我正在尝试识别和聚合给定数据集的同义词。请参阅下面的示例数据。
library(tm)
library(SnowballC)
dataset <- c("dad glad accept large admit large accept dad big large big accept big accept dad dad Happy dad accept glad papa dad Happy dad glad dad dad papa admit Happy big accept accept big accept dad Happy admit Happy Happy glad Happy dad accept accept large daddy large accept large large large big daddy accept admit dad admit daddy dad admit dad admit Happy accept accept Happy daddy accept admit")
docs <- Corpus(VectorSource(dataset))
dtm <- TermDocumentMatrix(docs)
m <- as.matrix(dtm)
sort(rowSums(m),decreasing=TRUE)
字符串
测试结果:
accept dad happy admit large big daddy glad papa
15 14 9 8 8 6 4 4 2
型
我想使用我下载并安装的wordnet软件包来查找上述每个单词的同义词。例如,要获取“accept”的同义词,我可以这样做:
library(wordnet)
setDict("C:/Program Files (x86)/WordNet/2.1/dict")
filter <- getTermFilter("ExactMatchFilter", "accept", TRUE)
terms <- getIndexTerms("VERB", 1, filter)
getSynonyms(terms[[1]])
型
测试结果:
[1] "accept" "admit" "assume" "bear" "consent" "go for" "have" "live with"
[9] "swallow" "take" "take on" "take over"
型
现在,我想将这两个结果集合并组合起来,这样它就可以按以下方式对同义词进行分组。为给定的组标记最常见的单词(排名1),然后按这些单词进行分组,类似于这样:
id word word_count syn_group rank
1 accept 15 1 1
5 admit 8 1 2
2 dad 14 2 1
8 daddy 4 2 2
9 papa 2 2 3
3 happy 9 3 1
7 glad 4 3 2
4 large 8 4 1
6 big 6 4 2
型
然后可以像这样聚合
id word word_count
1 accept 15+8
2 dad 14+4+2
3 happy 9+4
4 large 8+6
型
最后的结果就是
id word word_count
1 accept 23
2 dad 20
3 large 14
4 happy 13
型
我遇到了几个问题,包括让GetIndexTerms循环通过单词,无论它们是名词,动词等。希望这一切都有意义?任何帮助都将不胜感激。谢谢。
2条答案
按热度按时间fnatzsnv1#
我们可以使用
dplyr
执行以下操作字符串
数据:
型
请下次发布
dput
的输出。seq_along
同义词和grep
来确定排名位置。注解是提示你可能需要在哪里包含这些提示的代码。型
hlswsv352#
我已经能够提取法语同义词自动从一个网站如下:
字符串
之后,它可以用来将同义词分组在一起。