使用tm包创建TermDocumentMatrix时出现‘meta’方法适配错误

核心问题 #

1. 未用content_transformer包装文本处理函数：tm包的tm_map默认操作文档元数据，直接传入tolower这类文本处理函数会破坏Corpus结构，导致对象被转为字符类型，触发meta方法调用失败。
2. 变量名逻辑混乱：代码中将移除停用词后的结果存入inv_vc，但后续仍用未完成该步骤的int_vc创建词矩阵，同时变量名前后不一致加剧了对象状态异常。

修正后的代码 #

# 假设int_vc为原始文本向量，需先转为Source对象再构建Corpus
int_vc <- VCorpus(VectorSource(int_vc))

# 用content_transformer包装函数，确保操作文档内容而非元数据
int_vc <- tm_map(int_vc, content_transformer(tolower))
int_vc <- tm_map(int_vc, content_transformer(removePunctuation))
int_vc <- tm_map(int_vc, content_transformer(removeNumbers))
# 统一变量名，将处理结果存回原Corpus对象
int_vc <- tm_map(int_vc, content_transformer(removeWords), stopwords("english"))
int_vc <- tm_map(int_vc, content_transformer(stripWhitespace))

# 创建文档-词矩阵
inv_tdm <- TermDocumentMatrix(int_vc)

额外说明 #

• 若原始int_vc是文件路径或其他数据源，需替换对应Source类型（如DirSource处理本地文件夹）。
• 新版本tm包对tm_map的参数要求更严格，必须明确指定操作对象为文档内容。

内容的提问来源于stack exchange，提问作者yem