从 R 中的语料库创建单词的子集答案

【问题标题】：Creating a subset of words from a corpus in R从 R 中的语料库创建单词的子集
【发布时间】：2013-03-19 23:35:22
【问题描述】：

我有一个使用 XML 包通过 Twitter 搜索创建的 1,500 行向量。然后我将其转换为与 tm 包一起使用的语料库。我想最终用这些词中的一些（最常见的）创建一个词云，所以我将它转换为 TermDocumentMatrix 以便能够找到频率最低的词。我创建了对象“a”，它是这些术语的列表。

a <- findFreqTerms(mydata.dtm, 10)

wordcloud 包不适用于文档矩阵。所以现在，我想过滤原始向量以仅包含“a”对象中包含的单词（如果我使用对象本身，当然，我每个常用词只有一个实例）。

非常感谢任何建议。

【问题讨论】：

嗨，欢迎来到 SP。您能否粘贴您的数据样本。可以使用dput(myData)，如果太大可以使用dput(head(myData, 10))
可能重复：stackoverflow.com/q/15506118/1036500

标签： r corpus word-cloud

【解决方案1】：

您可以将您的 tdm 对象转换为矩阵并使用它来获得 wordcloud 可以使用的东西：

library(tm)
library(wordcloud)
# example data from the tm package
data(crude)
tdm <- TermDocumentMatrix(crude,
                      control = list(removePunctuation = TRUE,
                                     stopwords = TRUE))
v <- rowSums(as.matrix(tdm))
names(v) <- rownames(as.matrix(tdm))
v <- sort(v, decreasing=T)

现在，您可以使用标准子集 ([) 过滤掉不常用的单词，或者您可以在要绘图时使用 min.freq 参数到 wordcloud：

wordcloud(names(v), v, min.freq=10, scale=c(10,.3))

【讨论】：