpus, function(x) {
meta(x, "title") = LETTERS[round(runif(26))]
meta(x, "Publisher" ) = LETTERS[round(runif(26))]
x
})
}
microbenchmark(expr.map())
# Unit: milliseconds
# expr min lq median uq max
# 1 expr.map() 5.575842 5.700616 5.796284 5.886589 8.753482
meta(x, tag = "Heading") = csv[[i,10]]
meta(x, tag = "publisher" ) = csv[[i,16]]
x