Rテキストマイニング - 文章を混ぜることなく、段落を1つにまとめる。

Question

Rの初心者とテキストマイニング。現在tmパッケージを使用しています。

2つの異なる文書のテキストを一緒にコーパスに追加しようとしています。 私は

c(corpus.doc[[1]],corpus.doc[[2]]) 

またはペースト文の

paste(corpus.doc[[1]],corpus.doc[[2]]) 

のようなステートメントを使用する場合、私はすべての行の組み合わせテキストの結果を取得します。例えば

：

He visits very often She also 
and stays 
sometimes more 

がどのように私はそれを防ぐため、代わりに

He visits very often 
and 
sometimes more 
She also 
stays 

かありますを取得することができますように

> corpus.doc[[1]] 

He visits very often 
and 
sometimes more 

> corpus.doc[[2]]) 

She also 
stays 

は、私はこれらのステートメントを取得することは何かである場合R tmパッケージ内のドキュメントを簡単に結合する方法は？前もって感謝します！

---

追加情報

---

Iは
を使用< - C（corpus.doc [[1]]、corpus.doc [[2]]、再帰= TRUE）

私はaが2つの文書を持つコーパスになるので、これらの文書のそれぞれのテキストはまだ結合されていません。私は

a[[1]] 

は私にcorpus.docの組み合わせテキストを与えるということをしたいと思います[[1]]とcorpus.doc [[2]]。 PKGのヘルプを

str(corpus.doc) 

この

List of 4270 
$ CREC-2011-01-05-pt1-PgE1-2.htm :Classes  'PlainTextDocument', 'TextDocument', 
     'character' atomic [1:74] html head titlecongression record volume issue 
head ... 
.. ..- attr(*, "Author")= chr(0) 
.. ..- attr(*, "DateTimeStamp")= POSIXlt[1:1], format: "2009-01-17 15:45:25" 
.. ..- attr(*, "Description")= chr(0) 
. . ..- attr(, "Heading")= chr(0) .. ..- attr(, "ID")= chr "CREC-2011-01-05-pt1-PgE1- 2.htm" 

のようなものを示し、それは上のいっている...

Answer 1

：TMは、そのデフォルトの「再帰の設定c.Corpus機能があると言います'はFALSEですが、TRUEに設定されていると、「インテリジェントな」合併につながる可能性があります。

c(corpus.doc[[1]], corpus.doc[[2]], recursive=TRUE) 

を...あなたが本当に「コーパス」級のオブジェクトを持っていることは明らかではありません：あなたはcopus.docはコーパスクラスのオブジェクトのリストであると思われる場合は、試してみてください。

str(corpus.doc) # see above 

だから、非常に長いリストの最初の要素はないコーパスに分類オブジェクトではなく、PlaintextDocumentです。

Answer 2

私のコメントに加えて、コーパスを作成する前に平文文書をRにまとめるとどうでしょうか？1.txt、2.txtと3.txtは、プレーンテキストファイルがある場合たとえば、あなたはとても

a <- readLines(file("C:/Users/X/Desktop/1.txt")) 
b <- readLines(file("C:/Users/X/Desktop/2.txt")) 
c <- readLines(file("C:/Users/X/Desktop/3.txt")) 

ようRにそれらを読むことができ、その後、あなたはそれらを組み合わせることができ、

abc <- c(a, b, c) 

上記のあなたの例と同様にその意志ドキュメントを順番にスタックし、1つのデータオブジェクトに1行ずつ書式を保存します。しかし、あなたがして、あなたはあなたが望むもののような音はありませんライン、できるだけ多くの文書でコーパスを得るでしょう

​​

とコーパスにこれを行う場合。代わりに、あなたは何をする必要があるかは、得られabc.pasteオブジェクトは1行であるように、この

abc.paste <- paste(a,b,c, collapse=' ') # this is what you want 

のようなテキストオブジェクトを組み合わせています。あなたは

abc.corpus <- Corpus(VectorSource(abc.paste)) 

を使用してコーパスを作るとき、その結果は、あなたが、その後tmパッケージの機能と分析することができA corpus with 1 text documentになります。

これを関数に拡張して、7000 +プレーンテキスト文書を効率的に連結し、結果のデータオブジェクトからコーパスを作成するのは簡単です。それはあなたがしたいことにあなたを近づけますか？