Ответ 1
ОК, после еще нескольких Google'ов я наткнулся на пакет slam
, который позволяет:
ph.DTM3 <- rollup(ph.DTM, 2, na.rm=TRUE, FUN = sum)
Что работает.
Итак, у меня очень большая матрица терминов:
> class(ph.DTM)
[1] "TermDocumentMatrix" "simple_triplet_matrix"
> ph.DTM
A term-document matrix (109996 terms, 262811 documents)
Non-/sparse entries: 3705693/28904453063
Sparsity : 100%
Maximal term length: 191
Weighting : term frequency (tf)
Как мне получить rowSum (частоту) каждого термина? Я пробовал:
> apply(ph.DTM, 1, sum)
Error in vector(typeof(x$v), nr * nc) : vector size cannot be NA
In addition: Warning message:
In nr * nc : NAs produced by integer overflow
Очевидно, я знаю о removeSparseTerms
:
ph.DTM2 <- removeSparseTerms(ph.DTM, 0.99999)
Что немного сокращает размер:
> ph.DTM2
A term-document matrix (28842 terms, 262811 documents)
Non-/sparse entries: 3612620/7576382242
Sparsity : 100%
Maximal term length: 24
Weighting : term frequency (tf)
Но я до сих пор не могу применить к нему какие-либо связанные с матрицей функции:
> as.matrix(ph.DTM2)
Error in vector(typeof(x$v), nr * nc) : vector size cannot be NA
In addition: Warning message:
In nr * nc : NAs produced by integer overflow
Как я могу просто получить простую сумму строки на этом объекте? Спасибо!!
ОК, после еще нескольких Google'ов я наткнулся на пакет slam
, который позволяет:
ph.DTM3 <- rollup(ph.DTM, 2, na.rm=TRUE, FUN = sum)
Что работает.
Как упоминалось в одном из комментариев @badpanda, slam
теперь имеет функции row_sums
и col_sums
для разреженных массивов:
slam::row_sums(dtm, na.rm = T)
slam::col_sums(tdm, na.rm = T)
Я думаю:
rowSums(as.matrix(ph.DTM))
Будет работать также.