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:R:基于支持向量机的自然语言处理,r,nlp,svm,R,Nlp,Svm,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
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?