Kafes maçı, bölüm 2! Negatif yorumlar

Her iki organizasyonda da insanlar "kültür" ve "zeki insanlar"dan bahsetti; yani iki şirket arasında benzer olumlu yönler var. Ancak, piramit grafiğiyle çalışma ortamlarının olumlu özelliklerinin derecelerini çıkarsamaya başlayabilirsin.

Şimdi dikkatini negatif yorumlara çevirip aynı görselleştirmeyi yapmaya karar veriyorsun. Bu sefer çalışma alanında common_words veri çerçevesi zaten var. Ancak bu egzersizdeki ortak bigramlar çalışanların negatif yorumlarından geliyor.

Bu egzersiz

R ile Bag-of-Words ile Metin Madenciliği

kursunun bir parçasıdır

Kursu Görüntüle

Egzersiz talimatları

common_words üzerinde slice_max() kullanarak diff sütununa göre en üst 5 bigramı elde et. Yeni nesnenin sonuçları konsolunda yazdırılacak.
Bir pyramid.plot() oluştur. top5_df$AmazonNeg, top5_df$GoogleNeg ve labels = top5_df$terms argümanlarını geçir. Daha iyi etiketleme için şunları ayarla:
- gap değerini 12 yap.
- top.labels değerini c("Amzn", "Neg Words", "Goog") yap.

main ve unit argümanları senin için ayarlandı.

Uygulamalı interaktif egzersiz

Bu örnek kodu tamamlayarak bu egzersizi bitirin.

# Extract top 5 common bigrams
(top5_df <- ___ %>% ___(___, n = ___))

# Create a pyramid plot
___(
    # Amazon on the left
    top5_df$___,
    # Google on the right
    top5_df$___,
    # Use terms for labels
    labels = top5_df$___,
    # Set the gap to 12
    ___ = ___,
    # Set top.labels to "Amzn", "Neg Words" & "Goog"
    ___ = ___,
    main = "Words in Common", 
    unit = NULL
)

Kodu Düzenle ve Çalıştır