Corpusul amzn_pros_corp a fost curățat folosind funcțiile personalizate, ca înainte.

Construiește un TDM numit amzn_p_tdm din amzn_pros_corp și control = list(tokenize = tokenizer).
Creează amzn_p_m convertind amzn_p_tdm într-o matrice.
Creează amzn_p_freq aplicând rowSums() pe amzn_p_m.
Creează term_frequency folosind sort() pe amzn_p_freq împreună cu argumentul decreasing = TRUE.
Examinează primele 5 bigramuri folosind term_frequency[1:5].
S-ar putea să fii surprins să vezi „fast paced" printre termenii de top, deoarece ar putea fi un termen negativ legat de „orele lungi". Uită-te la termenii cel mai frecvent asociați cu „fast paced". Folosește findAssocs() pe amzn_p_tdm pentru a examina "fast paced" cu un prag de 0.2.

Finalizat!