Text Mining in R

Question

Ich möchte ein TDM aus einem Text mit bestimmten Sätzen (zwei oder mehr Wörter kombiniert) anstelle von einzelnen Wörtern erstellen. Die Sätze könnten zum Beispiel "climate change", "global worming", "lad use" usw. sein. Die Beispiele, die ich gesehen habe, sind alle mit einzelnen Wörtern.

tabela = DocumentTermMatrix(textolimpo, 
     list(dictionary = c("climate change","global worming","land use"))) 

Ich schätze, wenn mir jemand helfen könnte.

Prost.

Rafael

Answer 1

Ich empfehle quanteda:

library(quanteda) 
textolimpo <- c("This climate change concerns me. This climate changes", "Wormed: global worming increased") 
(dfm <- dfm(textolimpo, 
      ngrams=2L, 
      dictionary = list(climate="climate_change", 
          warm="global_worming"), 
      valuetype = "regex")) 
# 2 x 2 sparse Matrix of class "dfmSparse" 
#  features 
# docs climate warm 
# text1  2 0 
# text2  0 1 
(dfm <- dfm(textolimpo, 
      ngrams=2L, 
      thesaurus = list(climate="climate_change", 
          warm="global_worming"), 
      valuetype = "regex")) 
# 2 x 8 sparse Matrix of class "dfmSparse" 
#  this_climate change_concerns concerns_me me_this wormed_global worming_increased CLIMATE WARM 
# text1   2    1   1  1    0     0  2 0 
# text2   0    0   0  0    1     1  0 1