sinat_37721012的博客

原创 R语言tm包中文文本处理

读入中文分词数据 读入的中文停用词包是数据框形式，需要转为向量。 首先转为 matrix 然后再转为vector data11 <- read.table(“Dcs.txt”,header=F,na.string=“999.99”) ee <-as.matrix(data11) dd <- as.vector(ee) 在用tm分词时还会出现“错误于gsub(sprintf("(*UCP)\b(%s)\b", paste(words, collapse = “|”))”这种错误，