如何将字符向量作为元数据/docvars添加到dfm以用于stm prevalence分析

要让dfm的每一行都保留完整的62个表达式的EU_CFSP_INT_all向量作为元数据，你需要把每个元数据条目设为包含整个向量的列表元素，而不是拆分循环单个表达式。

正确代码实现 #

# 生成与文档数匹配的列表，每个元素都是完整的EU_CFSP_INT_all向量
metadata_col <- rep(list(EU_CFSP_INT_all), nrow(dfmat_PRs_trim_c))

# 用docvars()给dfm添加元数据列（这是quanteda操作dfm元数据的标准方式）
docvars(dfmat_PRs_trim_c, "EUint") <- metadata_col

为什么之前的方法不行 #

• 你第一次用rep_len()的方式，是把EU_CFSP_INT_all里的单个表达式循环填充到201行，所以每行只能得到一个表达式，而非完整集合。
• 转tokens再合并的方法绕了弯路，而且dfm的元数据不需要转成tokens格式，直接用列表存储向量即可。

后续STM分析的使用 #

添加完成后，在调用stm()函数时，prevalence参数可以直接指定这个元数据列：

library(stm)
stm_model <- stm(dfmat_PRs_trim_c, prevalence = ~ EUint, ...)

内容的提问来源于stack exchange，提问作者H_W_13