使用 udpipe 时对 Google 新闻标题运行情绪分析遇到错误

Question

这是我到目前为止的代码

pacman::p_load(dplyr, ggplot2, stringr, udpipe, lattice)
gnewsheadlines <- read.csv(file.choose(), stringsAsFactors = F)

udmodel_english <- udpipe_load_model(file = "C:/Users/Palam/Documents/english-ewt-ud-2.5-191206.udpipe")

第 2 步 – 按日期计算标题总数并绘制结果以供检查

headlinegoogle <- gnewsheadlines %>% filter(date >= "3/31/2022 ", date <= "4/3/2022")

s <- udpipe_annotate(udmodel_english,headlinegoogle$headline)
x <- data.frame(s)

这是我在运行 udpipe_annotate 时遇到的错误：

Error in `[.data.table`(out, , `:=`(c("token_id", "token", "lemma", "upos",  :
Supplied 10 columns to be assigned an empty list (which may be an empty data.table or data.frame since they are lists too). To delete multiple columns use NULL instead. To add multiple empty list columns, use list(list()).

另外：警告信息：

In strsplit(x$conllu, "\\n", fixed = TRUE) : input string 1 is invalid UTF-8

Answer 1

看起来 headergoogle$headline 不是 UTF-8 编码。请参阅https://cran.r-project.org/web/packages/udpipe/vignettes/udpipe-tryitout.html

Answer 2

我收到了同样的错误消息。 尝试将函数

str_squish()

（来自包 stringr）应用到您的文本对象。 这对我有用。