Najczęstsze terminy z tm

Wiesz już, jak tworzyć macierz term-dokument oraz jej transpozycję – macierz dokument-term. Teraz wykorzystamy je jako podstawę do analizy. Żeby przeprowadzić analizę, musimy przekształcić macierz na prostą macierz, tak jak w rozdziale 1, używając as.matrix().

Wywołanie rowSums() na nowo utworzonej macierzy agreguje wszystkie terminy użyte w tekście. Po obliczeniu rowSums() możesz posortować wyniki za pomocą sort() z argumentem decreasing = TRUE, aby skupić się na najczęściej występujących terminach.

Na koniec możesz utworzyć barplot() dla 5 najczęstszych terminów z term_frequency, używając poniższego kodu.

barplot(term_frequency[1:5], col = "#C0DE25")

Oczywiście możesz zajrzeć do naszych kursów ggplot2, żeby nauczyć się jeszcze bardziej dostosowywać wykresy… :)

To ćwiczenie jest częścią kursu

Eksploracja tekstu metodą Bag-of-Words w R

Zobacz kurs

Instrukcje do ćwiczenia

Utwórz coffee_m jako macierz na podstawie macierzy term-dokument coffee_tdm z poprzedniego rozdziału.
Utwórz term_frequency, stosując funkcję rowSums() na coffee_m.
Posortuj term_frequency w kolejności malejącej i zapisz wynik w term_frequency.
Użyj indeksowania za pomocą pojedynczego nawiasu kwadratowego, tzn. tylko jednego [, aby wyświetlić 10 najczęstszych terminów z term_frequency.
Utwórz wykres słupkowy dla 10 najczęstszych terminów.

Interaktywne ćwiczenie praktyczne

Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.

## coffee_tdm is still loaded in your workspace

# Convert coffee_tdm to a matrix
coffee_m <- ___

# Calculate the row sums of coffee_m
term_frequency <- ___

# Sort term_frequency in decreasing order
term_frequency <- ___

# View the top 10 most common words
___

# Plot a barchart of the 10 most common words
___(___, col = "tan", las = 2)

Edytuj i uruchom kod