Souboj! Kladné recenze Amazonu vs. Googlu

Kladné recenze Amazonu zmiňují bigramy jako „good benefits", zatímco záporné se soustředí na témata jako „workload" nebo problémy s „work-life balance".

Google naproti tomu sklízí v kladných recenzích pochvaly za „great food", „perks", „smart people" nebo „fun culture". Záporné recenze se pak točí kolem „politics", „getting big", „bureaucracy" a „middle management".

Rozhodneš se sestavit pyramid plot, který postaví kladné recenze Amazonu a Googlu vedle sebe a ukáže rozdíly ve sdílených bigramech. Máme pro tebe předpřipravený datový rámec all_tdm_df s hodnotami terms a odpovídajícími frekvencemi bigramů AmazonPro a GooglePro. Pomocí tohoto datového rámce identifikuješ 5 nejčastějších bigramů, které se vyskytují v obou korpusech.

Toto cvičení je součástí kurzu

Dolování textu metodou Bag-of-Words v R

Zobrazit kurz

Pokyny k cvičení

Vytvoř common_words z datového rámce all_tdm_df pomocí funkcí dplyr.
- Pomocí filter() vyfiltruj sloupec AmazonPro tak, aby neobsahoval nulové hodnoty.
- Stejným způsobem vyfiltruj sloupec GooglePro pro nenulové hodnoty.
- Poté pomocí mutate() přidej nový sloupec diff, který bude obsahovat abs (absolutní) rozdíl mezi sloupci s frekvencemi termínů.
Piped common_words do funkce slice_max, čímž vytvoříš top5_df odkazující na sloupec diff a top 5 hodnot. Výsledek se ti vypíše do konzole.
Vytvoř pyramid.plot – předej mu top5_df$AmazonPro, pak top5_df$GooglePro a nakonec přidej popisky pomocí top5_df$terms.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Filter to words in common and create an absolute diff column
common_words <- all_tdm_df %>% 
  filter(
    ___ != 0,
    ___ != 0
  ) %>%
  ___(diff = ___(___ - ___))

# Extract top 5 common bigrams
(top5_df <- common_words %>% ___(___, n = ___))

# Create the pyramid plot
pyramid.plot(top5_df$___, top5_df$___, 
             labels = top5_df$___, gap = 12, 
             top.labels = c("Amzn", "Pro Words", "Goog"), 
             main = "Words in Common", unit = NULL)

Upravit a spustit kód