Un altro modo di ragionare sulle relazioni tra parole è usare la funzione findAssocs() del pacchetto tm. Per una parola data, findAssocs() calcola la sua correlazione con ogni altra parola in una TDM o DTM. I punteggi vanno da 0 a 1. Un punteggio di 1 significa che due parole compaiono sempre insieme nei documenti, mentre un punteggio vicino a 0 significa che i termini raramente appaiono nello stesso documento.

Ricorda che il calcolo di findAssocs() avviene a livello di documento. Quindi, per ogni documento che contiene la parola in questione, gli altri termini presenti in quei documenti specifici vengono associati. I documenti senza il termine cercato vengono ignorati.

Per usare findAssocs() passa una TDM o DTM, il termine di ricerca e una correlazione minima. La funzione restituirà un elenco di tutti gli altri termini che raggiungono o superano la soglia minima.

findAssocs(tdm, "word", 0.25)

I valori minimi di correlazione sono spesso relativamente bassi a causa della varietà delle parole. Non sorprenderti se 0.10 evidenzia una forte associazione a coppie tra termini.

I tweet sul caffè sono stati puliti e organizzati in tweets_tdm per l'esercizio. Cercherai un'associazione di termini, manipolerai i risultati con list_vect2df() da qdap e poi creerai un grafico con il codice ggplot2 nello script di esempio.

Tokenizzazione con n-gram

Text mining con Bag-of-Words in R

esercizio interattivo pratico