Extrakce příznaků a analýza: amzn_cons

Teď se podíváš na srovnání s korpusem amzn_cons_corp pomocí dalšího bigramového TDM. V word cloudu samozřejmě očekávej jiné fráze.

K extrakci bigramových příznaků pro vizualizaci opět použiješ tuto vlastní funkci:

tokenizer <- function(x) 
  NGramTokenizer(x, Weka_control(min = 2, max = 2))

Toto cvičení je součástí kurzu

Dolování textu metodou Bag-of-Words v R

Zobrazit kurz

Pokyny k cvičení

Vytvoř amzn_c_tdm převodem amzn_cons_corp na TermDocumentMatrix s bigramovou funkcí control = list(tokenize = tokenizer).
Vytvoř amzn_c_tdm_m jako maticovou verzi amzn_c_tdm.
Vytvoř amzn_c_freq pomocí rowSums() pro získání četností termů z amzn_c_tdm_m.
Vytvoř wordcloud() s použitím names(amzn_c_freq) a hodnot amzn_c_freq. Přidej také argumenty max.words = 25 a color = "red".

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create amzn_c_tdm
___ <- ___(
  ___,
  ___
)

# Create amzn_c_tdm_m
___ <- ___

# Create amzn_c_freq
___ <- ___

# Plot a word cloud of negative Amazon bigrams
___

Upravit a spustit kód