tm에서 메타데이터 캡처하기
무엇을 하려는지에 따라, 코퍼스를 만들 때 문서의 메타데이터를 보존하고 싶을 수 있어요.
문서 단위 메타데이터를 캡처하려면 열 이름과 순서는 반드시 다음과 같아야 해요:
doc_id- 각 문서를 위한 고유한 문자열text- 분석할 텍스트...- 그 밖의 다른 열은 메타데이터로 자동으로 분류돼요.
가끔은 DataframeSource()의 요구 사항에 맞추기 위해 열 이름을 바꿔야 해요. 이때 names() 함수가 유용해요.
tweets는 작업 공간에 "num", "text", "screenName", "created" 열을 가진 데이터 프레임으로 존재해요.
이 연습은 강의의 일부입니다
R로 배우는 Bag-of-Words 텍스트 마이닝
연습 안내
tweets의 첫 번째 열 이름을 "doc_id"로 바꾸세요.- 더 작은
tweets데이터 프레임에DataframeSource()를 적용해 문서 스키마를 설정하세요. - 사용자 정의
clean_corpus()함수 안에 중첩해 문서 모음을 휘발성 코퍼스로 만드세요. content()를 이중 대괄호와 함께 사용해(text_corpus[[1]]처럼) 첫 번째 트윗의 정제된 일반 텍스트를 확인하세요.- 첫 번째 문서에 대해 단일 대괄호와 함께
meta()함수를 사용해 모든 메타데이터가 캡처되었는지 확인하세요.
코퍼스의 일부에 접근할 때는 이중 대괄호와 단일 대괄호의 차이가 중요해요! 이 연습 문제에서는 content()에는 이중 대괄호를, meta()에는 단일 대괄호를 사용해요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Rename columns
___(tweets)[1] <- "___"
# Set the schema: docs
docs <- ___(___)
# Make a clean volatile corpus: text_corpus
text_corpus <- clean_corpus(___(___))
# Examine the first doc content
___(text_corpus[[___]])
# Access the first doc metadata
___(text_corpus[___])