Thuật ngữ xuất hiện thường xuyên với tm
Giờ bạn đã biết cách tạo ma trận thuật ngữ–tài liệu (term-document matrix) và cả ma trận chuyển vị của nó, ma trận tài liệu–thuật ngữ (document-term matrix), chúng ta sẽ dùng nó làm nền tảng cho một số phân tích. Để phân tích, bạn cần chuyển nó thành một ma trận đơn giản, như bạn đã làm ở chương 1 với as.matrix().
Gọi rowSums() trên ma trận vừa tạo sẽ cộng gộp tất cả các thuật ngữ được dùng trong một đoạn văn bản. Khi đã có rowSums(), bạn có thể sort() với decreasing = TRUE để tập trung vào các thuật ngữ phổ biến nhất.
Cuối cùng, bạn có thể vẽ barplot() cho 5 thuật ngữ đứng đầu của term_frequency với đoạn mã sau.
barplot(term_frequency[1:5], col = "#C0DE25")
Tất nhiên, bạn có thể học các khóa ggplot2 của chúng tôi để tùy biến biểu đồ sâu hơn nữa… :)
Bài tập này là một phần của khóa học
Khai phá văn bản với Bag-of-Words trong R
Hướng dẫn bài tập
- Tạo
coffee_mdưới dạng ma trận từ ma trận thuật ngữ–tài liệucoffee_tdmcủa chương trước. - Tạo
term_frequencybằng cách dùng hàmrowSums()trêncoffee_m. - Sắp xếp
term_frequencytheo thứ tự giảm dần và lưu kết quả vào lạiterm_frequency. - Dùng kỹ thuật chọn phần tử với một cặp ngoặc vuông, tức chỉ dùng một dấu
[, để in ra 10 thuật ngữ đứng đầu từterm_frequency. - Vẽ biểu đồ cột cho 10 thuật ngữ đứng đầu.
Bài tập tương tác thực hành trực tiếp
Hãy thử làm bài tập này bằng cách hoàn thành đoạn mã mẫu này.
## coffee_tdm is still loaded in your workspace
# Convert coffee_tdm to a matrix
coffee_m <- ___
# Calculate the row sums of coffee_m
term_frequency <- ___
# Sort term_frequency in decreasing order
term_frequency <- ___
# View the top 10 most common words
___
# Plot a barchart of the 10 most common words
___(___, col = "tan", las = 2)