케이지 매치, 2탄! 부정적 리뷰

두 조직 모두에서 사람들이 "culture"와 "smart people"를 언급했기 때문에, 두 회사 사이에는 긍정적인 공통점이 있음을 알 수 있어요. 하지만 피라미드 플롯을 통해 업무 환경의 긍정적 요소가 어느 정도 차이가 나는지 가늠할 수 있어요.

이제 주의를 부정적 리뷰로 돌려 같은 시각화를 만들어 보려고 해요. 이번에는 common_words 데이터 프레임이 워크스페이스에 이미 준비되어 있어요. 다만, 이 연습 문제에서의 공통 바이그램은 직원들의 부정적 리뷰에서 나왔다는 점이 달라요.

이 연습은 강의의 일부입니다

R로 배우는 Bag-of-Words 텍스트 마이닝

강의 보기

연습 안내

common_words에 slice_max()를 사용해 diff 열을 기준으로 상위 5개의 바이그램을 얻으세요. 새 객체의 결과가 콘솔에 출력돼요.
pyramid.plot()을 생성하세요. top5_df$AmazonNeg, top5_df$GoogleNeg, 그리고 labels = top5_df$terms를 전달하세요. 라벨 표시를 더 좋게 하려면 다음처럼 설정하세요.
- gap은 12로.
- top.labels는 c("Amzn", "Neg Words", "Goog")로.

main과 unit 인수는 이미 설정되어 있어요.

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

# Extract top 5 common bigrams
(top5_df <- ___ %>% ___(___, n = ___))

# Create a pyramid plot
___(
    # Amazon on the left
    top5_df$___,
    # Google on the right
    top5_df$___,
    # Use terms for labels
    labels = top5_df$___,
    # Set the gap to 12
    ___ = ___,
    # Set top.labels to "Amzn", "Neg Words" & "Goog"
    ___ = ___,
    main = "Words in Common", 
    unit = NULL
)

코드 편집 및 실행