创建适合树状图的 TDM
既然您已经理解了创建树状图的步骤，就可以把它们应用到文本上。不过，在此之前，您需要使用 tm 包中的 removeSparseTerms() 来限制 TDM 中的词数。为什么要调整 TDM/DTM 的稀疏度？
TDM 和 DTM 都是稀疏矩阵，也就是说它们大多是 0。请记住，1000 条推文就可能生成一个包含超过 3000 个词项的 TDM！如果文本更多，如此杂乱的树状图将难以解读。
在大多数专业场景中，一个好的树状图通常基于包含 25 到 70 个词项的 TDM。超过 70 个词项，图形可能会显得杂乱且难以理解；少于 25 个词项，则可能导致树状图无法展示有意义且有洞见的聚类。
使用 removeSparseTerms() 时，sparse 参数会调整在 TDM 中保留的总词项数。sparse 越接近 1，保留的词项就越多。该值表示对每个词项在 TDM 中 0 的比例阈值。
本练习是课程的一部分
使用 R 的 Bag-of-Words 进行文本挖掘
练习说明
tweets_tdm 已基于 chardonnay 相关推文创建。
- 将
tweets_tdm的维度打印到控制台。 - 在
tweets_tdm上使用removeSparseTerms()，设置sparse = 0.95，创建tdm1。 - 在
tweets_tdm上使用removeSparseTerms()，设置sparse = 0.975，创建tdm2。 - 将
tdm1打印到控制台，查看剩余的词项数。 - 将
tdm2打印到控制台，查看剩余的词项数。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Print the dimensions of tweets_tdm
___
# Create tdm1
___ <- ___(___, ___)
# Create tdm2
___ <- ___(___, ___)
# Print tdm1
___
# Print tdm2
___