문서-용어 행렬 만들기
기초 텍스트 마이닝 작업을 하느라 너무 지치지 않으셨길 바라요! 혹시 모르니, 커피 이야기로 다시 돌아가서 커피 관련 트윗으로 문서-용어 행렬을 만드는 동안 Starbucks도 한 잔 하죠.
coffee.csv 파일에서 시작해 일련의 일반적인 변환 과정을 거쳐 clean_corp라는 정제된 코퍼스를 준비해 두었습니다.
문서-용어 행렬은 각 문서를 행으로 표현하고 싶을 때 사용합니다. 예를 들어, 행 단위로 작성자를 비교하거나 데이터가 시간순으로 배열되어 있고 시계열 정보를 보존하고 싶을 때 유용해요. tm 패키지는 "simple triplet matrix" 클래스를 사용합니다. 다만, 자주 객체를 다루고 살펴보기에는 as.matrix()로 DTM의 클래스를 바꿔 행렬로 만드는 편이 더 쉽습니다.
이 연습은 강의의 일부입니다
R로 배우는 Bag-of-Words 텍스트 마이닝
연습 안내
clean_corp에DocumentTermMatrix()를 적용해coffee_dtm을 만드세요.as.matrix()를 사용해coffee_dtm의 행렬 버전인coffee_m을 만드세요.dim()함수를 사용해coffee_m의 크기(차원)를 콘솔에 출력하세요. 행과 열의 개수를 확인하세요.- 문서(행) 25부터 35까지와 용어(열)
"star"및"starbucks"만 포함하는coffee_m의 부분 집합을 출력하세요.
실습형 인터랙티브 연습
이 예제를 이 샘플 코드를 완성하여 풀어보세요.
# Create the document-term matrix from the corpus
coffee_dtm <- ___
# Print out coffee_dtm data
coffee_dtm
# Convert coffee_dtm to a matrix
coffee_m <- ___
# Print the dimensions of coffee_m
___
# Review a portion of the matrix to get some Starbucks
___[___:___, c("star", "___")]