如何在R中的文本中查找特定的句子？

我有一個數據集，有很多人提供自己的工作。重點是，我想從每個評論中檢索一些非常特定的句子，我有一個.txt文件。到目前爲止，我還沒有設法做到這一點。如何在R中的文本中查找特定的句子？

score.sentiment <- function(sentences, pos.words, .progress='none') 
{ 
    require(plyr) 
    require(stringr) 
    scores <- laply(sentences, function(sentence, pos.words){ 
sentence <- gsub('[[:punct:]]', "", sentence) 
    sentence <- gsub('[[:cntrl:]]', "", sentence) 
    sentence <- gsub('\\d+', "", sentence) 
    sentence <- tolower(sentence) 
    word.list <- str_split(sentence, '\\s+') 
    words <- unlist(word.list) 
    pos.matches <- match(words, pos.words) 
    score <- pos.matches 
    return(score) 
    }, pos.words, .progress=.progress) 
    scores.df <- data.frame(text=sentences) 
    return(scores.df) 
} 
results <- score.sentiment(sentences = serv$service_description, pos.words)

文本文件被稱爲pos.words，它包含在句子西班牙語這樣的：

tengo 25 años 
tengo 47 años 
tengo 34 años

另一個文件包含一個變量，名爲服務包含每人評論解釋自己的能力，他們的教育等。而我想要做的就是從他們寫的文字中獲得他們的年齡。從服務文件

例子：

"Me llamo Adrián y tengo 24 años. He estudiado Data Science y me gusta trabajar en el sector tecnológico"

所以從這個示例中，我想獲得我的年齡。到目前爲止，我的想法是創建一個pos.words.txt文件，其中包含所有可能的西班牙文句子，說明年齡並將其與評論文件進行匹配。

到目前爲止出現的主要問題是，我不能創建一個正確的功能來做到這一點;我不知道如何讓R從pos.words.txt中識別整個句子，因爲現在它將每個單詞作爲一個字符。除此之外，我在這裏發佈的一段代碼解釋了我的功能不起作用（暴徒的生活...）

我真的很感謝一些幫助解決這個問題！

非常感謝您的幫助！

阿德里安

來源

2016-04-26 adrian1121

這將是有益的，如果你能提供什麼你輸入一些重複性的例子txt文件和您正在搜索的txt文件看起來像是一旦它們被導入到R. – AOGSTA

閱讀此指南以幫助指導您的可重現示例：http://stackoverflow.com/questions/5963269/how-to-make-a-great-r-可重現的例子 - 如果您的代碼格式一致，它也會有所幫助。 –

這種分裂成句子，抓住了`「TENGO A號」的最後一個實例：

inp <- "blah blah blah tengo 25 años more blah. 
    Even more blha then tengo 47 años. 
    Me llamo Adrián y tengo 34 años." 
rl <- readLines(textConnection(inp)) # might need to split at periods 
    # Then use a capture class to get the digits flanked by "tengo" and "años" 
gsub("^.+tengo[ ](\\d+)[ ]años.+$", "\\1", rl) 
[1] "25" "47" "34"

來源

2016-04-27 04:38:05

如何在R中的文本中查找特定的句子？

回答

相關問題