F#，R提供程序，R软件包tm以及（几乎）Ovid示例

Question

请注意，我在F＃和R（更多）方面是初学者，因此可能需要指向RTFM或其他资料;-)

我已经开始使用R和tm包进行一些文本数据挖掘。

我在R中有以下脚本，顺便说一下，它们非常像Ovid分析的示例（将“lgtext”替换为“txt”以获取真实示例，并将language =“no”替换为language =“lat”以在Ovid示例中运行它）：

library(tm)
library(SnowballC)

txt <- system.file("texts", "lgtextfull", package = "tm")
(lgorg <- VCorpus(DirSource(txt, encoding = "UTF-8"), 
          readerControl = list(language = "no")))

lg <- tm_map(lgorg , stripWhitespace)

作为起步，我选择使用F#、R、Deedle和RProvider进行翻译。至于Deedle，我还没有使用过，可以忽略这部分内容...

然后，我尝试编写以下F#代码：

#I "../packages/RProvider.1.0.17/"

#load "RProvider.fsx"

open RProvider
open RDotNet

open RProvider.``base``
open RProvider.tm
open RProvider.openNLP
open RProvider.SnowballC

let txt = R.system_file("texts", "lgtextfull", package = "tm", lib_loc = null, mustWork=true )
let lang =  dict [("language", "no":>obj)]
let readerControl = R.list(lang)
let dirsource = R.DirSource(txt, encoding = "UTF-8")

let lgorg = R.VCorpus(dirsource, readerControl)

let lg =  R.tm__map(lgorg, R.stripWhitespace)

“扩展” R 脚本的原因是为了让我理解并使其正常工作。 经过一些来回，上述内容将运行，并显然与 R 中的 REPL 报告相同，唯一的例外是最后一行：

let lg =  R.tm__map(lgorg, R.stripWhitespace)

这会给出一个错误，例如：

System.Exception: No converter registered for type FSI_0006+lg@81 or any of its base types
   at [e-mail](String message) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 164
   at Microsoft.FSharp.Core.PrintfImpl.go@523-3[b,c,d](String fmt, Int32 len, FSharpFunc`2 outputChar, FSharpFunc`2 outa, b os, FSharpFunc`2 finalize, FSharpList`1 args, Int32 i)
   at Microsoft.FSharp.Core.PrintfImpl.run@521[b,c,d](FSharpFunc`2 initialize, String fmt, Int32 len, FSharpList`1 args)
   at Microsoft.FSharp.Core.PrintfImpl.capture@540[b,c,d](FSharpFunc`2 initialize, String fmt, Int32 len, FSharpList`1 args, Type ty, Int32 i)
   at <StartupCode$FSharp-Core>.$[e-mail](T1 inp)
   at RProvider.RInteropInternal.REngine.SetValue(REngine this, Object value, FSharpOption`1 symbolName) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 274
   at RProvider.RInteropInternal.toR(Object value) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 287
   at RProvider.RInterop.passArg@431(List`1 tempSymbols, Object arg) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 445
   at [e-mail](IEnumerable`1& next) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 453
   at Microsoft.FSharp.Core.CompilerServices.GeneratedSequenceBase`1.MoveNextImpl()
   at Microsoft.FSharp.Core.CompilerServices.GeneratedSequenceBase`1.System-Collections-IEnumerator-MoveNext()
   at Microsoft.FSharp.Collections.SeqModule.ToArray[T](IEnumerable`1 source)
   at RProvider.RInterop.callFunc(String packageName, String funcName, IEnumerable`1 argsByName, Object[] varArgs) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 450
   at RProvider.RInterop.call(String packageName, String funcName, String serializedRVal, Object[] namedArgs, Object[] varArgs) in c:\Tomas\Public\FSharp.RProvider\src\RProvider\RInterop.fs:line 494
   at <StartupCode$FSI_0006>.$FSI_0006.main@() in C:\Users\helgeu\Documents\Visual Studio 2012\Projects\DisqusAnalyzer\DisqusAnalyzer.Lib\InteractiveSession.fsx:line 81
Stopped due to error

我必须承认，我对此一无所知，甚至谷歌也帮不了我；-）

有人能帮忙吗？有什么提示吗？这个应该工作吗？我做错了什么吗？

- Helge Rene Urholm

Answer 1

我怀疑问题在于tm__map的第二个参数是一个R函数。当你写R.stripWhitespace时，你会得到一个F#闭包，我们不能将其转换回R函数。

一种解决方法可能是评估一个返回R函数作为SymbolicExpression的表达式，然后将其作为参数传递：

let stripWhite = R.eval(R.parse(text="stripWhitespace"))
let lg =  R.tm__map(lgorg, stripWhite)

- Tomas Petricek

---

现在我看到它的解释，对我来说有点讲得通了。我还没有仔细研究过它，但我尝试了一个像你描述的快速方法，结果并不如预期。在stackoverflow.com/questions/28498549/...中描述了一些成功的经验，所以我会更仔细地研究并尝试更多选项，可能会发布一些后续内容。我强烈怀疑我是在用F#编写R而不是在F#中使用R。总之：谢谢！ - Helge Rene Urholm

Answer 2

Tomas Petricek提供的解决方案不起作用，因为stripWhitespace函数来自tm包。要使其正常工作，您应该使用函数的完全限定名称：

let stripWhitespace= R.eval(R.parse(text="tm::stripWhitespace"))
let lg = R.tm__map(lgorg, stripWhitespace)

这样就可以了。

- Hav