基于r中的语言模型从列中检测和检索文本

Question

我使用googleLanguageR从数据框架的文本列中自动检测文本语言。对于一个特定的句子，我做以下操作:

library(googleLanguageR)
gl_auth("credential.json")
gl_translate_detect(df[[45, 'text']])

，其中text是数据帧df中的一列。45是我想检测语言的行号。"credential.json"是来自Google的私有API密钥。

给出相应的检测语言作为输出。但是，我想申请包含英语和德语混合文本的整个文本列，并将它们分开。

我试了如下:

gl_translate_detect(df[['text']])

但是给了我:

Error in nchar(string) : invalid multibyte string, element 13

我的想法是提供一个语料库来检测数据框架上的底层语言。

Answer 1

它不能被矢量化。我们可以使用rowwise

library(dplyr)
df %>%
rowwise %>%
mutate(out = tryCatch(gl_tranlsate_detect(text), 
error = function(e) NA_character_))

---

或使用lapply循环遍历'text'列中的每个元素并应用函数

lapply(df$text, gl_translate_detect)