R stm-提供的文本数和建模的文档数不匹配

在构建自己的词典（用于监督分析）之前，我正在使用摘要中的文本数据，并尝试使用stm（结构化主题建模）来查看非监督提取的主题。 我正在处理一个问题，我想知道以前是否有人遇到过同样的问题。 运行

findThoughts（）

时，出现以下错误：

findThoughts中出错（out.stm，topics=27，text=corpus$documents$text，： 提供的文本数量和建模的文档数量不匹配

我不确定我的数据出了什么问题。我认为这可能与语料库中没有摘要的空行中的

NA

值有关，但删除

NA

行后也会发生同样的情况（如下所示：

df[!is.na(df$abstract),]

---

如果您对此有任何想法，请告诉我。

当长度（text）！=out.stm的行数时，findThoughts函数返回错误“提供的文本数和建模的文档数不匹配”

这是一个错误，源于调用“stm”函数之前用于处理文档的textProcessor函数

这就是为什么会发生这种情况： 临时输出具有一个属性temp$docs.removed，该属性列出了已删除的行。因此，“temp$documents”的长度将小于“comments”乘以temp$docs.removed的长度

z<-comments[-temp$docs.removed,]
length(z)

thoughts3 <- findThoughts(a,texts=z,topics=3, n=10,thresh=0.0)

因此，使用temp$documents建模的stm对象“a”和$theta（文档主题概率矩阵）将与temp$documents具有相同的长度

temp<-textProcessor(comments, metadata=NULL,  lowercase=TRUE, removestopwords=TRUE, removenumbers=TRUE,  removepunctuation=TRUE, stem=TRUE, wordLengths=c(3,Inf),  sparselevel=1, language="en",  verbose=TRUE, onlycharacter= FALSE, striphtml=FALSE, customstopwords=NULL, onlytxtfiles=TRUE)


meta<-temp$meta
vocab<-temp$vocab
docs<-temp$documents
a<-stm(documents=docs, vocab=vocab, K=7,data=meta, max.em.its=800)

---

temp当长度（text）！=out.stm的行数时，findThoughts函数返回错误“提供的文本数和建模的文档数不匹配”

这是一个错误，源于调用“stm”函数之前用于处理文档的textProcessor函数

这就是为什么会发生这种情况：
临时输出具有一个属性temp$docs.removed，该属性列出了已删除的行。因此，“temp$documents”的长度将小于“comments”乘以temp$docs.removed的长度

z<-comments[-temp$docs.removed,]
length(z)

thoughts3 <- findThoughts(a,texts=z,topics=3, n=10,thresh=0.0)

因此，使用temp$documents建模的stm对象“a”和$theta（文档主题概率矩阵）将与temp$documents具有相同的长度

temp<-textProcessor(comments, metadata=NULL,  lowercase=TRUE, removestopwords=TRUE, removenumbers=TRUE,  removepunctuation=TRUE, stem=TRUE, wordLengths=c(3,Inf),  sparselevel=1, language="en",  verbose=TRUE, onlycharacter= FALSE, striphtml=FALSE, customstopwords=NULL, onlytxtfiles=TRUE)


meta<-temp$meta
vocab<-temp$vocab
docs<-temp$documents
a<-stm(documents=docs, vocab=vocab, K=7,data=meta, max.em.its=800)

temp根据Sruthi Susan Thomas给出的答案，适合我的正确代码是将“out”输入（out=prepDocuments（text$documents，text$vocab，text$meta））改为“temp”根据Sruthi Susan Thomas给出的答案，我的正确代码是用“Out”输入（Out=prepDocuments（text$documents，text$vocab，text$meta））代替“temp”在参数中。Out删除文档的正确索引