A volte possiamo intuire l'intento e le idee principali dell'autore semplicemente guardando le parole più comuni.

Alla base, il text mining con bag-of-words è un modo per contare i termini, o n-grammi, in una raccolta di documenti. Considera le frasi seguenti, che abbiamo salvato in text e rese disponibili nel tuo workspace:

text <- "Text mining usually involves the process of structuring the input text. The overarching goal is, essentially, to turn text into data for analysis, via the application of natural language processing (NLP) and analytical methods."

Contare manualmente le parole nelle frasi qui sopra è una seccatura! Per fortuna, il pacchetto qdap offre un’alternativa migliore. Puoi trovare facilmente i 4 termini più frequenti (inclusi gli ex aequo) in text chiamando la funzione freq_terms e specificando 4.

frequent_terms <- freq_terms(text, 4)

L’oggetto frequent_terms memorizza tutte le parole uniche e il loro conteggio. Puoi poi creare un grafico a barre semplicemente chiamando la funzione plot sull’oggetto frequent_terms.

plot(frequent_terms)

Capire TDM e DTM

Text mining con Bag-of-Words in R

esercizio interattivo pratico