如何在quanteda中对同文档标识的dfm执行词项匹配加减运算？

你提到的需求非常明确——要让两个拥有相同文档标识的dfm，对相同文档、相同词项的数值做dfm1 - dfm2的运算，同时保留仅在单个dfm中出现的词项的原数值。在quanteda里实现这个需求的关键是先统一两个dfm的特征集合，确保运算时每个位置都对应相同的文档和词项，之后就可以直接执行减法了。

步骤1：重现你的示例dfm #

首先先把你给出的两个dfm创建出来，方便后续操作：

library(quanteda)
library(tibble)

# 创建dfm1
dfm1 <- tibble(text = c('hello world', 'hello quanteda')) %>% 
  corpus() %>% tokens() %>% dfm()

# 创建dfm2
dfm2 <- tibble(text = c('hello world', 'good nigth quanteda')) %>% 
  corpus() %>% tokens() %>% dfm()

步骤2：统一特征集合并执行减法 #

quanteda的dfm_match()函数可以帮我们把两个dfm的特征（词项）统一成包含所有词项的集合，缺失的词项会自动填充0。这样处理后，两个dfm的维度完全一致，就可以直接做减法了：

# 获取两个dfm的所有词项，合并成一个完整的特征集合
all_features <- union(featnames(dfm1), featnames(dfm2))

# 让两个dfm匹配到统一的特征集合，缺失词项填0
dfm1_matched <- dfm_match(dfm1, features = all_features)
dfm2_matched <- dfm_match(dfm2, features = all_features)

# 执行减法运算：dfm1数值减去dfm2数值
dfm_subtracted <- dfm1_matched - dfm2_matched

查看运算结果 #

运行dfm_subtracted就能得到你想要的结果：

dfm_subtracted

Document-feature matrix of: 2 documents, 5 features (40.0% sparse).
2 x 5 sparse Matrix of class "dfm"
features
docs hello world quanteda good nigth
text1 0 1 0 0 0
text2 1 0 0 -1 -1

结果说明 #

• 对于两个dfm都有的词项：比如text1的hello，dfm1和dfm2都是1，结果为1-1=0；text2的quanteda都是1，结果为1-1=0。
• 仅在dfm1里的词项：比如text1的world，dfm2里对应位置是0，结果为1-0=1；text2的hello，dfm2里是0，结果为1-0=1。
• 仅在dfm2里的词项：比如text2的good和nigth，dfm1里对应位置是0，结果为0-1=-1。

这个方法完美贴合你想要的运算逻辑，而且是quanteda官方推荐的dfm算术运算前置步骤哦。

内容的提问来源于stack exchange，提问作者ℕʘʘḆḽḘ