ÎncepețiÎncepe gratuit

Preprocesarea textului: Stemming

Rădăcina cuvintelor este adesea mai importantă decât terminațiile lor, mai ales în analiza textului. Cartea Animal Farm este, evident, despre animale. Totuși, faptul că în carte apare animal's de 248 de ori și animal de 107 ori s-ar putea să nu fie relevant pentru analiza ta.

tidy_animal_farm conține un tibble cu cuvintele din Animal Farm, tokenizate și fără cuvintele de oprire. Următorul pas este să aplici stemming pe cuvinte și să explorezi rezultatele.

Acest exercițiu face parte din cursul

Introducere în Prelucrarea Limbajului Natural în R

Vezi cursul

Instrucțiuni pentru exercițiu

  • Folosește dplyr și SnowballC pentru a aplica stemming pe cuvintele din tidy_animal_farm.
  • Afișează frecvențele vechi ale cuvintelor din tidy_animal_farm.
  • Afișează noile frecvențe ale cuvintelor din stemmed_animal_farm.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

# Perform stemming on tidy_animal_farm
stemmed_animal_farm <- tidy_animal_farm %>%
  ___(word = ___(___))

# Print the old word frequencies 
___ %>%
  ___(word, sort = ___)

# Print the new word frequencies
___ %>%
  ___(word, sort = ___)
Editează și rulează codul