我使用的字典来搜索语料库术语的出现，其中的条款可能会单独出现，但他们会经常重叠：
corpus <- c("According to the Canadian Charter of Rights and Freedoms, all Canadians...")
dict <- dictionary(list(constitution = c("charter of rights", "canadian charter")))
kwic(corpus, dict)
上面会（正确地）识别下面句子两次：
"According to the Canadian Charter of Rights and Freedoms, all Canadians..."
为了建立在其中这些术语出现，然而，为了避免重复计算次数，我需要确保其中“加拿大宪章”出现在长期才会被计算在内情况下，如果它不被” ..of权利跟进......”
我怎样才能做到这一点？
编辑：刚才注意到，如果使用tokens_lookup所以这个问题是个哑巴点，这不是一个问题。留给了的情况下，是有帮助的任何人。
当你问一个kwic，你会得到所有的模式匹配，即使这些重叠。因此，为了避免重叠，因为我认为你是问路的方式，就是手动转换以防止它们重叠的方式多词表达（MWEs）为单一标记。你的情况，你要算“加拿大宪章”时，后面没有“权利”呢。那么我会建议你记号化的文字，然后在保证他们不会重叠的序列化合物MWEs。
library("quanteda", warn.conflicts = FALSE)
## Package version: 1.4.0
## Parallel computing: 2 of 12 threads used.
## See https://quanteda.io for tutorials and examples.
txt <- "The Canadian charter of rights and the Canadian charter are different."
dict <- dictionary(list(constitution = c("charter of rights", "canadian charter")))
toks <- tokens(txt)
tokscomp <- toks %>%
tokens_compound(phrase("charter of rights"), concatenator = " ") %>%
tokens_compound(phrase("Canadian charter"), concatenator = " ")
tokscomp
## tokens from 1 document.
## text1 :
## [1] "The" "Canadian" "charter of rights"
## [4] "and" "the" "Canadian charter"
## [7] "are" "different" "."
这使得短语为单个标记，用空格分隔这里，这将意味着，在kwic()（如果这是你想用什么）不会加倍指望他们，因为他们现在唯一MWE匹配。
kwic(tokscomp, dict, window = 2)
##
## [text1, 3] The Canadian | charter of rights | and the
## [text1, 6] and the | Canadian charter | are different
需要注意的是简单地算来，你也可以使用dfm()与你的字典作为select参数的值：
dfm(tokscomp, select = dict)
## Document-feature matrix of: 1 document, 2 features (0.0% sparse).
## 1 x 2 sparse Matrix of class "dfm"
## features
## docs charter of rights canadian charter
## text1 1 1
最后，如果你本来想主要是为了区分“加拿大宪章”，“权利的加拿大宪章”，你可能会加剧前者先后者（最长到最短，最好在这里）。但是，这不完全是你问什么。