Nếm thử nhanh text mining
Đôi khi bạn có thể đoán được mục đích và ý chính của tác giả chỉ bằng cách nhìn vào những từ xuất hiện nhiều nhất.
Cốt lõi của phương pháp bag-of-words trong text mining là đếm các thuật ngữ, hay n-gram, trong một tập hợp tài liệu. Hãy xem các câu sau, đã được lưu vào text và có sẵn trong không gian làm việc của bạn:
text <- "Text mining usually involves the process of structuring the input text. The overarching goal is, essentially, to turn text into data for analysis, via the application of natural language processing (NLP) and analytical methods."
Đếm thủ công các từ trong những câu trên thật mất công! May mắn là package qdap có một cách tốt hơn. Bạn có thể dễ dàng tìm 4 thuật ngữ xuất hiện thường xuyên nhất (kể cả trường hợp đồng hạng) trong text bằng cách gọi hàm freq_terms với đối số 4.
frequent_terms <- freq_terms(text, 4)
Đối tượng frequent_terms lưu tất cả các từ duy nhất và số lần xuất hiện của chúng. Sau đó bạn có thể vẽ biểu đồ cột chỉ bằng cách gọi hàm plot trên đối tượng frequent_terms.
plot(frequent_terms)
Bài tập này là một phần của khóa học
Khai phá văn bản với Bag-of-Words trong R
Hướng dẫn bài tập
Chúng tôi đã tạo một đối tượng trong không gian làm việc của bạn tên là new_text chứa một vài câu.
- Tải package
qdap. - In
new_textra console. - Tạo
term_countgồm 10 thuật ngữ xuất hiện nhiều nhất trongnew_text. - Vẽ biểu đồ cột với kết quả của
term_count.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
# Load qdap
___
# Print new_text to the console
new_text
# Find the 10 most frequent terms: term_count
term_count <- ___
# Plot term_count
___