Zipf का नियम आप कहाँ देख सकते हैं?

हालाँकि Zipf ने शब्द उपयोग में तेज़ और पूर्वानुमेय गिरावट देखी थी, फिर भी हो सकता है कि आप Zipf के नियम पर सहजता से यक़ीन न करें. आप सोच रहे हों, "मैं ढेरों शब्द जानता/जानती हूँ और मेरी अपनी अलग शब्दावली है". यह आपके लिए सही हो सकता है, पर ज़्यादातर लोगों के लिए नहीं! इसे साबित करने के लिए, आइए "#sb" का ज़िक्र करने वाले 3 मिलियन ट्वीट्स से एक विज़ुअल बनाते हैं. ध्यान रखें कि यह विज़ुअल Zipf के नियम का पूरी तरह पालन नहीं करता, क्योंकि सभी ट्वीट्स में वही हैशटैग आया है, इसलिए डेटा थोड़ा skewed है. फिर भी, आप जो विज़ुअल बनाएँगे, उसमें तेज़ गिरावट दिखती है जो लाखों ट्वीट्स में सीमित lexical diversity दर्शाती है. इसलिए नैचुरल लैंग्वेज एनालिसिस के लिए लेक्सिकॉन्स इस्तेमाल करने के पीछे कुछ ठोस विज्ञान है!

इस अभ्यास में, आप metricsgraphics पैकेज का उपयोग करेंगे. भले ही लेखक पाइप ऑपरेटर %>% इस्तेमाल करने की सलाह देते हैं, आप प्लॉट के अलग-अलग पहलुओं को समझने के लिए ग्राफ़िक को step-by-step बनाएँगे. पैकेज metricsgraphics का मुख्य फंक्शन mjs_plot() है, जो JavaScript प्लॉट बनाने का पहला कदम है. इसके बाद, आप प्लॉट पर दूसरी लेयर्स जोड़ सकते हैं.

%>% ऑपरेटर के बिना metricsgraphics वर्कफ़्लो का एक उदाहरण नीचे है:

metro_plot <- mjs_plot(data, x = x_axis_name, y = y_axis_name, show_rollover_text = FALSE)
metro_plot <- mjs_line(metro_plot)
metro_plot <- mjs_add_line(metro_plot, line_one_values)
metro_plot <- mjs_add_legend(metro_plot, legend = c('names', 'more_names'))
metro_plot