Kho ngữ liệu amzn_pros_corp đã được làm sạch bằng các hàm tùy chỉnh như trước.

Tạo TDM tên amzn_p_tdm từ amzn_pros_corp với control = list(tokenize = tokenizer).
Tạo amzn_p_m bằng cách chuyển amzn_p_tdm sang matrix.
Tạo amzn_p_freq bằng cách áp dụng rowSums() lên amzn_p_m.
Tạo term_frequency bằng cách dùng sort() trên amzn_p_freq với tham số decreasing = TRUE.
Xem 5 bigram đầu tiên bằng term_frequency[1:5].
Bạn có thể bất ngờ khi thấy "fast paced" là một thuật ngữ hàng đầu vì nó có thể mang nghĩa tiêu cực liên quan đến "long hours". Hãy xem các thuật ngữ liên quan nhất đến "fast paced". Dùng findAssocs() trên amzn_p_tdm để kiểm tra "fast paced" với ngưỡng 0.2.

Bước 3: Tổ chức văn bản