Minería de Texto: Frases de Análisis de Clústeres. ERROR: no se puede tomar una muestra mayor que la población.

Estoy trabajando en un conjunto de datos de miles de frases. El conjunto de datos está estructurado por una columna y K filas. Tengo que encontrar algunas similitudes entre ellos y estoy haciendo un análisis de clusterización. Creé un corpus y lo convertí en números (TF-IDF) y luego comencé con el análisis del cluster. Cuando hago el kmeans, me da el error: “no puedo tomar una muestra más grande que la población” y no puedo continuar el análisis. Creo que el problema está en el Corpus. Quizás debería estar compuesto por totK archivos y no un archivo con tot líneas. He encontrado algunas preguntas similares en internet, pero no he encontrado la solución. A continuación se muestra el código, gracias

####Ejemplo tonto de mi conjunto de datos
column <- c(“hola a todos, soy Gio”,”Soy Luisa, encantada de conocerte”,”¿Cómo estás?”,”Buenos días. Soy Josh”,”Hola, ¿está bien Luca?”)
df <- data.frame(column)
corpus = tm::Corpus(tm::VectorSource(ticket_data1), readerControl = list(readerControl=readPlain))

corpus.cleaned <- tm::tm_map(corpus, tm::removeWords, tm::stopwords(‘english’)) #### palabras vacías

corpus.cleaned <- tm::tm_map(corpus, tm::stemDocument, language = “english”)

corpus.cleaned <- tm::tm_map(corpus.cleaned, tm::stripWhitespace)

tdm <- tm::DocumentTermMatrix(corpus)
tdm.tfidf <- tm::weightTfIdf(tdm)

tdm.tfidf <- tm::removeSparseTerms(tdm.tfidf, 0.999)
tfidf.matrix <- as.matrix(tdm.tfidf)

dist.matrix = proxy::dist(tfidf.matrix, method = “cosine”)
k<- kmeans(tfidf.matrix, centers = 2, nstart = 25)

Quiero enfatizar que mi conjunto de datos tiene alrededor de 10k líneas. Este es un ejemplo simplificado. Espero haber sido claro y que puedan ayudarme. Gracias.