単語同士の関係を考えるもう一つの方法が、tm パッケージの findAssocs() 関数です。任意の語について、findAssocs() は TDM または DTM 内の他のすべての語との相関を計算します。スコアは 0 から 1 の範囲で、1 は常に同じ文書内に一緒に現れることを意味し、0 に近いほど同じ文書内にほとんど現れないことを意味します。

findAssocs() の計算は文書単位で行われる点に注意してください。つまり、対象の語を含む各「文書」ごとに、その特定の文書内の他の語が関連づけられます。検索語を含まない文書は無視されます。

findAssocs() を使うには、TDM もしくは DTM、検索語、最小相関を渡します。関数は、最小しきい値を満たす、または上回る他のすべての語のリストを返します。

findAssocs(tdm, "word", 0.25)

語彙の多様性のため、最小相関値は比較的低くなることがよくあります。0.10 でも強いペアワイズの語の関連を示す場合があるので、驚かないでください。

コーヒーに関するツイートはすでにクリーニングされ、演習用に tweets_tdm にまとめてあります。ここでは語の関連を検索し、結果を qdap の list_vect2df() で整形し、サンプルスクリプトの ggplot2 コードでプロットを作成します。

シンプルな単語クラスタリング

Create Your Free Account