R中for循环和intersect（）的问题

Question

我对R比较陌生，目前主要用于文本分析。在下面的代码中，我试图在某些单词中找到重复。

tableinter <- intersect(innsong, Inncorpus[[1]])
inntable <- table(innsong)
repwords <- list()
notrepwords <- list()
for(i in length(tableinter)){
  if(inntable[tableinter[i]] > 1){
    repwords[[i]] <- tableinter[[i]]
    return(repwords)
  } else{
    notrepwords[[i]] <- tableinter[[i]]
  }
}

我的最终目标是从innsong和inncorpus[[1]]相交的单词中有两个列表。一个列表，repwords，将有来自inncorpus[[1]]的单词，它们都与innsong相交并且频率> 1。另一个列表是那些在文本中只出现一个的单词。

Answer 1

分析文档中单词出现的一种更通用的方法是通过文档特征矩阵（或文档 - 术语矩阵）。

我推荐包quanteda。

require("quanteda")
require("magrittr")

df_matrix <- c(innsong, Inncorpus[[1]]) %>%
    dfm(tolower = TRUE, stem = FALSE, remove_numbers = TRUE,
        remove_punct = TRUE, remove_symbols = TRUE)

这将生成一个矩阵，其中每行是一个文档，每列是一个不同的单词。每个值表示每个文档中每个单词的出现次数。你将有两排到达。然后，您可以评估矩阵以找到答案。

在我看来，这是一种更通用的方法。如果您愿意，它可以为您提供词干和删除停用词的选项。