问题标签 [tidytext]

我有一个像这样的 R 数据框（名为frequency）：

我想使用 ggplot2 绘制文档差异。像这样的东西

我有下面的代码，但我的情节最终是空的。

df我有一个看起来像这样的 R 数据框 ( )：

我想用ggplot2绘图n除以total每个blogger.

我有这个代码：

但它会产生这个警告：

我有这段代码来拟合主题模型和MALLET 的 R 包装器：

我已经使用tm包来读取我的文档，这些文档是目录中的 txt 文件：

语料库不能用作 的输入mallet.import，那么我如何从myCorpus上面的 tm 语料库DF到调用的？

I'm doing text analysis using tidytext. I am trying to calculate the tf-idf for a corpus. The standard way to do this is:

However, in my case, the 'document' is not defined by a single column (like book). Is it possible to call bind_tf_idf where the document is defined by two columns (for example, book and chapter)?

我是 R 的新手，所以这个问题似乎很明显。但是，我没有管理，也没有找到解决方案

当它们是行（实际上是评论）时，如何计算我的标记中的单词数？因此，有一个带有评论（reviewText）的数据集与产品 ID（asin）相关联

amazonr_tidy_sent = amazonr_tidy_sent%>%unnest_tokens(word, reviewText, token = "lines") amazonr_tidy_sent = amazonr_tidy_sent %>% anti_join(stop_words)%>%ungroup()

我尝试按照以下方式进行

wordcounts <- amazonr_tidy_sent %>% group_by(word, asin)%>% summarize(word = n())

但这不合适。我认为，没有办法计算，因为作为标记的行不能“分离”

非常感谢

安装软件包时出现以下错误：

请建议如何解决此错误。

我正在尝试将 pdf 文件的文件夹读入 R 中的数据框。我可以使用pdftools库和pdf_text(filepath).

理想情况下，我可以获取一系列 pdf 的作者和标题，然后将其推送到具有这些列的数据框中，以便我可以tidytext在文本上使用基本功能。

对于现在的单个文件，我可以使用：

在这里，我有一个带有单个单词的数据框。我想进入一个数据框，其中我有文章解包，包括标题和作者列。

我尝试安装包 tidytext 但收到以下错误：

谁能帮我理解我错过了什么？谢谢

我正在使用tidytextpackage inR进行 n-gram 分析。

由于我分析推文，因此我想保留 @ 和 # 以捕获提及、转发和主题标签。但是，unnest_tokens函数会自动删除所有标点符号并将文本转换为小写。

我发现unnest_tokens有一个使用正则表达式的选项 using token='regex'，所以我可以自定义它清理文本的方式。但是，它只适用于 unigram 分析，它不适用于 n-gram，因为我需要定义token='ngrams'来进行 n-gram 分析。

有没有办法防止unnest_tokens在 n-gram 分析中将文本转换为小写？

我想从 Textmining with R web 教科书创建一个绘图，但使用我的数据。它基本上每年搜索最热门的术语并将它们绘制成图表（图 5.4：http ://tidytextmining.com/dtm.html ）。我的数据比他们开始使用的数据要干净一些，但我是 R 新手。我的数据有一个“日期”列，格式为 2016-01-01（它是一个日期类）。我只有 2016 年的数据，所以我想做同样的事情，但更细化，（即按月或按天）

这个想法是我会从我的文本中选择我的特定单词，看看它们在几个月内如何变化。

谢谢！