r - 从 R 语料库中创建单词子集

Question

我使用 XML 包从 Twitter 搜索创建了一个 1,500 行的向量。然后我将它转换为一个语料库以与 tm 包一起使用。我想最终用这些词中的一些(最常见的)创建一个 wordcloud，所以我将它转换为 TermDocumentMatrix 以便能够以最低频率找到术语。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，我只有每个频繁单词的一个实例)。

任何建议都非常感谢。

Answer 1

您可以将 tdm 对象转换为矩阵并使用它来获得 wordcloud可以与:

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( [ )过滤掉不常见的单词，或者您可以使用 min.freq论据 wordcloud当你想绘图时:

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