R 使用单词簇值转换字符串列

我正在R中做一些基本的NLP工作。我有两个数据集，希望用每个单词的聚类值替换其中一个中的单词

第一个数据集保存句子，第二个数据集保存每个单词的聚类值（假设第一个数据集中的每个单词都有一个聚类值）：

---

寻找一个有效的解决方案，因为我有很多长句。谢谢

您可以尝试以下方法：

library(tidyr)
library(dplyr)
library(stringi)

df1 <- unnest(stri_split_fixed(original_text_df$Text, ' '), group) %>%
  group_by(x) %>% mutate(cluster = cluster_df$Cluster[cluster_df$Word %in% x]) 

在此基础上，为了匹配预期的输出，您可以使用

split（）

为每个组（句子）构建一个集群列表，并重建一个数据帧：

l <- split(df1$cluster, f = df1$group)
df2 <- data.frame(Text = do.call(rbind, lapply(l, paste0, collapse = " ")))

---

你可以参考几个月前我问过的一个非常类似的例子，其中展示了许多其他建议。

除了你用任意“集群值”创建的MWE之外，如何计算这些值？也就是说，什么包和函数从字符串向量创建集群值？是的，我想我们需要更多的信息来回答这个问题…不是一个R包-来自Pythontanks中的Gensim，用于您的解决方案和链接-我的问题是复杂的，因为两端的字符串分裂处理不规则的单词数。

library(tidyr)
library(dplyr)
library(stringi)

df1 <- unnest(stri_split_fixed(original_text_df$Text, ' '), group) %>%
  group_by(x) %>% mutate(cluster = cluster_df$Cluster[cluster_df$Word %in% x]) 

#Source: local data frame [8 x 3]
#Groups: x
#
#  group    x cluster
#1    X1 this       2
#2    X1   is       2
#3    X1 some       3
#4    X1 text       4 
#5    X2 this       2
#6    X2   is       2
#7    X2 more       3
#8    X2 text       4

l <- split(df1$cluster, f = df1$group)
df2 <- data.frame(Text = do.call(rbind, lapply(l, paste0, collapse = " ")))

#      Text
#X1 2 2 3 4
#X2 2 2 3 4