Tworzenie macierzy termin-dokument

Zostało już niewiele pracy przygotowawczej, zanim przejdziemy do ciekawszej części – wizualizacji i analiz opartych na poznanych do tej pory koncepcjach!

W tym ćwiczeniu wykonujesz podobny proces, ale tym razem tworzysz transpozycję macierzy dokument-termin. W macierzy termin-dokument (TDM) terminy znajdują się w pierwszej kolumnie, a dokumenty są rozmieszczone w poziomie jako osobne nagłówki kolumn.

TDM jest często używaną macierzą w analizie języka. Wynika to z tego, że zazwyczaj masz więcej terminów niż autorów czy dokumentów – a praca jest łatwiejsza, gdy masz więcej wierszy niż kolumn. Prostym sposobem na rozpoczęcie analizy danych jest przekształcenie macierzy TDM w zwykłą macierz za pomocą funkcji as.matrix().

To ćwiczenie jest częścią kursu

Eksploracja tekstu metodą Bag-of-Words w R

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz coffee_tdm, stosując TermDocumentMatrix() do clean_corp.
Utwórz coffee_m, konwertując coffee_tdm do macierzy za pomocą as.matrix().
Wyświetl wymiary coffee_m w konsoli. Zwróć uwagę na liczbę wierszy i kolumn.
Wyświetl podzbiór coffee_m zawierający terminy (wiersze) "star" i "starbucks" oraz dokumenty (kolumny) od 25 do 35.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

# Create a term-document matrix from the corpus
coffee_tdm <- ___

# Print coffee_tdm data
coffee_tdm

# Convert coffee_tdm to a matrix
coffee_m <- ___

# Print the dimensions of the matrix
___

# Review a portion of the matrix
___[___, ___]

Edytuj i uruchom kod