Używanie asocjacji słów

Innym sposobem analizowania relacji między słowami jest funkcja findAssocs() z pakietu tm. Dla dowolnego słowa findAssocs() oblicza jego korelację z każdym innym słowem w TDM lub DTM. Wyniki mieszczą się w przedziale od 0 do 1. Wynik równy 1 oznacza, że dwa słowa zawsze występują razem w dokumentach, natomiast wynik bliski 0 oznacza, że dane terminy rzadko pojawiają się w tym samym dokumencie.

Pamiętaj, że obliczenia w findAssocs() są wykonywane na poziomie dokumentu. Oznacza to, że dla każdego dokumentu zawierającego szukane słowo brane są pod uwagę inne terminy z tych konkretnych dokumentów. Dokumenty niezawierające szukanego terminu są pomijane.

Aby użyć findAssocs(), przekaż TDM lub DTM, szukany termin oraz minimalną korelację. Funkcja zwróci listę wszystkich pozostałych terminów, które osiągają lub przekraczają podany próg.

findAssocs(tdm, "word", 0.25)

Minimalne wartości korelacji są często stosunkowo niskie ze względu na różnorodność słownictwa. Nie zdziw się, jeśli wartość 0.10 wskaże silne powiązanie między parą terminów.

Tweety o kawie zostały oczyszczone i zorganizowane w obiekt tweets_tdm na potrzeby tego ćwiczenia. Wyszukasz asocjację terminu, przetransformujesz wyniki za pomocą list_vect2df() z pakietu qdap, a następnie stworzysz wykres przy użyciu kodu ggplot2 z przykładowego skryptu.

To ćwiczenie jest częścią kursu

Eksploracja tekstu metodą Bag-of-Words w R

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz obiekt associations, używając findAssocs() na tweets_tdm, aby znaleźć terminy powiązane z "venti", które spełniają minimalny próg 0.2.
Wyświetl terminy powiązane z "venti", wypisując associations do konsoli.
Utwórz associations_df, wywołując list_vect2df(), przekazując associations, a następnie ustawiając col2 na "word" i col3 na "score".
Uruchom kod ggplot2, aby utworzyć wykres punktowy wartości asocjacji.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create associations
___ <- ___(___, ___, ___)

# View the venti associations
___

# Create associations_df
___ <- ___(___, ___, ___)

# Plot the associations_df values
ggplot(associations_df, aes(score, word)) + 
  geom_point(size = 3) + 
  theme_gdocs()

Edytuj i uruchom kod