Match en cage ! Évaluations positives : Amazon vs Google

Les évaluations positives d'Amazon semblent mentionner des bigrammes comme « good benefits », tandis que ses évaluations négatives portent sur des enjeux comme la « workload » et l'« équilibre travail‑vie personnelle ».

À l'inverse, les évaluations positives de Google évoquent « great food », « perks », « smart people » et une « fun culture », entre autres. Les évaluations négatives de Google parlent de « politics », de « getting big », de « bureaucracy » et de « middle management ».

Vous décidez de créer un diagramme en pyramide alignant les évaluations positives d'Amazon et de Google afin de comparer les différences entre les bigrammes partagés. Nous avons préchargé un cadre de données, all_tdm_df, composé de terms et des fréquences de bigrammes correspondantes AmazonPro et GooglePro. À partir de ce cadre de données, vous allez repérer les 5 principaux bigrammes communs aux deux corpus.

Cette activité fait partie du cours

Extraction de texte avec sac de mots en R

Voir le cours

Instructions de l’exercice

Créez common_words à partir de all_tdm_df en utilisant les fonctions de dplyr.
- Appliquez filter() sur la colonne AmazonPro pour garder les valeurs non nulles.
- Filtrez de la même façon la colonne GooglePro pour les valeurs non nulles.
- Puis utilisez mutate() pour ajouter une nouvelle colonne diff, qui est la différence absolue (abs) entre les colonnes de fréquences des termes.
Chaînez common_words dans slice_max pour créer top5_df, en référant la colonne diff et les 5 plus grandes valeurs. Le résultat s'affichera dans votre console pour vérification.
Créez un pyramid.plot en passant d'abord top5_df$AmazonPro, puis top5_df$GooglePro, et enfin ajoutez les étiquettes avec top5_df$terms.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

# 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)

Modifier et exécuter le code