Mecabのエラーについて

Question

###前提・実現したいこと
ウェブニュース記事のテキスト情報を集めて形態素解析を行っています。
###発生している問題・エラーメッセージ
しかしながら、あるテキストファイル(66万字)を読み込ませた後、docDFで解析すると、エラーが出てしまいます。

docDF(uni, column = 1, type = 1, pos = c("名詞")) でエラー: 
  SET_STRING_ELT() can only be applied to a 'character vector', not a 'integer'

###該当のソースコード

library(RMeCab)
uni <- scan("hogehoge.txt",what = character(), sep = "\n", blank.lines.skip = F)
uni <- data.frame(uni)
d <- docDF(uni, column=1, type=1, pos= c("名詞"))

または、
NgramDF("hogehoge.txt",type=1)```
を実施しても、同様（SET_STRING_ELT() can only be applied to a 'character vector', not a 'integer'）のエラーがでます。

###試したこと
文字列の問題かと思い、エラーの起こる箇所を絞っていきましたが、何が問題なのか等わかりませんでした。type=0としたり、RMeCabFreq()を利用すると通ります。

###補足情報(言語/FW/ツール等のバージョンなど)
より詳細な情報
バージョン情報
mecab of 0.996
R studio 1.0.143
辞書はmecab-ipadic-neologdを利用しています

Answer 1

以前同じエラーに遭遇し、パッケージ作者の石田先生にメールをお送りしたことがあります。その際にいただいた回答では、RMeCabでは「Mac OS」や「AIR DO」のような、neologd辞書で1つの単語として切り出されるような、スペースを含む語のことを想定しておらず、エラーになるということでした。

なので、前処理の段階でneologd辞書が形態素として切り出しそうなスペースを含む語をあらかじめアンダースコアなどに置換しておくとよいのではないでしょうか。66万行もあると大変そうですが。

Comments

[kozz]

素晴らしいご回答、ありがとうございました。大変参考になりました。