Bir diğer yararlı ön işleme adımı da kelime kök bulma ve kök tamamlamadır. Kök bulma, belgeler arasında birliği sağlamak için kelimeleri köklerine indirger. Örneğin, "computational", "computers" ve "computation" kelimelerinin kökü "comput"tur. Ancak "comput" gerçek bir kelime olmadığı için, "computational", "computers" ve "computation" gibi kelimeleri tanıdık bir kelimeye, örneğin "computer"a dönüştürmek isteriz. Bu yeniden oluşturma adımına kök tamamlama denir.

tm paketi, bir kelimenin köküne ulaşmak için stemDocument() fonksiyonunu sağlar. Bu fonksiyon ya bir karakter vektörü alıp bir karakter vektörü döndürür ya da bir PlainTextDocument alıp bir PlainTextDocument döndürür.

Örneğin,

stemDocument(c("computational", "computers", "computation"))

"comput" "comput" "comput" döndürür.

Bu kökleri bilinen bir terime yeniden dönüştürmek için stemCompletion() kullanacaksın. stemCompletion() bir karakter vektörü ve bir tamamlama sözlüğü kabul eder. Tamamlama sözlüğü bir karakter vektörü ya da bir Corpus nesnesi olabilir. Her iki durumda da, örneğimiz için tamamlama sözlüğünün "computer" kelimesini içermesi gerekir ki tüm "comput" örnekleri yeniden oluşturulabilsin.

Metin madenciliğini anlama

R ile Bag-of-Words ile Metin Madenciliği

Uygulamalı etkileşimli egzersiz