如何通过解析文档 ID 为语料库中的每个文档设置作者

问题描述

限时删除！！

我有一个像这样的 tm Corpus 对象:

I have a tm Corpus object like this:

> summary(corp.eng)
A corpus with 154 text documents

The metadata consists of 2 tag-value pairs and a data frame
Available tags are:
  create_date creator
Available variables in the data frame are:
  MetaID

语料库中每个文档的元数据如下所示:

The metadata for each document in the corpus looks this:

> meta(corp.eng[[1]])
Available meta data pairs are:
  Author       :
  DateTimeStamp: 2013-04-18 14:37:24
  Description  :
  Heading      :
  ID           : Smith-John_e.txt
  Language     : en_CA
  Origin       :

我知道我可以一次设置一个文档的作者:

I know that I can set the Author of one document at a time with this:

meta(corp.eng[[1]],tag="Author") <-
  paste(
    rev(
      unlist(
        strsplit(meta(corp.eng[[1]],tag="ID"), c("[-_]"))
      )[1:2]
    ), collapse=' ')

这给了我这样的结果:

> meta(corp.eng[[1]],tag="Author")
[1] "John Smith"

如何批量处理作业?

推荐答案

注意:这应该仍然是一个注释，但有一些工作部分，所以这里有一个例子:

NOTE: This should still probably be a comment, but there is some working portion, so here goes an example:

data(crude)
extracted.values <- meta(crude,tag="Places",type="local")
for (i in seq_along(extracted.values)) {
     meta(crude[[i]],tag="Places") <- substr(extracted.values[[i]],1,3)
}

人们应该也可以使用 lapply 来做到这一点，但由于我不熟悉 tm 的内部工作原理，我将坚持使用循环.将 substr 函数替换为您需要的函数，当然还有左侧的数据.希望这可以帮助.

One should be able to do it using lapply as well, but as I am not familiar with the inner workings of tm, I'll stick with loop. Substitute the substr function with the one you need, and the data on the left side as well of course. Hope this helps.

这篇关于如何通过解析文档 ID 为语料库中的每个文档设置作者的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持！

1403页，肝出来的..