因此，我尝试按照tidytext网站：https://www.tidytextmining.com/ngrams.html上的步骤，使用tidytext包进行双字主题建模。
我能够进入“ word_counts”部分，其中R计算每个二元语法的频率。
“ word_counts”返回以下内容：
customer_id word n
<chr> <chr> <int>
1 00000001234 sample text 45
2 00000002345 good morning 30
3 00000003456 happy friday 24
下一步是将上方的信息转换为dtm格式
我的代码如下：
lda_dtm <- word_counts %>%
cast_dtm(customer_id, word, n)
出现警告消息：
Warning message:
Trying to compute distinct() for variables not found in the data:
- `row_col`, `column_col`
This is an error, but only a warning is raised for compatibility reasons.
The operation will return the input unchanged.
但是“ lda_dtm”看起来像是正确格式的。
lda_dtm
<<DocumentTermMatrix (documents: 9517, terms: 341545)>>
Non-/sparse entries: 773250/3249710515
Sparsity : 100%
Maximal term length: NA
Weighting : term frequency (tf)
但是，当我尝试运行lda时，它不起作用。
burnin <- 4000
iter <- 300
thin <- 500
seed <-list(2003,5,63,100001,765)
nstart <- 5
best <- TRUE
k <- 6
out_LDA <- LDA(lda_dtm,
k = k,
method="Gibbs",
control = list(nstart=nstart,
seed = seed,
best=best,
burnin = burnin,
iter = iter,
thin = thin))
提出了以下警告：
Error in seq.default(CONTROL_i@iter, control@burnin + control@iter, by = control@thin) :
wrong sign in 'by' argument
我在整洁的文本网站上没有关于二元语法的主题建模教程，该教程专门针对二元语法。我应该如何调整格式以使其适用于双向语法？
最佳答案
1：您从cast_dtm收到的消息实际上来自cast_sparse。 github上有两个问题，＃120和＃121，可以解决这个问题。目前，此问题已在github的软件包中修复，但尚未发布。
如果愿意，可以使用devtools::install_github("juliasilge/tidytext")从github安装它。
2：从LDA得到的错误与1无关。如果仅运行out_LDA <- LDA(lda_dtm, k = k)，则LDA可以正常运行。问题出在您的控制选项thin上。该值应小于或等于iter参数。在您的情况下，将其设置为500，而将iter设置为300。因此会出现错误。您可以看到当Thin比iter高1时出现错误。
关于r - 如何在R中使用整洁的文本进行Bi-gram主题建模？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/51106727/