R - Analysieren tripadvisor Inhalt mit tm

Question

Ich kratzte einige tripadvisor Inhalt (ID, Zitat, Bewertungen, vollständige Überprüfung) in einer CSV-Datei und versuchte, die Dokumente mit nur 5 * Bewertung herauszufiltern, aber es scheint nicht zu funktionieren.

> x <- read.csv ("test.csv", header = TRUE, stringsAsFactors = FALSE) 
> (corp <- VCorpus(DataframeSource (x), 
+ readerControl = list(language = "eng"))) 

ich folgendes:

<<VCorpus>> 
Metadata: corpus specific: 0, document level (indexed): 0 
Content: documents: 50 

nun auf Filterung, es zeigt, dass es 0 Dokumente mit einem Rating von 5 * und das kann nicht richtig sein.

> idx <- meta(corp, "rating") == '5' 

> corp [idx] 

<<VCorpus>> 
Metadata: corpus specific: 0, document level (indexed): 0 
Content: documents: 0 

Habe ich etwas über die Erstellung des Corpus übersehen?

Textausgabe angefordert als

'data.frame': 682 obs. of 6 variables: 
$ X   : int 1 2 3 4 5 6 7 8 9 10 ... 
$ id   : chr "rn360260358" "rn359340351" "rn356397660"  "rn355961772" ... 
$ quote  : chr "Nice but not unique " "Beautiful scenery of German  forest with a lake" "Beautiful Lake and Amazing Mountain Views" "Beautiful!" ... 
$ rating  : chr "3" "5" "5" "5" ... 
$ date   : chr "Reviewed 5 March 2016" "Reviewed 29 February 2016" "Reviewed 27 February 2016" ... 
$ reviewnospace: chr "We visited the lake with our daughters in March. All s... 

Answer 1

Ihre Daten Import-Methode einfach nicht die Metadaten nicht besteht. DataFrameSource(x) übergibt alle Variablen von x als Dokumenttext.

Darüber hinaus gibt es keine einfache, automatische Methode zum Hinzufügen einer Reihe von Metadaten in tm. Stattdessen können wir VectorSource(x$reviewnospace) verwenden (vorausgesetzt, dass dies die Spalte ist, die den Text enthält), und in einem zweiten Schritt die Metadaten zuweisen. Ihre Indizierung funktioniert dann wie erwartet.

library(tm) 

# use VectorSource to import data 
corp <- VCorpus(VectorSource(x$reviewnospace), readerControl = list(language = "eng")) 
# assign metadata 
meta(corp,tag = "rating") <- x$rating 

idx <- meta(corp, "rating") == '5' 
corp [idx]