如何创建具有字符 n 元语法特征的 tf-idf 矩阵

Question

如何使用text2vec包创建具有字符n-gram特征的tdf-idf矩阵？

Answer 1

怎么样：

library(text2vec)
data("movie_review")
it = itoken(movie_review$review, tolower, char_tokenizer)
v = create_vocabulary(it, ngram = c(3, 3), sep_ngram = "_")
dtm = create_dtm(it, vectorizer = vocab_vectorizer(v))

PS 将来请尝试提供一些可重现的示例，说明您尝试解决问题的方法。