Termes fréquents avec tm

Maintenant que vous savez créer une matrice termes-documents, ainsi que sa transposée, la matrice documents-termes, nous allons l'utiliser comme base pour quelques analyses. Pour l'analyser, il faut la convertir en matrice simple, comme nous l'avons fait au chapitre 1 avec as.matrix().

Appeler rowSums() sur votre nouvelle matrice agrège la fréquence de tous les termes utilisés dans un passage. Une fois que vous avez les rowSums(), vous pouvez les sort() avec decreasing = TRUE pour vous concentrer sur les termes les plus courants.

Enfin, vous pouvez créer un barplot() des 5 premiers termes de term_frequency avec le code suivant.

barplot(term_frequency[1:5], col = "#C0DE25")

Bien sûr, vous pourriez suivre nos cours sur ggplot2 pour apprendre à personnaliser le graphique encore davantage… :)

Cette activité fait partie du cours

Extraction de texte avec sac de mots en R

Voir le cours

Instructions de l’exercice

Créez coffee_m comme matrice à partir de la matrice termes-documents coffee_tdm du chapitre précédent.
Créez term_frequency en utilisant la fonction rowSums() sur coffee_m.
Triez term_frequency en ordre décroissant et stockez le résultat dans term_frequency.
Utilisez l'indexation avec un seul crochet [, c'est-à-dire un seul [, pour afficher les 10 termes les plus fréquents de term_frequency.
Créez un diagramme à bandes des 10 premiers termes.

Exercice interactif pratique

Essayez cet exercice en complétant ce code d’exemple.

## coffee_tdm is still loaded in your workspace

# Convert coffee_tdm to a matrix
coffee_m <- ___

# Calculate the row sums of coffee_m
term_frequency <- ___

# Sort term_frequency in decreasing order
term_frequency <- ___

# View the top 10 most common words
___

# Plot a barchart of the 10 most common words
___(___, col = "tan", las = 2)

Modifier et exécuter le code