1

これは、メタデータを転送および拡張しながら、 1 つPlainTextDocumentを複数の子に解析することを目的としています。PlainTextDocument

segment_doc <- function(doc) {
    txt = paste0(doc, collapse=' ')
    au <- meta(doc, tag='Author');
    desc <- meta(doc, tag='description');
    ori <- meta(doc, tag='origin');
    locmeta <- attr(doc,'LocalMetaData');

    function(df){
        dfrows <- nrow(df);
        v<-rep(NA,dfrows);
        for(i in 1:dfrows) {
            a <- df[i,'after'];
            b <- df[i, 'before'];
            m <- df[i, 'meta'];

            sec <-PlainTextDocument(mkmeta(b, a, txt), author= au, description=desc, origin=ori, heading = m, localmetadata= locmeta) 
            #verified using debug that sec is a 'PlainTextDocument' with the expected text and metadata 
            v[i]=sec;

        }
        v #should be a vector of PlainTextDocuments, BUT it is vector of character vectors. WHY??

    }
}

次のように使用できます。

# mycorpus is a Corpus object containing PlainTextDocuments
# sections is a data.frame with 3 columns of type character named 'before', 'after' and 'meta' and 6 rows

sectioner <- segment_doc(mycorpus[[1]]); 
ptv <- sectioner(sections); #expect a vector of 6 PlainTextDocuments

class(ptv);
[1] "character" 
length(ptv);
[1] 6

質問

  • ベクトルに配置すると、オブジェクトから文字ベクトルにsec変換されるのはなぜですか?PlainTextDocument
  • どうすればオブジェクトをsectioner返すことができますか? Corpus( PlainTextDocuments のベクトルでも問題ありません)。

のドキュメントを読みましたtm。はい、全部です。これはそれほど難しいことではありません。私が使用すべき別のアプローチはありますか？

4

1 に答える 1

2

sectioner文字ベクトルを返す理由は、v複雑なオブジェクトを運ぶことができないアトミック ベクトルとして初期化するためです。代わりに、ベクトルに入れられるオブジェクトは、一般的な原子データ型 (ここでは文字) に強制されます。vをリストとして初期化できます

v <- vector( length = dfrows, mode= 'list' ).
于 2013-04-30T14:26:43.270 に答える