使用 DocumentTermMatrix() 的更多停用词

Posted 2023-02-19

【中文标题】使用 DocumentTermMatrix() 的更多停用词

【英文标题】：More stop words using the DocumentTermMatrix()

【发布时间】：2020-11-25 02:09:06

【问题描述】：

目前，我在 R 中使用函数 DocumentTermMatrix() 来拟合 LDA 模型。除了默认的停用词之外，我还想添加我自己应该删除的词。

library(tm)
myStopwords <- c("aa", "bb")
dtm <- DocumentTermMatrix(myCorpus,
                           control = list(
                           tolower = TRUE,
                           removePunctuation = TRUE,
                           removeNumbers= TRUE,
                           stemming = FALSE,
                           stopwords = TRUE,
                           minWordLength = 2))

谁能帮我在上面的代码中添加我自己的停用词？谢谢！

【参考方案1】：

您可以通过在DocumentTermMatrix 函数中添加removeWords = c("aa", "bb") 来添加自己的停用词。

library(tm)
myStopwords <- c("aa", "bb")
dtm <- DocumentTermMatrix(myCorpus,
                           control = list(
                           tolower = TRUE,
                           removePunctuation = TRUE,
                           removeNumbers= TRUE,
                           stemming = FALSE,
                           stopwords = TRUE,
                           removeWords = c("aa","bb"),
                           minWordLength = 2))
))