问题：

使用R对单词中的相同模式进行分类

拓拔曦

2023-03-14

我想进行文本挖掘分析，但遇到任何麻烦。使用dput（），我加载了一小部分文本。

text<-structure(list(ID_C_REGCODES_CASH_VOUCHER = c(3941L, 3941L, 3941L, 
3945L, 3945L, 3945L, 3945L, 3945L, 3945L, 3945L, 3953L, 3953L, 
3953L, 3953L, 3953L, 3953L, 3960L, 3960L, 3960L, 3960L, 3960L, 
3960L, 3967L, 3967L, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, 
NA, NA, NA, NA, NA, NA, NA, NA, NA, NA, NA), GOODS_NAME = structure(c(19L, 
17L, 15L, 18L, 16L, 23L, 21L, 14L, 22L, 20L, 6L, 2L, 10L, 8L, 
7L, 13L, 5L, 11L, 7L, 12L, 4L, 3L, 9L, 9L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 
1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L, 1L
), .Label = c("", "* 2108609 SLOB.Mayon.OLIVK.67% 400ml", "* 3014084 D.Dym.Spikachki DEREVEN.MINI 1kg", 
"* 3398012 DD Kolb.SERV.OKHOTN in / to v / y0.35", "* 3426789 WH.The corn rav guava / yagn.d / CAT seed 85g", 
"197 Onion 1 kg", "2013077 MAKFA Makar.RAKERS 450g", "2030918 MARIA TRADITIONAL Biscuit 180g", 
"2049750 MAKFA Makar.SHIGHTS 450g", "3420159 LEBED.Mol.past.3,4-4,5% 900g", 
"3491144 LIP.NAP.ICE TEA green yellow 0.5 liter", "6788 MAKFA Makar.perya 450g", 
"809 Bananas 1kg", "FetaXa Cheese product 60% 400g (", "Lemons 55+", 
"MAKFA Macaroni feathers like. in / with", "Napkins paper color 100pcs PL", 
"Package \"Magnet\" white (Plastiktre)", "Pasta Makfa snail flow-pack 450 g.", 
"SHEBEKINSKIE Macaroni Butterfly №40", "SOFT Cotton sticks 100 PE (BELL", 
"TENDER AGE Cottage cheese 10", "TOBUS steering-wheel 0.5kg flow"
), class = "factor")), .Names = c("ID_C_REGCODES_CASH_VOUCHER", 
"GOODS_NAME"), class = "data.frame", row.names = c(NA, -61L))

（娜娜是偶然的。）正文是来自检查的产品名称。

我想把任何相似的名字分组。

例如。这里我手动取MAKFA makar（乌克兰名字）。我发现有7行“根或关键词MAKFA Makar”

Pasta Makfa snail flow-pack 450 g.
MAKFA Macaroni feathers like. in / with
2013077 MAKFA Makar.RAKERS 450g
2013077 MAKFA Makar.RAKERS 450g
6788 MAKFA Makar.perya 450g
2049750 MAKFA Makar.SHIGHTS 450g
2049750 MAKFA Makar.SHIGHTS 450g

所有产品位置都有相同的词根。MAKFA Makar不能像MFAMKR那样作为我想要的输出

                                                Initially                 class
1                       Pasta Makfa snail flow-pack 450 g.          MAKFA Makar.
2                  MAKFA Macaroni feathers like. in / with          MAKFA Makar.
3                          2013077 MAKFA Makar.RAKERS 450g          MAKFA Makar.
4                          2013077 MAKFA Makar.RAKERS 450g          MAKFA Makar.
5                              6788 MAKFA Makar.perya 450g          MAKFA Makar.
6                         2049750 MAKFA Makar.SHIGHTS 450g          MAKFA Makar.
7                         2049750 MAKFA Makar.SHIGHTS 450g          MAKFA Makar.
8          * 3398012 DD Kolb.SERV.OKHOTN in / to v / y0.35                  kolb
9               * 3014084 D.Dym.Spikachki DEREVEN.MINI 1kg             Spikachki
10                                         809 Bananas 1kg              Bananas 
11                                              Lemons 55+                Lemons
12                           Napkins paper color 100pcs PL        Napkins paper 
13                         SOFT Cotton sticks 100 PE (BELL         Cotton sticks
14                     SHEBEKINSKIE Macaroni Butterfly №40 SHEBEKINSKIE Macaroni
15 * 3426789 WH.The corn rav guava / yagn.d / Cat SEED 85g              CAT seed
16                        FetaXa Cheese product 60% 400g (               Cheese 
17          3491144 LIP.NAP.ICE TEA green yellow 0.5 liter                  TEA 
18                  2030918 MARIA TRADITIONAL Biscuit 180g              Biscuit 
19                                          197 Onion 1 kg                 Onion
20                          TOBUSsteering-wheel 0.5kg flow        steering-wheel
21                     Package "Magnet" white (Plastiktre) Package  (Plastiktre)
22                    * 2108609 SLOB.Mayon.OLIVK.67% 400ml                 Mayon
23                            TENDER AGE Cottage cheese 10        Cottage cheese

我怎样才能根据词根单词对产品进行分类？（相反，在单词Makar中存在相同的模式。Makfa，奶酪）

共有2个答案

柴翰藻

2023-03-14

这里有一种方法，可以在其中搜索单词向量：

patt <- c("MAKFA Makar.", "kolb","Spikachki", "Bananas", "Lemons",
"Napkins paper", "Cotton sticks","SHEBEKINSKIE Macaroni","CAT seed","Cheese",
"TEA", "Biscuit", "Onion", "steering-wheel", "Package  (Plastiktre)",
"Mayon", "Cottage", "cheese")

lst <-lapply(patt, function(x) text[grep(x,text$GOODS_NAME), ])
do.call(rbind.data.frame, lst)

   ID_C_REGCODES_CASH_VOUCHER                                              GOODS_NAME
15                       3953                         2013077 MAKFA Makar.RAKERS 450g
19                       3960                         2013077 MAKFA Makar.RAKERS 450g
20                       3960                             6788 MAKFA Makar.perya 450g
23                       3967                        2049750 MAKFA Makar.SHIGHTS 450g
24                       3967                        2049750 MAKFA Makar.SHIGHTS 450g
22                       3960              * 3014084 D.Dym.Spikachki DEREVEN.MINI 1kg
16                       3953                                         809 Bananas 1kg
3                        3941                                              Lemons 55+
2                        3941                           Napkins paper color 100pcs PL
7                        3945                         SOFT Cotton sticks 100 PE (BELL
10                       3945                     SHEBEKINSKIE Macaroni Butterfly №40
17                       3960 * 3426789 WH.The corn rav guava / yagn.d / CAT seed 85g
8                        3945                        FetaXa Cheese product 60% 400g (
18                       3960          3491144 LIP.NAP.ICE TEA green yellow 0.5 liter
14                       3953                  2030918 MARIA TRADITIONAL Biscuit 180g
11                       3953                                          197 Onion 1 kg
6                        3945                         TOBUS steering-wheel 0.5kg flow
12                       3953                    * 2108609 SLOB.Mayon.OLIVK.67% 400ml
9                        3945                            TENDER AGE Cottage cheese 10
91                       3945                            TENDER AGE Cottage cheese 10

屠浩

2023-03-14

我认为你可以通过清理然后聚集你的文本来得到你想要的地方——这里有一个开始：

text <- text[1:24,]
library(quanteda)
library(tidyverse)
hc <- text %>% 
  pull(GOODS_NAME) %>% 
  as.character %>% 
  quanteda::tokens(
    remove_numbers = T,  
    remove_punct = T,
    remove_symbols = T, 
    remove_separators = T
  ) %>% 
  quanteda::tokens_tolower() %>% 
  quanteda::tokens_remove(valuetype="regex", pattern = c("^\\d.*")) %>% 
  quanteda::dfm() %>% 
  textstat_simil(method = "jaccard") %>% 
  magrittr::multiply_by(-1) %>% 
  `attr<-`("Labels", text$GOODS_NAME) %>% 
  hclust(method = "average") 

pdf(tf<-tempfile(fileext = ".pdf"), width = 20, height = 10)
plot(hc)
dev.off()
shell.exec(tf)

clusters <- cutree(hc, h = -0.1)
split(text, clusters)

类似资料：

根据单词在数据库中的出现对单词进行排序，匹配相似的单词

null
使用Java8流对不同类的对象进行分组

我有下面的课
如何使用标准库对单词进行排序？

我想从创建一个排序词以下是我到目前为止的情况。我不理解编译器的信息：我到底做错了什么？
多模式中的相同表

刚开始，我正在为一个应用程序创建一个数据库。由于模式在视觉上变得非常复杂，在多个模式中具有相同的user_table是可能的/可行的/推荐的吗？例如，blogging模式将具有user_table和与此activity相关的其余表。购物模式将再次具有相同的user_table和表来管理购物activity。等等... 目标是将不同模式中的大量表分离开来，从而简化整体管理。在另一篇文章中，有人建
使用waypoints.js和anime.js分别对具有相同类的元素进行动画化

我有这样一个脚本，当标题进入viewport.js和anime.js的视区时，它将动画化：当我多次使用.title类时，当另一个标题进入视区时，所有标题都将再次动画化。我是否用.title1,.title2等复制脚本？还是有更短的路？
使用python对文件中的单词进行提取的方法示例

本文向大家介绍使用python对文件中的单词进行提取的方法示例，包括了使用python对文件中的单词进行提取的方法示例的使用技巧和注意事项，需要的朋友参考一下由于需要使用一个纯单词组成的文件，在网上下载到了一个存放单词的文件，但是里面有中文的解释，那就需要做一下提取了。文本的形式如下：所见即所得，这个文本是有规律的，每个单词为一行，紧接着下一行便是单词的解释，有了这种规律我们就很好处理了。

使用R对单词中的相同模式进行分类

共有2个答案

相关问答

相关文章

相关阅读

相关工具

相关文档