R语言中STM模型prepDocuments函数报invalid times参数错误求助

错误根源解释 #

你遇到的Error in rep(...)是prepDocuments函数内部逻辑触发的——这个函数在处理文档-词汇结构时会自动调用rep生成索引，并非你直接调用导致的异常。

针对疑惑的具体排查与解决步骤 #

1. 清理空文档与无效词汇 #

这个错误大概率是输入的dfm存在空文档（词频总和为0）或无效词汇导致的，手动清理比依赖textProcessor更直接：

# 定位空文档（行词频总和为0）
empty_docs <- which(rowSums(daten_dfm_fit_CryptoCombined) == 0)
# 定位空词汇（列词频总和为0）
empty_vocab <- which(colSums(daten_dfm_fit_CryptoCombined) == 0)

# 移除空文档和词汇，生成清理后的dfm
cleaned_dfm <- daten_dfm_fit_CryptoCombined[-empty_docs, -empty_vocab]

2. 转换格式时同步校验文档有效性 #

将dfm转换为STM兼容格式后，再检查是否仍有异常文档：

temp <- convert(cleaned_dfm, to = "stm")
# 找出转换后长度为0的无效文档
bad_docs <- which(sapply(temp$documents, length) == 0)

# 如果存在无效文档，同步删除文档和对应元数据
if(length(bad_docs) > 0) {
  temp$documents <- temp$documents[-bad_docs]
  temp$meta <- temp$meta[-bad_docs, ]
}

3. 校验元数据与文档的匹配性 #

确保元数据行数和文档数量完全一致，这是prepDocuments的核心要求：

# 输出TRUE则匹配，FALSE则需要对齐数据
length(temp$documents) == nrow(temp$meta)

4. 重新执行prepDocuments #

完成上述清理后，再运行目标代码：

out <- prepDocuments(temp$documents, temp$vocab, temp$meta)

进阶排查（若仍报错） #

如果问题未解决，手动排查函数内部依赖的关键变量：

documents <- temp$documents
# 获取每个文档的总词数
VsubD <- sapply(documents, sum)
# 检查是否存在词数为0或负数的异常文档
which(VsubD <= 0)

若输出结果非空，说明对应文档仍有异常，需进一步清理。

内容的提问来源于stack exchange，提问作者Tephalu 's Name