r - 在 R 中，如何在数据框中找到所有字典单词的位置？

Question

我正在分析公司 session ，我想衡量 session 中的人们在什么时间提出某些主题。时间意味着单词的位置。

例如，在三个 session 中，人们什么时候提出“unionizing”和我字典中的其他词？

df <- data.frame(text = c("we're meeting here today to talk about our earnings. we will also discuss unionizing efforts.", "hi all, unionizing and the on-going strike is at the top of our agenda, because unionizing threatens our revenue goals.", "we will discuss unionizing tomorrow, today the focus is our Q3 earnings"))

dict <- c("unions", "strike", "unionizing")

期望的输出:

<表类="s-表"><头>正文计数单词<正文>我们今天在这里见面...(词的位置)工会化大家好，工会...(词的位置)工会化大家好，工会...(词的位置)罢工大家好，工会...(词的位置)工会化我们明天将讨论成立工会...(词的位置)工会化

我问了一个关于查找第一次使用单词的问题，here ，我尝试修改代码，但没有成功。

Answer 1

使用量化:

首先分词并去除标点符号，否则标点符号将被算作一个分词。使用 kwic 的优点是您可以轻松地看到哪些词出现在您要查找的词之前和之后。

library(quanteda)

x <- kwic(tokens(df$text, remove_punct = T), dict)
data.frame(x)

  docname from to                             pre    keyword                        post    pattern
1   text1   14 14   earnings we will also discuss unionizing                     efforts unionizing
2   text2    3  3                          hi all unionizing  and the on-going strike is unionizing
3   text2    7  7 all unionizing and the on-going     strike            is at the top of     strike
4   text2   16 16       top of our agenda because unionizing threatens our revenue goals unionizing
5   text3    4  4                 we will discuss unionizing tomorrow today the focus is unionizing