양극화 태그 클라우드

공통성 클라우드는 문서 전반에 걸쳐 공유되는 단어를 보여줍니다. 하지만 이런 클라우드로는 어떤 단어가 다른 문서에 비해 특정 문서에서 더 자주 등장하는지까지는 알기 어렵습니다. 이를 보려면 피라미드 플롯이 필요하며, plotrix 패키지의 pyramid.plot()으로 만들 수 있어요.

먼저, 데이터를 적절한 형태로 가공해야 합니다. 가장 간단한 방법은 데이터 프레임으로 변환한 뒤 dplyr을 사용하는 것입니다. as.matrix(tdm)으로 생성한 단어 빈도 행렬이 주어졌을 때, 최종적으로는 다음 세 개 열을 가진 데이터 프레임이 필요합니다:

각 문서에 포함된 단어
문서 1에서의 해당 단어 빈도
문서 2에서의 해당 단어 빈도

그다음 pyramid.plot()을 다음과 같이 사용합니다

pyramid.plot(word_count_data$count1, word_count_data$count2, word_count_data$word)

플롯의 시각적 완성도를 높일 수 있는 추가 인자들도 있습니다.

이제 샤르도네(chardonnay) 관련 트윗에서는 흔하지만 커피(coffee) 트윗에서는 드문 단어들을 살펴보겠습니다. all_dtm_m은 미리 만들어져 있어요.

이 연습은 강의의 일부입니다

R로 배우는 Bag-of-Words 텍스트 마이닝

강의 보기

실습형 인터랙티브 연습

이 예제를 이 샘플 코드를 완성하여 풀어보세요.

top25_df <- all_tdm_m %>%
  # Convert to data frame
  as_tibble(rownames = "___") %>% 
  # Keep rows where word appears everywhere
  filter(if_all(everything(), ___) %>% 
  # Get difference in counts
  mutate(difference = ___) %>% 
  # Keep rows with biggest difference
  slice_max(___,  n = ___) %>% 
  # Arrange by descending difference
  arrange(___(___))

코드 편집 및 실행