O corpus amzn_pros_corp foi limpo usando as funções personalizadas como antes.

Construa uma TDM chamada amzn_p_tdm a partir de amzn_pros_corp e control = list(tokenize = tokenizer).
Crie amzn_p_m convertendo amzn_p_tdm em uma matrix.
Crie amzn_p_freq aplicando rowSums() a amzn_p_m.
Crie term_frequency usando sort() em amzn_p_freq junto com o argumento decreasing = TRUE.
Examine os 5 primeiros bigramas usando term_frequency[1:5].
Pode ser surpreendente ver "fast paced" como um dos principais termos, pois pode ter conotação negativa relacionada a "long hours". Veja os termos mais associados a "fast paced". Use findAssocs() em amzn_p_tdm para examinar "fast paced" com um cutoff de 0.2.

Etapas 4 e 5: Extração de atributos e análise