Treemaps für Dokumentgruppen

Oft arbeitest du mit Dokumenten in Gruppen, zum Beispiel nach Autor, Produkt oder Unternehmen. In dieser Übung lernst du den Text zu erkunden und behältst dabei die Gruppen in einer kompakten Visualisierung. Bei nach Produkt gruppierten Kundenrezensionen möchtest du vielleicht mehrere Dimensionen gleichzeitig betrachten. Zuerst könntest du die polarity() der Rezensionen berechnen. Eine weitere Dimension kann die Länge sein. Die Dokumentlänge kann die emotionale Intensität zeigen. Wenn eine Kundin „great shoes!" schreibt, könnte man daraus schließen, dass sie tatsächlich weniger begeistert ist als bei einer längeren positiven Rezension. Du könntest Rezensionen auch nach Produkttyp gruppieren, z. B. Damen-, Herren- und Kinderschuhe. Ein Treemap erlaubt es dir, all diese Dimensionen zu untersuchen.

Für die Textanalyse gilt: In einem Treemap steht jedes einzelne Kästchen für ein Dokument, zum Beispiel einen Tweet. Dokumente werden in irgendeiner Form gruppiert, etwa nach Autor. Die Größe jedes Kästchens wird durch einen numerischen Wert bestimmt, zum Beispiel die Anzahl der Wörter oder Buchstaben. Die einzelnen Farben werden durch einen Sentiment-Score bestimmt.

Nachdem du das Tibble vorbereitet hast, verwendest du die Bibliothek treemap mit der Funktion treemap(), um die Visualisierung zu erstellen. Das folgende Codebeispiel legt Daten, Gruppierungsvariablen, Größe, Farbe und weitere Ästhetiken fest.

treemap(
  data_frame,
  index = c("group", "individual_document"),
  vSize = "doc_length",
  vColor = "avg_score",
  type = "value",
  title = "Sentiment Scores by Doc",
  palette = c("red", "white", "green")
)

Das vorab geladene Objekt all_books enthält einen kombinierten, aufbereiteten Korpus mit 4 Büchern von Shakespeare, 3 von Melville und 4 von Twain. Anhand des Treemaps solltest du erkennen können, wer längere Bücher schreibt sowie die Polarität des Autors insgesamt und für einzelne Bücher.