将LIME应用于quanteda文本模型时遭遇corpus方法适配错误

AI 小北

2026-5-27

问题根源与解决方法

问题出在LIME内部的数据流逻辑：你设置了preprocess = get_matrix，所以LIME会先把原始文本转成dfm对象，然后在调用predict_model时，传入的newdata其实是这个预处理后的dfm对象，而不是你以为的原始文本向量——但你的predict_model函数里直接调用corpus(newdata)，而corpus()并不支持dfm类型的输入，所以报错了。

1. 修正`predict_model.textmodel_nb_fitted`函数

我们需要先判断输入的newdata类型，如果是dfm就直接用，否则再转成corpus和dfm：

predict_model.textmodel_nb_fitted <- function(x, newdata, type, ...) {
  # 判断输入类型：如果是dfm就直接处理，否则转成dfm
  if (inherits(newdata, "dfm")) {
    X <- dfm_select(newdata, x$data$x)
  } else {
    X <- corpus(newdata)
    X <- dfm_select(dfm(X), x$data$x)
  }
  
  res <- predict(x, newdata = X, ...)
  switch(
    type, 
    raw = data.frame(Response = res$nb.predicted, stringsAsFactors = FALSE), 
    prob = as.data.frame(res$posterior.prob, check.names = FALSE)
  )
}

2. 优化`get_matrix`函数（可选但推荐）

让它能同时处理文本向量和数据框输入，提升兼容性：

get_matrix <- function(x){
  corpus <- quanteda::corpus(x)
  dfm <- quanteda::dfm(corpus, remove_url = TRUE, remove_punct = TRUE, remove = stopwords("english"))
  return(dfm)
}