如何在R中还原tm::stemDocument()处理后的词干化结果？

不存在直接撤销词干化的函数，因为词干化是有损操作——同一个词干可能对应多个不同的完整单词（比如"run"可对应"run"、"running"、"ran"），无法从词干唯一还原到原词。

以下是几种可行的替代处理方案：

• 提前备份原词列表
  这是最稳妥的方式，在执行词干化操作前，先把原始单词列表备份好，后续需要完整形式时直接调用备份即可。示例代码：

  # 备份未词干化的原始单词
  Original.words <- Stemmed.words  # 此时Stemmed.words还未执行词干化
  # 执行词干化
  Stemmed.words <- tm_map(Stemmed.words, stemDocument, language = "english")
  

• 构建词干-原词映射字典
  如果没提前备份，可以基于原始语料构建词干到原词的映射（通常优先选择语料中出现频率最高的原词）。示例代码：

  library(tm)
  library(SnowballC)
  
  # 假设corpus是你的原始语料库
  original_terms <- Terms(corpus)
  # 生成原词与对应词干的映射表
  stem_map <- data.frame(
    original = original_terms,
    stem = wordStem(original_terms, language = "english")
  )
  # 按词干分组，保留每组中出现次数最多的原词
  stem_map <- aggregate(original ~ stem, data = stem_map, 
                        FUN = function(x) names(sort(table(x), decreasing = TRUE))[1])
  # 用映射表还原词干化后的单词列表
  restored_words <- stem_map$original[match(your_stemmed_list, stem_map$stem)]
  

• 用第三方工具辅助还原
  可以使用textstem包的stemCompletion函数，该函数需要依赖原始语料的词汇库来辅助还原，结果的准确性取决于词汇库的覆盖度。示例代码：

  library(textstem)
  # your_stemmed_list是你要还原的词干化单词列表，corpus是原始语料库
  restored_words <- stemCompletion(your_stemmed_list, dictionary = Terms(corpus))
  

需要注意的是，所有还原方法都无法做到100%准确还原，因为词干化本身的不可逆性，提前备份原词是最优解决方案。

内容的提问来源于stack exchange，提问作者lili4491li