Maak van de vector een VCorpus-object (2)

Nu we onze vector hebben omgezet naar een Source-object, geven we het door aan een andere tm-functie, VCorpus(), om onze volatile corpus te maken. Klinkt logisch, toch?

Het VCorpus-object is een geneste lijst of lijst-van-lijsten. Op elke index van het VCorpus-object staat een PlainTextDocument-object, dat een lijst is met de echte tekstgegevens (content) en bijbehorende metadata (meta). Het kan helpen om een VCorpus-object te visualiseren om het geheel te begrijpen.

Om één documentobject (het 10e) te bekijken, subset je met dubbele vierkante haken.

coffee_corpus[[10]]

Om de daadwerkelijke tekst te bekijken, indexeer je de lijst twee keer. Wil je de metadata van het document, zoals de timestamp, gebruik dan [2] in plaats van [1]. Een andere manier om de platte tekst te bekijken is met de functie content(), die de tweede set haken niet nodig heeft.

coffee_corpus[[10]][1]

content(coffee_corpus[[10]])

Deze oefening maakt deel uit van de cursus

Text mining met bag-of-words in R

Cursus bekijken

Oefeninstructies

Roep de functie VCorpus() aan op het object coffee_source om coffee_corpus te maken.
Controleer dat coffee_corpus een VCorpus-object is door het naar de console te printen.
Print het 15e element van coffee_corpus naar de console om te verifiëren dat het een PlainTextDocument is met de content en metadata van de 15e tweet. Gebruik subsetting met dubbele vierkante haken.
Print de content van de 15e tweet in coffee_corpus. Gebruik dubbele haken om de juiste tweet te selecteren, gevolgd door enkele haken om de content van die tweet te extraheren.
Print de content() van de 10e tweet binnen coffee_corpus

Praktische interactieve oefening

Probeer deze oefening eens door deze voorbeeldcode in te vullen.

## coffee_source is already in your workspace

# Make a volatile corpus from coffee_source
coffee_corpus <- ___

# Print out coffee_corpus
___

# Print the 15th tweet in coffee_corpus
___

# Print the contents of the 15th tweet in coffee_corpus
___

# Now use content to review the plain text of the 10th tweet
___(___[[___]])

Code bewerken en uitvoeren