R 如何正确使用stemDocument？

我已经阅读并提出了问题，但我仍然不理解

tm\u map

中

stemDocument

的用法。让我们按照这个例子：

q17 <- VCorpus(VectorSource(x = c("poder", "pode")),
               readerControl = list(language = "pt",
                                    load = TRUE))
lapply(q17, content)
$`character(0)`
[1] "poder"

$`character(0)`
[1] "pode"

它确实有用！但如果我使用：

> q17 <- tm_map(q17, FUN = stemDocument, language = "portuguese")
> lapply(q17, content)
$`character(0)`
[1] "poder"

$`character(0)`
[1] "pode"

>q17 Lappy（q17，内容）
$`字符（0）`
[1] “波德”
$`字符（0）`
[1] “波德”

---

它不起作用。为什么会这样？

不幸的是，您遇到了一个bug<代码>stemDocument如果在执行以下操作时传递该语言，则会起作用：

stemDocument(x = c("poder", "pode"), language = "pt")
[1] "pod" "pod"

但在

tm_map

中使用此函数时，函数将以

stemDocument.PlainTextDocument

开始。在此函数中，将对照函数中提供的语言检查语料库的语言。这是正确的。但是在这个函数的末尾，所有内容都被传递到函数

stemDocument.character

，但是没有语言组件。在

stemDocument.character

中，默认语言指定为英语。因此，在

tm_map

调用（或

DocumentTermMatrix

）中，您提供的语言将恢复为英语，词干分析无法正常工作

解决方法可以是使用quanteda包：

library(quanteda)
my_dfm <- dfm(x = c("poder", "pode"))
my_dfm <- dfm_wordstem(my_dfm, language = "pt")

my_dfm

Document-feature matrix of: 2 documents, 1 feature (0.0% sparse).
2 x 1 sparse Matrix of class "dfm"
       features
docs    pod
  text1   1
  text2   1

库（quanteda）
我的_dfmtks@phiver！如何使用
quanteda
，在我的dfm中将单词“pod”返回到“pode”或“poder”？@GuilhermeParreira，你不能。您需要使用tm的
stemCompletion
功能。我从来没有看到重新整理的意义，但是我从来没有离开过英语，甚至对于英语，我发现引理更有用。引理和词性标记在葡萄牙语的udpipe中可用。如果您提供自己的葡萄牙语词典，您可以使用
stemCompletion
。但是请仔细阅读文档，并检查一些示例。它并不总是像你期望的那样。我倾向于使用tm以外的其他软件包的原因之一。我使用重新整理的想法是为了让研究人员更容易理解分析。如果dict是你们的字典，你们有什么代码可以说明怎么做吗（从
quanteda
package开始？）如果dict是你们的字典，里面有单词（
dict Tks！！我想怎么做就怎么做：
diciario
library(quanteda)
my_dfm <- dfm(x = c("poder", "pode"))
my_dfm <- dfm_wordstem(my_dfm, language = "pt")

my_dfm

Document-feature matrix of: 2 documents, 1 feature (0.0% sparse).
2 x 1 sparse Matrix of class "dfm"
       features
docs    pod
  text1   1
  text2   1