將向量轉為 VCorpus 物件(1)
回想一下,你在上一個練習中已經把文字資料載入為名為 coffee_tweets 的向量。下一步要把這個包含文字資料的向量轉換成「語料庫」(corpus)。如同你在影片中學到的,語料庫是一組文件的集合;同時也要注意,在 tm 的範疇裡,R 會把它視為一種資料型別。
語料庫資料型別有兩種:永久語料庫 PCorpus,以及易失性語料庫 VCorpus。基本上,兩者的差別在於這些文件集合如何儲存在你的電腦上。本課程會使用易失性語料庫,它會存放在電腦的記憶體(RAM)中,而不是寫入磁碟,以提高記憶體使用效率。
要建立易失性語料庫,R 需要把文字向量 coffee_tweets 的每個元素都解讀為一份文件。而 tm 套件提供了稱為「Source」的函式,正是為了達成這件事!在這個練習中,我們會使用 VectorSource() 這個 Source 函式,因為我們的文字資料是存放在向量中。此函式的輸出稱為 Source 物件。來試試看吧!
本練習屬於課程
R 的 Bag-of-Words 文本探勘
練習說明
- 載入
tm套件。 - 從
coffee_tweets向量建立一個 Source 物件,並將這個新物件命名為coffee_source。
動手互動練習
試著完成這個範例程式碼,體驗一下這個練習。
# Load tm
___
# Make a vector source from coffee_tweets
___