文章/答案/技术大牛

发布

社区首页 >问答首页 >R:逐个文档比较单词直方图

问R:逐个文档比较单词直方图
EN

Stack Overflow用户

提问于 2018-07-01 07:47:04

回答 1查看 188关注 0票数 0

我正在寻找一种方法，以比较文字直方图的文件，属于一个文件夹语料库与几个文件网。我确实尝试过：

freq <- sort(colSums(as.matrix(dtm), group=Docs), decreasing=TRUE)

同时，也尝试了ggplot选项：

p <- p + geom_bar(stat="identity") +   facet_wrap(~ Docs)

但令人遗憾的是，我错了。

下面是一个修改过的代码示例，但令人遗憾的是，我的3个文档的情节类似于一个文档，也没有被Docs分割：

c= c("hola como  hola como  hola como", "hola me fui hola me fui hola me fui hola me fui", "hola como estas hola como estas hola como estas" )
corpus= VCorpus(VectorSource(c))

dtm <- DocumentTermMatrix(corpus)

m <- as.matrix(dtm)   
m 
freq <- sort(colSums(as.matrix(dtm)), decreasing=TRUE)  
wf <- data.frame(word=names(freq), freq=freq)   

p <- ggplot(subset(wf, freq>1), aes(word, freq))    
p <- p + geom_bar(stat="identity") 
p <- p + theme(axis.text.x=element_text(angle=45, hjust=1)) 
p

text

text-mining

corpus

回答 1

Stack Overflow用户

回答已采纳

发布于 2018-07-01 08:23:59

创建wf的方式意味着您正在丢失您的文档，并且它们对ggplot2不可用。我将创建wf作为文档名称和dtm的组合。(如果你有一个很大的语料库，这里要小心。)然后，我把wf转换成一个长格式，所以ggplot对于ggplot2来说是非常好的格式。然后，当你创建你的地块时，你只需用你所需要的任何方式进行整理。在下面的示例中，我在文档之间拆分了图。

library(tm)

c= c("hola como  hola como  hola como", "hola me fui hola me fui hola me fui hola me fui", "hola como estas hola como estas hola como estas" )
corpus= VCorpus(VectorSource(c))

dtm <- DocumentTermMatrix(corpus)

wf <- data.frame(docs=Docs(dtm), as.matrix(dtm)) 

library(tidyr)
wf <- wf %>% gather(key = "terms", value = "freq", -docs)

library(ggplot2)
ggplot(wf, aes(terms, freq)) + 
  geom_bar(stat="identity") +
  facet_wrap(~ docs) + 
  theme(axis.text.x=element_text(angle=45, hjust=1))

票数 0

页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持

原文链接：

https://stackoverflow.com/questions/51121368

复制

相似问题

问R:逐个文档比较单词直方图
EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问R:逐个文档比较单词直方图EN

回答 1

Stack Overflow用户

社区

活动

圈层

关于

腾讯云开发者

热门产品

热门推荐

更多推荐

问R:逐个文档比较单词直方图
EN