试图删除为了使用topicmodels从DocumentTermMatrix话(Trying to

所以，我试图用topicmodels包R （100个主题上的语料库〜6400页的文件，这是每个〜1000个字）。该工艺运行，然后死了，我想是因为它在运行内存不足。

所以我尽量缩小该文件项矩阵的大小lda()函数作为输入; 我想我能做到这一点做使用minDocFreq功能时，我产生我的文档词矩阵。但是，当我使用它，它似乎没有任何区别。下面是一些代码：

这里是代码的相关位：

> corpus <- Corpus(DirSource('./chunks/'),fileEncoding='utf-8')
> dtm <- DocumentTermMatrix(corpus)
> dim(dtm)
[1] 6423 4163
# So, I assume this next command will make my document term matrix smaller, i.e.
# fewer columns. I've chosen a larger number, 100, to illustrate the point.
> smaller <- DocumentTermMatrix(corpus, control=list(minDocFreq=100))
> dim(smaller)
[1]  6423 41613

相同的尺寸，和相同的列数（即，相同数目的术语）。

任何意义上，我做错了什么？谢谢。

回答你的问题是在这里： https://stackoverflow.com/a/13370840/1036500 （！给它一个给予好评）

总之，最近的版本tm包不包括minDocFreq而是使用bounds ，例如，您的

smaller <- DocumentTermMatrix(corpus, control=list(minDocFreq=100))

现在应该是

require(tm)
data("crude")

smaller <- DocumentTermMatrix(crude, control=list(bounds = list(global = c(5,Inf))))
dim(smaller) # after Terms that appear in <5 documents are discarded
[1] 20 67
smaller <- DocumentTermMatrix(crude, control=list(bounds = list(global = c(10,Inf))))
dim(smaller) # after Terms that appear in <10 documents are discarded
[1] 20 17