1. Uczyć się
    2. /
  2. Courses
    3. /
  3. Rで学ぶSentiment Analysis
Connected

Exercise

TM のおさらい（II）

それでは Document Term Matrix（DTM）を作成しましょう。DTM では、

  • 行列の各行はドキュメントを表します。
  • 各列は一意の単語トークンです。
  • 行列の値は、各ドキュメントでの単語の出現頻度を表します。

DTM は多くの「bag of words」分析の基盤になります。コースの後半では、関連する Term Document Matrix（TDM）も使います。TDM は DTM の転置で、列がドキュメント、行が一意の単語トークンを表します。

コーパスをクレンジング（clean_corpus() を使用）した後に DTM を作成してください。そのためには、コーパスオブジェクトに対して DocumentTermMatrix() を呼び出します。

tm_dtm <- DocumentTermMatrix(tm_clean)

より詳しい復習が必要な場合は、Text Mining with Bag-of-Words in R コースをご覧ください。ここまでの 2 つの演習で、感情分析を始める準備は整っているはずです！

これは Twitter の実データであるため、わいせつ表現や不快な内容を含む可能性があります（本演習および、今後の Twitter の実データを使う演習も同様です）のでご注意ください。

Instrukcje

100 XP

clean_text という VCorpus() オブジェクトを用意しました。コーヒーに言及した 1000 件のツイートが含まれています。これらのツイートは前述の前処理でクレンジング済みです。ここから DTM を作成しましょう。

  • clean_text コーパスに DocumentTermMatrix() を適用し、用語頻度で重み付けされた DTM tf_dtm を作成します。
  • as.matrix() で DocumentTermMatrix() オブジェクトを通常の行列に変換し、新しいオブジェクトを tf_dtm_m と名付けます。
  • dim() で行列の次元を確認します。
  • 角かっこによるインデックス指定で行列の一部を確認します。
  • 行 16〜20、列 2975〜2985 を選択します
  • 単語 "working" の頻度（値）を確認してください。