El corpus amzn_pros_corp se ha limpiado usando las funciones personalizadas como antes.

Construye un TDM llamado amzn_p_tdm a partir de amzn_pros_corp y control = list(tokenize = tokenizer).
Crea amzn_p_m convirtiendo amzn_p_tdm en una matriz.
Crea amzn_p_freq aplicando rowSums() a amzn_p_m.
Crea term_frequency usando sort() sobre amzn_p_freq junto con el argumento decreasing = TRUE.
Examina los 5 primeros bigramas con term_frequency[1:5].
Puede que te sorprenda ver "fast paced" como término destacado porque podría ser un término negativo relacionado con "long hours". Observa los términos más asociados con "fast paced". Usa findAssocs() sobre amzn_p_tdm para examinar "fast paced" con un umbral de 0.2.

Pasos 4 y 5: Extracción de características y análisis