有没有rtexttools的替代方案或者其他用于这种分类方法的包，因为这些包已经被删除了，包括maxent和glmnet，它们依赖于rtexttools，反之亦然；这是我尝试应用和分类的脚本

library(maxent)library(openxlsx)library(RTextTools)library(readxl)library("tm")library("SnowballC")library("wordcloud")library("RColorBrewer")library("tidyverse")library(purrrlyr)library(text2vec)library(caret)library(glmnet)library(ggrepel)library(arm)cas = read_excel("C:/Users/Desktop/Modelo JUN19/Copia de Data Final Entrenamiento - ML DS CAS - 21-06-2019 - REV01.xlsx")datos=data.frame(clase=cas$servicio,text=cas$a_subject)trainIndex <- createDataPartition(datos$clase, p = 0.8,                                   list = FALSE,times = 1)data_train=datos[trainIndex,]data_test=datos[-trainIndex,]matrix_train <- create_matrix(data_train$text,language="spanish",stemWords=FALSE)matrix_test <- create_matrix_test(data_test$text,language="spanish",stemWords=FALSE,                                  originalMatrix=matrix_train )container_train <- create_container(matrix_train,data_train$clase,                                    trainSize=1:length(data_train$clase),virgin=FALSE)container_test <- create_container(matrix_test,labels=rep(0,length(data_test$clase)),                                   trainSize=1:length(data_test$clase),                                   virgin=FALSE)##################### SVM#linealt_svm_lineal <- Sys.time()  model_SVM_lineal <- train_model(container_train, "SVM", kernel="linear")print(difftime(Sys.time(), t_svm_lineal, units = 'mins'))#Clasificación según el modeloclas_svm_lineal_train <- classify_model(container_train, model_SVM_lineal )clas_svm_lineal_test <- classify_model(container_test, model_SVM_lineal )# tasa acertadoaceptacion_svm_lineal_train=summary(as.character(data_train$clase)==as.character(clas_svm_lineal_train$SVM_LABEL))aceptacion_svm_lineal_test=summary(as.character(data_test$clase)==as.character(clas_svm_lineal_test$SVM_LABEL))#Resumen de las categoriassummary(clas_svm_lineal_train$SVM_LABEL)table(clas_svm_lineal_train$SVM_LABEL,data_train$clase)table(clas_svm_lineal_test$SVM_LABEL,data_test$clase)

回答：

首先，这些包已经不在CRAN上，但如果你想用它们，仍然可以从存档中安装它们:

install.packages("https://cran.r-project.org/src/contrib/Archive/maxent/maxent_1.3.3.1.tar.gz", type = "source", repos = NULL)install.packages("https://cran.r-project.org/src/contrib/Archive/RTextTools/RTextTools_1.4.2.tar.gz", type = "source", repos = NULL)

我最近用一些更现代的实现进行了测试，特别是maxent 仍然表现得很好，可能会在某个时候找到一个新家。

其次，有许多用于文本分类和机器学习的替代方案。对于机器学习本身，caret包（手册）还不错，可以处理一些文本分类。但是，请记住，它并不是为文本优化的。一个非常酷的新包，希望很快能进入CRAN，是quanteda.classifiers，而quanteda本身已经实现了朴素贝叶斯（教程）。

第三，还有很多其他包是我不知道的，我不敢建议哪个更适合你想要做的任何事情。我之前发现了一个讨论一些选项的线程：https://github.com/bnosac/ruimtehol/issues/11。