我使用运行良好的 tm 包在 R 中有一些文本挖掘代码。然后，我更新了 R 以及 tm 和 R-Weka 包。现在，代码不起作用，我不知道为什么。
我的原始代码指南来自：https ://gist.github.com/benmarwick/6127413
在这一点上，这段代码（上面链接）和我的代码（下面）都没有给出预期的结果。当我的代码成功执行时（在以前版本的包中），它提供了涉及特定关键字的 n-gram。它还将根据与 n-gram 集中的关键字的距离提供一个有序的单词列表。
具体有两个问题：
- 每次都会产生错误（可能导致下一个/第二个问题）的一个 tm 功能是 PlainTextDocument。那行代码是：
eventdocs <- tm_map(eventdocs, PlainTextDocument)
下一行代码是：
eventdtm <- DocumentTermMatrix(eventdocs)
尝试创建文档文本矩阵 (eventdtm) 时，代码给出了错误：
simple_triplet_matrix(i, j, v, nrow = length(terms), ncol = length(corpus), 中的错误：'i, j' 无效
我已经更新了所有内容，包括 java，但仍然出现此错误。
我注释掉了 PlainTextDocument 代码，因为我使用的文本已经是 .txt 格式，因为我发现有些人说这一步没有必要。当我这样做时，文档文本矩阵就形成了（或者似乎准确地形成了）。但是我想解决这个错误，因为我之前在该行没有执行时遇到了问题。
- 但是，不管怎样，n-gram 的形成似乎存在问题。第一个街区对我来说是最可疑的。我不确定 NGramTokenizer 是否在做它应该做的事情。
该代码是：
span <- 4
span1 <- 1 + span * 2
ngramTokenizer <- function(x) NGramTokenizer(x, Weka_control(min = span1, max = span1))
dtmevents <- TermDocumentMatrix(eventdocs, control = list(tokenize = ngramTokenizer))
#find ngrams that have the key word of interest
word <- "keyword"
subset_ngrams <- dtmevents$dimnames$Terms[grep(word, dtmevents$dimnames$Terms)]
subset_ngrams <- subset_ngrams[sapply(subset_ngrams, function(i) {
tmp <- unlist(strsplit(i, split=" "))
tmp <- tmp[length(tmp) - span]
tmp} == word)]
allwords <- paste(subset_ngrams, collapse = " ")
uniques <- unique(unlist(strsplit(allwords, split=" ")))
uniques 组词只是感兴趣的关键词，所有其他高频搭配都被删除（此时，我知道代码不起作用）。任何帮助或线索将不胜感激。最初需要很长时间才能使事情正常进行。然后，随着更新，我没有行动了。谢谢你。