Przekształcenie wektora w obiekt VCorpus (2)
Teraz, gdy przekształciliśmy wektor w obiekt Source, przekazujemy go do kolejnej funkcji z pakietu tm – VCorpus() – aby utworzyć nasz ulotny korpus. Proste, prawda?
Obiekt VCorpus to zagnieżdżona lista lub lista list. Pod każdym indeksem obiektu VCorpus znajduje się obiekt PlainTextDocument, który jest listą zawierającą właściwą treść tekstową (content) oraz odpowiadające jej metadane (meta). Warto zwizualizować obiekt VCorpus, aby lepiej zrozumieć jego strukturę.
Aby przejrzeć pojedynczy dokument (10.), użyj indeksowania z podwójnymi nawiasami kwadratowymi.
coffee_corpus[[10]]
Aby wyświetlić właściwy tekst, indeksuj listę dwukrotnie. Aby uzyskać dostęp do metadanych dokumentu, takich jak znacznik czasu, zmień [1] na [2]. Innym sposobem na wyświetlenie czystego tekstu jest funkcja content(), która nie wymaga drugiego zestawu nawiasów.
coffee_corpus[[10]][1]
content(coffee_corpus[[10]])
To ćwiczenie jest częścią kursu
Eksploracja tekstu metodą Bag-of-Words w R
Instrukcje do ćwiczenia
- Wywołaj funkcję
VCorpus()na obiekciecoffee_source, aby utworzyćcoffee_corpus. - Sprawdź, czy
coffee_corpusjest obiektemVCorpus, wypisując go w konsoli. - Wypisz 15. element
coffee_corpusw konsoli, aby upewnić się, że jest toPlainTextDocumentzawierający treść i metadane 15. tweeta. Użyj indeksowania z podwójnymi nawiasami kwadratowymi. - Wypisz zawartość 15. tweeta z
coffee_corpus. Użyj podwójnych nawiasów, aby wybrać odpowiedni tweet, a następnie pojedynczych nawiasów, aby wyodrębnić jego treść. - Wypisz wynik funkcji
content()dla 10. tweeta zcoffee_corpus.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
## 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
___(___[[___]])