在预定义的文档术语矩阵中导入文本数据的R函数

我已经导入了一些关于某些产品描述的文本数据。将文本数据转换为语料库，进行数据预处理，最后将其转换为文档术语矩阵（作为数据框架）创建CART模型。代码如下：

#Data load
o.data = read_excel("ML data.xlsx")

# Preparation
o.data$label = as.character(o.data$label)
corpus = Corpus(VectorSource(o.data$label))
corpus = tm_map(corpus, tolower)
corpus = tm_map(corpus, removePunctuation)
corpus_matrix = DocumentTermMatrix(corpus)
sparse = removeSparseTerms(corpus_matrix, 0.995)
m.data = as.data.frame(as.matrix(sparse))

t.data = read_excel("new_text_data.xlsx")
corpus_test = Corpus(VectorSource(t.data$label_test))
corpus_test = tm_map(corpus_test, tolower)
corpus_test = tm_map(corpus_test, removePunctuation)
corpus_matrix_test = DocumentTermMatrix(corpus_test)
sparse_test = removeSparseTerms(corpus_matrix_test, 0.995)
corpus.test.data = as.data.frame(as.matrix(sparse_test))
corpus.test.data$k101_pvalue = predict(CART_model_k101, newdata=corpus.test.data)[,2]

之后，我将ID和自变量加载到DTM数据集，将数据拆分到训练和测试集，构建模型，并使用以下代码对测试集进行良好预测：

colnames(m.data) = make.names(colnames(m.data))
# Add independent variable (k101) & id variable
m.data$k101 = o.data$k101
m.data$id = o.data$id_new
split = sample.split(m.data, SplitRatio = 0.7)
m.data_train = subset(m.data, split==TRUE)
m.data_test = subset(m.data, split==FALSE)
CART_model_k101 = rpart(k101~., data=m.data_train, method="class")
#...and so on to the model evaluation etc.

现在的问题是，当我尝试导入新文本数据，将其转换为语料库和文档术语矩阵（作为数据框架）时，我得到了不同的DTM矩阵，因此无法使用以前构建的模型对新文本数据进行分类。代码如下：

#Data load
o.data = read_excel("ML data.xlsx")

# Preparation
o.data$label = as.character(o.data$label)
corpus = Corpus(VectorSource(o.data$label))
corpus = tm_map(corpus, tolower)
corpus = tm_map(corpus, removePunctuation)
corpus_matrix = DocumentTermMatrix(corpus)
sparse = removeSparseTerms(corpus_matrix, 0.995)
m.data = as.data.frame(as.matrix(sparse))

t.data = read_excel("new_text_data.xlsx")
corpus_test = Corpus(VectorSource(t.data$label_test))
corpus_test = tm_map(corpus_test, tolower)
corpus_test = tm_map(corpus_test, removePunctuation)
corpus_matrix_test = DocumentTermMatrix(corpus_test)
sparse_test = removeSparseTerms(corpus_matrix_test, 0.995)
corpus.test.data = as.data.frame(as.matrix(sparse_test))
corpus.test.data$k101_pvalue = predict(CART_model_k101, newdata=corpus.test.data)[,2]

在我尝试使用使用DTM从以前的文本数据构建的模型对新文本数据进行预测后，我得到一个错误，其中未找到对象['column name']——它在测试数据的新DTM中搜索完全相同的DTM结构（列名）

我的问题是找到一种方法，将测试数据中的语料库转换为训练数据中的确切DTM结构。

---

很抱歉，我提供了大量的文字和解释，希望能找到解决方案。

您能创建一个字典，将列从一个数据集映射到另一个数据集吗？这很有帮助，因为我已经成功地实现了创建和加载字典的目的。以下是其他人需要的代码：#1我已导出语料库并将所有列名复制到一个名为“Dictionary”

#Load Dictionary Dictionary=read\u Excel（“Dictionary.xlsx”）d_list=as.list（Dictionary$Dictionary）

#从名为“label”的文本变量corpus=VCorpus（VectorSource）创建语料库（data$label））

#使用dictionary test.data=DocumentTermMatrix（语料库，控件=list（dictionary=d_list））%%>%as.matrix（）从数据创建DTM