如何找到複合詞，刪除它們之間的空格，並將它們替換爲我的語料庫？

Question

我有許多複合術語，比如hello World，早安，晚安，...我想在我的語料庫中找到它們，然後用它們的等價物替換它們作爲helloWorld，goodMorning，goodNight。所以這樣我就可以保留他們的概念。 我可以一個一個地做，但由於有很多複合術語，它非常繁瑣。我需要用R語言來做到這一點。

Answer 1

如果你所有的複合詞用空格分隔只，你可以使用gsub：

> x = c("hello World", "good Morning", "good Night") 
> y = gsub(pattern = " ", replacement = "", x = x) 
> print(y) 
[1] "helloWorld" "goodMorning" "goodNight" 

您可以隨時添加更多的模式來pattern說法。閱讀有關R here和here中正則表達式的更多信息。

編輯

@ user4241750：是的，但我只是想爲特定化合物做到這一點 條件（有很多），不是所有在語料庫中的條款，因爲有 在許多其他方面語料庫

如果您知道要更改的所有特定複合詞，可以在docs[[j]]上指定它。說你想改變的唯一條款是「簡單部分」和「早上好」：

terms.to.change = c("simple parts","good morning") 
for (j in seq(corpus)) { 
    positions.to.change = which(docs[[j]] %in% terms.to.change) 
    docs[[j]][positions.to.change] <- gsub(" ", "", docs[[j]][positions.to.change]) 
}