Käfigkampf, Teil 2! Negative Rezensionen

In beiden Organisationen haben Leute "culture" und "smart people" erwähnt – es gibt also einige ähnliche positive Aspekte zwischen den beiden Unternehmen. Mit dem Pyramidendiagramm kannst du jedoch beginnen, Abstufungen positiver Merkmale der Arbeitsumgebungen zu erkennen.

Jetzt richtest du deinen Blick auf negative Rezensionen und erstellst die gleiche Visualisierung. Dieses Mal hast du den Datensatz common_words bereits in deinem Workspace. Die häufigen Bigrams in dieser Aufgabe stammen jedoch aus negativen Mitarbeiterrezensionen.

Diese Übung ist Teil des Kurses

Text Mining mit Bag-of-Words in R

Kurs anzeigen

Anleitung zur Übung

Verwende slice_max() auf common_words, um die obersten 5 Bigrams anhand der Spalte diff zu erhalten. Die Ergebnisse des neuen Objekts werden in deiner Konsole ausgegeben.
Erstelle eine pyramid.plot(). Übergebe top5_df$AmazonNeg, top5_df$GoogleNeg und labels = top5_df$terms. Für eine bessere Beschriftung setze
- gap auf 12.
- top.labels auf c("Amzn", "Neg Words", "Goog")

Die Argumente main und unit sind bereits für dich gesetzt.

Interaktive Übung

Vervollständige den Beispielcode, um diese Übung erfolgreich abzuschließen.

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

# Create a pyramid plot
___(
    # Amazon on the left
    top5_df$___,
    # Google on the right
    top5_df$___,
    # Use terms for labels
    labels = top5_df$___,
    # Set the gap to 12
    ___ = ___,
    # Set top.labels to "Amzn", "Neg Words" & "Goog"
    ___ = ___,
    main = "Words in Common", 
    unit = NULL
)

Code bearbeiten und ausführen