使用词云比较R比较两组

Question

提前感谢您的帮助。 我有一个 CSV 文件，其中每一行都是一个受访者（n = 612），我想比较由两列之间的句子中的响应组成的文本，一个使用比较词云描述好的体验与不好的体验.

 ##First I merged my response columns
 mydata2= mydata%>% 
 gather(response, text, Good, Bad)

mydata2$text <- sapply(mydata2$text,function(row) iconv(row, "latin1","ASCII", sub=""))

mydata2<-data.frame(mydata2)

## Calculate Corpus
docs<-Corpus(VectorSource(mydata2$text)) %>%
tm_map(removePunctuation) %>%
tm_map(removeNumbers) %>%
tm_map(tolower)  %>%
tm_map(removeWords, stopwords("english")) %>%
tm_map(stripWhitespace) %>%
tm_map(PlainTextDocument)

inspect(docs)

tdm <- TermDocumentMatrix(docs)  

但是这不会让我生成一个 tdm。 这是比较列中文本变量的最佳方法，还是我应该生成两个不同的语料库（一个好一个坏）并以这种方式比较它们？

谢谢

Answer 1

如果您希望在 quanteda 中执行此操作，您可以：

1. 创建语料库，使用corpus()。
2. 确保它包含一个文档变量（使用docvar <-）将每个文档与情绪类别（好或坏）相关联。 （现阶段无需合并它们。）
3. 创建一个 dfm，并使用 groups = 参数对输出进行分组，并将值命名为您的分组 docvar。
4. 在上一步创建的 dfm 上调用 textplot_wordcloud(yourdfm, comparison = TRUE)。

使用内置 data_corpus_inaugural 语料库对象在一个可重现的示例中演示这一点：

library("quanteda")
obama_trump_dfm <- data_corpus_inaugural %>%
    corpus_subset(President %in% c("Obama", "Trump")) %>%
    dfm(remove = stopwords("english"), remove_punct = TRUE, groups = "President") %>%
    dfm_trim(min_termfreq = 3)

textplot_wordcloud(obama_trump_dfm, comparison = TRUE, 
                   max_words = 100, color = c("blue", "red"))

在此示例中，语料库在其 docvar President 上进行子集化，以仅选择 Obama 和 Trump；然后创建 dfm，删除停用词和标点符号，并根据总统分组；然后删除频率小于 3 的单词。然后将该 dfm 发送到textplot_wordcloud()，并将比较标志设置为 TRUE，并且最多绘制 100 个单词。颜色也设置好了。