Функция kwic() возвращает меньше строк, чем должна

В настоящее время я пытаюсь выполнить анализ настроений для объекта kwic, но боюсь, что функция kwic() не возвращает все строки, которые она должна возвращать. Я не совсем уверен, в чем именно заключается проблема, из-за которой трудно опубликовать воспроизводимый пример, поэтому я надеюсь, что подробного объяснения того, что я пытаюсь сделать, будет достаточно.

Я подмножил исходный набор данных, содержащий выступления, которые я хочу проанализировать, в новый фрейм данных, который включает только выступления, в которых упоминаются определенные ключевые слова. Я использовал следующий код для создания этого подмножества:

ostalgie_cluster <- full_data %>%
  filter(grepl('Schwester Agnes|Intershop|Interflug|Trabant|Trabi|Ostalgie',
                speechContent,
                ignore.case = TRUE))

Результирующий фрейм данных состоит из 201 наблюдения. Однако, когда я выполняю kwic() с тем же исходным набором данных, используя следующий код, он возвращает фрейм данных только с 82 наблюдениями. Кто-нибудь знает, что может быть причиной этого? Опять же, извините, я не могу привести воспроизводимый пример, но когда я пытаюсь создать репрекс с нуля, он просто... работает...

#create quanteda corpus object
qtd_speeches_corp <- corpus(full_data,
                            docid_field = "id",
                            text_field = "speechContent")

#tokenize speeches
qtd_tokens <- tokens(qtd_speeches_corp, 
                     remove_punct = TRUE,
                     remove_numbers = TRUE,
                     remove_symbols = TRUE,
                     padding = FALSE) %>%
  tokens_remove(stopwords("de"), padding = FALSE) %>%
  tokens_compound(pattern = phrase(c("Schwester Agnes")), concatenator = " ")

ostalgie_words <- c("Schwester Agnes", "Intershop", "Interflug", "Trabant", "Trabi", "Ostalgie")

test_kwic <- kwic(qtd_tokens,
                  pattern = ostalgie_words,
                  window = 5)
Стоит ли изучать PHP в 2023-2024 годах?
Стоит ли изучать PHP в 2023-2024 годах?
Привет всем, сегодня я хочу высказать свои соображения по поводу вопроса, который я уже много раз получал в своем сообществе: "Стоит ли изучать PHP в...
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
Поведение ключевого слова "this" в стрелочной функции в сравнении с нормальной функцией
В JavaScript одним из самых запутанных понятий является поведение ключевого слова "this" в стрелочной и обычной функциях.
Приемы CSS-макетирования - floats и Flexbox
Приемы CSS-макетирования - floats и Flexbox
Здравствуйте, друзья-студенты! Готовы совершенствовать свои навыки веб-дизайна? Сегодня в нашем путешествии мы рассмотрим приемы CSS-верстки - в...
Тестирование функциональных ngrx-эффектов в Angular 16 с помощью Jest
В системе управления состояниями ngrx, совместимой с Angular 16, появились функциональные эффекты. Это здорово и делает код определенно легче для...
Концепция локализации и ее применение в приложениях React ⚡️
Концепция локализации и ее применение в приложениях React ⚡️
Локализация - это процесс адаптации приложения к различным языкам и культурным требованиям. Это позволяет пользователям получить опыт, соответствующий...
Пользовательский скаляр GraphQL
Пользовательский скаляр GraphQL
Листовые узлы системы типов GraphQL называются скалярами. Достигнув скалярного типа, невозможно спуститься дальше по иерархии типов. Скалярный тип...
0
0
25
1
Перейти к ответу Данный вопрос помечен как решенный

Ответы 1

Ответ принят как подходящий

Это что-то вроде предположения без воспроизводимого примера (а именно вашего ввода full_data), но вот мое лучшее предположение. Ваш вызов kwic() использует сопоставление с образцом "glob" по умолчанию, и вместо этого вы хотите найти совпадение с регулярным выражением.

Исправьте это так:

kwic(qtd_tokens, pattern = ostalgie_words, valuetype = "regex", 
     window = 5

Другие вопросы по теме