R：基于支持向量机的自然语言处理

我已经开始从事一个需要自然语言处理的项目，并在R中的支持向量机（SVM）上构建一个模型（我被要求在R中进行这项工作，尽管我知道Python是在这方面开发的）。 我找到了一篇文章（包：

NLP

，

OpenNLP

，

rJava

，

RWeka

）。然而，本文主要关注如何提取关键词（例如，地点、名称……）

但是因为我想建立一个SVM模型，所以我想生成一个包含所有标记的术语文档矩阵。我无法让它工作，因为注释的类不适用于

tm

包

例如：

testset <- c("From month 2 the AST and total bilirubine were not measured.", "16:OTHER - COMMENT REQUIRED IN COMMENT COLUMN;07/02/2004/GENOTYPING;SF- genotyping consent not offered until T4.",  "M6 is 13 days out of the visit window")
word_ann <- Maxent_Word_Token_Annotator()
sent_ann <- Maxent_Sent_Token_Annotator()
test_annotations <- annotate(testset, list(sent_ann, word_ann))
test_doc <- AnnotatedPlainTextDocument(testset, test_annotations)
sents(test_doc)

[[1]]
 [1] "From"       "month"      "2"          "the"        "AST"        "and"        "total"     
 [8] "bilirubine" "were"       "not"        "measured"   "."         

[[2]]
 [1] "16:OTHER"                         "-"                               
 [3] "COMMENT"                          "REQUIRED"                        
 [5] "IN"                               "COMMENT"                         
 [7] "COLUMN;07/02/2004/GENOTYPING;SF-" "genotyping"                      
 [9] "consent"                          "not"                             
[11] "offered"                          "until"                           
[13] "T4"                               "."                               

[[3]]
[1] "M6"     "is"     "13"     "days"   "out"    "of"     "the"    "visit"  "window" 
sessionInfo()
R version 3.3.0 (2016-05-03)
Platform: x86_64-w64-mingw32/x64 (64-bit)
Running under: Windows >= 8 x64 (build 9200)

locale:
[1] LC_COLLATE=English_United States.1252  LC_CTYPE=English_United States.1252   
[3] LC_MONETARY=English_United States.1252 LC_NUMERIC=C                          
[5] LC_TIME=English_United States.1252    

attached base packages:
[1] stats     graphics  grDevices utils     datasets  methods   base     

other attached packages:
[1] tm_0.6-2       openxlsx_3.0.0 magrittr_1.5   RWeka_0.4-28   openNLP_0.2-6  NLP_0.1-9     
[7] rJava_0.9-8   

loaded via a namespace (and not attached):
[1] openNLPdata_1.5.3-2 parallel_3.3.0      tools_3.3.0         Rcpp_0.12.5         slam_0.1-34        
[6] grid_3.3.0          knitr_1.13          RWekajars_3.9.0-1  

---

testset您能解释一下“注释类不适用于tm包”的意思吗？如果你给出一个可重复的例子，这可能也会有所帮助。顺便说一句，“Python在此基础上得到了更大的发展”是一个非常有争议的说法；）嗨，哈克，对不起，我是个新手，不知道怎么问好问题。所以我有一个数据集，其中包含一列，是协议的描述：我明白，没问题。我认为我们应该能够帮助您使用该列，如果您可以提供它，或者如果您可以使用内置数据来模拟它作为示例。这里有一篇大家都应该读的好帖子：嗨，哈克。我已经提出了我的问题。谢谢你的帮助！理查德和伙计们，既然他加了这个例子，我想他问的问题就更清楚了。他想将
openNLP
包中的函数（
annotate
）与
tm
一起使用。这仍然离题吗？您能解释一下“注释的类不适用于tm包”是什么意思吗？如果你给出一个可重复的例子，这可能也会有所帮助。顺便说一句，“Python在此基础上得到了更大的发展”是一个非常有争议的说法；）嗨，哈克，对不起，我是个新手，不知道怎么问好问题。所以我有一个数据集，其中包含一列，是协议的描述：我明白，没问题。我认为我们应该能够帮助您使用该列，如果您可以提供它，或者如果您可以使用内置数据来模拟它作为示例。这里有一篇大家都应该读的好帖子：嗨，哈克。我已经提出了我的问题。谢谢你的帮助！理查德和伙计们，既然他加了这个例子，我想他问的问题就更清楚了。他想将
openNLP
包中的函数（
annotate
）与
tm
一起使用。那还是离题吗？