Vytvoř term-document matrix

Základy máš skoro za sebou – a pak se konečně vrhneme na zajímavé vizualizace a analýzy postavené na tom, co ses doposud naučil/a!

V tomto cvičení provedeš podobný postup jako předtím, ale tentokrát vytvoříš transpozici document-term matrix. Výsledná term-document matrix má termíny v prvním sloupci a dokumenty jako názvy jednotlivých sloupců napříč tabulkou.

TDM se při analýze jazyka používá velmi často. Důvod je prostý: termínů bývá zpravidla víc než autorů nebo dokumentů, a práce je obecně jednodušší, když má matice více řádků než sloupců. Dobrý způsob, jak začít s analýzou dat, je převést matici na jednoduchou matici pomocí funkce as.matrix() aplikované na TDM.

Toto cvičení je součástí kurzu

Dolování textu metodou Bag-of-Words v R

Zobrazit kurz

Pokyny k cvičení

Vytvoř coffee_tdm tak, že aplikuješ funkci TermDocumentMatrix() na clean_corp.
Vytvoř coffee_m převodem coffee_tdm na matici pomocí as.matrix().
Vypiš do konzole rozměry coffee_m. Všimni si počtu řádků a sloupců.
Vypiš podmnožinu coffee_m obsahující termíny (řádky) "star" a "starbucks" a dokumenty (sloupce) 25 až 35.

Interaktivní cvičení na vyzkoušení si v praxi

Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.

# Create a term-document matrix from the corpus
coffee_tdm <- ___

# Print coffee_tdm data
coffee_tdm

# Convert coffee_tdm to a matrix
coffee_m <- ___

# Print the dimensions of the matrix
___

# Review a portion of the matrix
___[___, ___]

Upravit a spustit kód