使用 R 过滤评论以进行文本挖掘

Question

我正在使用 R 并且相对较新的编程，所以任何帮助将不胜感激。

我正在为一项调查进行文本挖掘，并希望使用单词组合过滤 cmets。数据集已从 csv 文件中读取。

我要过滤包含“abroad”和“charges”字样的cmets

我正在使用 grepl 函数来识别 cmets 中的模式。 我设法过滤了评论部分中的数据 “国外”和“收费”使用以下代码：

ac <- filter(data, grepl("abroad|charges", Comment))

  ac$Comment

这会返回带有“abroad”和“charges”字样的 cmets，但它返回的 cmets 可以是“abroad”或“charges”。我想要两个词的组合。我尝试替换 |与 & 但这不起作用。

我也尝试过子集：

ac <- subset(data, Comment %in% c("abroad", "charges"))

ac$Comment

这些都不会返回所需的结果。我错过了一些明显的东西吗？如何查看仅包含某些单词的 cmets。因此，如果我进一步想探索我的文本，我可以尝试找到“国外”、“收费”和“昂贵”的组合。

感谢任何帮助都会很棒。

Answer 1

我们可以在filter 中使用双grep 和& 运算符，并且对于string 中同时包含“abroad”和“charges”的单词，它只能是TRUE。

 filter(data, grepl("abroad", Comment) & grepl('charges', Comment))