2016-07-05 29 views
1

私はツイートの感情分析をしようとしています。言葉の前処理を行うと、行列を作成している間、私は次のエラーだ:14215件のツイートからrのステミングワード:値がありません

Error in if (any(lens > lim)) stop("There is a limit of ", lim, "characters on the number of characters in a word being stemmed") : 
missing value where TRUE/FALSE needed 

を、私は、エラーが発生した特定のつぶやきにそれを煮詰めが、どのように何の手掛かりを持っていませんこのエラーが再び発生しないようにしてください。 エラーが発生したため、先のつぶやきれ(およびエラーを再現するコード):

library(RTextTools) 
tweet<-"demonio leg edge sexy we get it u vape PLEASE COME TO NA SOON I HAVE A LUCIEL READY FOR U dominos" 
all_tweets= create_matrix(tweet, language="english", minWordLength = 3, 
         removeStopwords=TRUE, removeNumbers=TRUE, # we can also removeSparseTerms 
         stemWords=TRUE,removePunctuation = TRUE,removeSparseTerms = 0) 

私は、最初のエラーを理解したいと思います - 私が望むことに私を可能にする方法であり、その後発生し、なぜそのようなつぶやきを選択したり削除したり、create_matrix関数をこのように編集したりすることで、このエラーが発生しないようにします。

+0

を。ここでは、Windows 64、R 3.2.2、RTextTools 1.4.2では、入力したテキストにエラーが再現できません。 –

+0

私はRバージョン3.3.0とRTextTools 1.4.2 – user3109578

+0

を使用していましたが、おそらくロケールまたはエンコーディングの問題です。 @lukeAの提案も可能です。とにかく、あなたのコードがここでの魅力のように働くことは間違いありません。 –

答えて

1

エラーは、たぶん、これはバグです

wordStem(
    c("demonio", "leg", "edge", "sexy", 
    "get", "u", "vape", "please", 
    "come", NA, "soon", "luciel", 
    "ready", "u", "dominos") 
) 
# Error in if (any(lens > lim)) stop("There is a limit of ", lim, "characters on the number of characters in a word being stemmed") : 
# missing value where TRUE/FALSE needed 

を実行するから来ています。文字列「NA」はNA(値がありません)にトークン化されているようです。回避策として

library(tm) 
all_tweets <- DocumentTermMatrix(
    Corpus(VectorSource(tweet)), 
    control = list(
    wordLengths = c(3, Inf), 
    stopwords=TRUE, 
    removeNumbers=TRUE, 
    stemming=TRUE, 
    removePunctuation = TRUE 
) 
) 

マイsessionInfo()使用:あなたは(R/RTextToolsパッケージ)持っていないバージョンこんにちは、

R version 3.3.0 (2016-05-03) 
Platform: x86_64-w64-mingw32/x64 (64-bit) 
Running under: Windows 7 x64 (build 7601) Service Pack 1 

locale: 
[1] LC_COLLATE=German_Germany.1252 LC_CTYPE=German_Germany.1252 LC_MONETARY=German_Germany.1252 
[4] LC_NUMERIC=C     LC_TIME=German_Germany.1252  

attached base packages: 
[1] stats  graphics grDevices utils  datasets methods base  

other attached packages: 
[1] RTextTools_1.4.2 SparseM_1.7  

loaded via a namespace (and not attached): 
[1] Rcpp_0.12.5   splines_3.3.0  MASS_7.3-44   tau_0.0-18   prodlim_1.5.5  tm_0.6-2   
[7] lattice_0.20-33  foreach_1.4.3  caTools_1.17.1  tools_3.3.0   nnet_7.3-11   parallel_3.3.0  
[13] grid_3.3.0   ipred_0.9-5   glmnet_2.0-5  e1071_1.6-7   iterators_1.0.8  class_7.3-14  
[19] survival_2.39-4  randomForest_4.6-12 Matrix_1.2-6  NLP_0.1-9   lava_1.4.3   bitops_1.0-6  
[25] codetools_0.2-14 rsconnect_0.4.3  maxent_1.3.3.1  rpart_4.1-10  slam_0.1-32   tree_1.0-36 
+0

ええ。完璧に作業しました(ただし、必要なライブラリ(SnowballC))。 – user3109578

関連する問題