Question

求助 中文文本挖掘和文本矩阵遇到的问题

为什么 分词矩阵最后包含\n这个符号（换行符号）语句如下

demo<-c("《文本挖掘(英文版)》是一部文本挖掘领域名著","作者为世界知名的权威学者。书中涵盖了核心文本挖掘操作、文本挖掘预处理技术","分类、聚类、信息提取、信息提取的概率模型、预处理应用、可视化方法、链接分析、文本挖掘应用等内容，很好地结...")segcn<-segmentCN(as.character(demo$goodsName))segcn<-segmentCN(as.character(demo))corpus<-Corpus(VectorSource(segcn))matrix<-DocumentTermMatrix(corpus)其中corpus 和 matrix 请用inspect() 函数观察数据请不要黏贴复制网上的文本挖掘 我看了不少了谢谢
我说的是R语言范畴内，请不要对我说其他的挖掘算法系统或是平台。

Answer 1

可以用RapidMiner, 用Update RapidMiner菜单项下载并安装Text processing构件包。使用process documents...构件可以做文本挖掘，处理中文时要将这些构件的encoding参数设置成GB18030（对于简体中文）。

追问

我说的是R语言 不好意思。就这个范畴内解答。谢谢

Answer 2

用 segmentCN 函数 进行分词的时候，加上 returnType = 'tm'，就可以啦

txt <- segmentCN(as.character(temp_df$X7),returnType = 'tm')