DTM เทียบกับ matrix แบบ tidytext

tidyverse คือชุดของแพ็กเกจ R ที่มีแนวคิดร่วมกันและออกแบบมาให้ทำงานร่วมกันได้อย่างลงตัว บทนี้จะครอบคลุมฟังก์ชันแบบ tidy สำหรับจัดการข้อมูล และในแบบฝึกหัดนี้ คุณจะได้เปรียบเทียบ DTM กับ data frame แบบ tidy text ที่เรียกว่า tibble

ใน tidyverse แต่ละการสังเกตการณ์จะเป็นหนึ่งแถวใน data frame ซึ่งทำให้การทำงานข้ามแพ็กเกจต่าง ๆ ง่ายขึ้นมาก เนื่องจากโครงสร้างข้อมูลพื้นฐานเหมือนกัน บางส่วนของคอร์สนี้อ้างอิงจากแพ็กเกจ tidytext ซึ่งใช้การจัดระเบียบข้อมูลในรูปแบบนี้

ตัวอย่างเช่น คุณอาจคุ้นเคยกับตัวดำเนินการ %>% จากแพ็กเกจ magrittr อยู่แล้ว ตัวดำเนินการนี้จะส่งต่ออ็อบเจกต์ทางด้านซ้ายไปเป็นอาร์กิวเมนต์แรกของฟังก์ชันทางด้านขวา

ในตัวอย่างด้านล่าง อ็อบเจกต์ data จะถูกส่งต่อไปยัง function1() สังเกตว่าวงเล็บว่างเปล่า จากนั้นผลลัพธ์จะถูกส่งต่อไปยัง function2() ในฟังก์ชันสุดท้าย ไม่จำเป็นต้องระบุ data อีกครั้ง เพราะส่งต่อมาจากผลลัพธ์ของ function1() แล้ว แต่สามารถเพิ่มพารามิเตอร์อื่น เช่น some_parameter เป็น TRUE ได้ การใช้ pipe ต่อกันแบบนี้จะสร้าง object ในที่สุด

object <- data %>% 
           function1() %>%
           function2(some_parameter = TRUE)

ในการใช้ตัวดำเนินการ %>% ไม่จำเป็นต้องโหลดแพ็กเกจ magrittr เสมอไป เพราะมีให้ใช้งานในแพ็กเกจ dplyr เช่นกัน dplyr ยังมีฟังก์ชัน inner_join() (ซึ่งจะได้เรียนรู้เพิ่มเติมในภายหลัง) และ count() สำหรับนับข้อมูล นอกจากนี้ยังมีฟังก์ชัน mutate() สำหรับสร้างตัวแปรใหม่หรือแก้ไขตัวแปรที่มีอยู่

object <- data %>%
  mutate(new_Var_name = Var1 - Var2)

หรือสำหรับการแก้ไขตัวแปร

object <- data %>%
  mutate(Var1 = as.factor(Var1))

นอกจากนี้ยังจะได้ใช้ฟังก์ชัน pivot_wider() จาก tidyr เพื่อจัดระเบียบข้อมูลให้แต่ละแถวเป็นหนึ่งบรรทัดจากหนังสือ และมีค่าบวกกับค่าลบเป็นคอลัมน์

index	negative	positive
42	2	0
43	0	1
44	1	0

ในการแปลง DTM เป็นรูปแบบ tidy ให้ใช้ tidy() จากแพ็กเกจ broom

tidy_format <- tidy(Document_Term_Matrix)

แบบฝึกหัดนี้ใช้ข้อความจากบทละครโศกนาฏกรรมกรีกเรื่อง Agamemnon ซึ่งเป็นเรื่องราวเกี่ยวกับการนอกใจและการฆาตกรรม สามารถดาวน์โหลดได้ที่นี่