Curățare și numărare

Elimină cuvintele de oprire pentru a explora conținutul tweet-urilor clasificate ca reclamații în twitter_data.

Acest exercițiu face parte din cursul

Introducere în analiza textului în R

Instrucțiuni pentru exercițiu

Tokenizează tweet-urile din twitter_data. Numește coloana cu cuvintele tokenizate word.
Elimină cuvintele de oprire implicite din twitter_data tokenizat.
Filtrează pentru a păstra doar reclamațiile.
Calculează numărul de apariții ale cuvintelor folosind textul tokenizat și curățat, apoi ordonează descrescător după numărul de apariții.

Exercițiu interactiv practic

Încearcă acest exercițiu completând acest cod de exemplu.

tidy_twitter <- twitter_data %>% 
  # Tokenize the twitter data
  ___(___, ___) %>% 
  # Remove stop words
  anti_join(stop_words)

tidy_twitter %>% 
  # Filter to keep complaints only
  ___(___ == ___) %>% 
  # Compute word counts and arrange in descending order
  ___(___) %>% 
  ___(___)

Editează și rulează codul