Nuage comparatif
Cet exercice va créer un visuel courant pour vous aider à comprendre la fréquence des termes. Vous allez passer en revue les termes les plus fréquents parmi les documents regroupés positifs et négatifs. Rappelez-vous le TermDocumentMatrix all_tdm que vous avez créée plus tôt. Au lieu de 1000 avis de locations, la matrice contient 2 documents, chacun rassemblant tous les avis séparés par le score de polarity().
Il est généralement plus simple de convertir la TDM en matrice. À partir de là, il suffit de renommer les colonnes. N'oubliez pas que la fonction colnames() se met à gauche de l'opérateur d'affectation comme ci-dessous.
colnames(OBJECT) <- c("COLUMN_NAME1", "COLUMN_NAME2")
Une fois cela fait, vous réordonnerez la matrice pour voir les mots les plus positifs et les plus négatifs. Passez en revue ces termes pour pouvoir répondre aux exercices de conclusion.
Enfin, vous visualiserez les termes à l'aide de comparison.cloud().
Cet exercice fait partie du cours
<cours>Analyse de sentiments en R</cours>Exercice interactif pratique
Essayez cet exercice en complétant ce code d’exemple.
# Matrix
___
# Column names
colnames(___) <- ___
# Top pos words
order_by_pos <- order(all_tdm_m[, ___], decreasing = ___)
# Review top 10 pos words
all_tdm_m[order_by_pos, ] %>% head(___)
# Top neg words
order_by_neg <- order(___, decreasing = ___)
# Review top 10 neg words
all_tdm_m[___, ] %>% ___