4

テキストで最も頻繁に使用される単語を見つける方法を探しており、R を使用しています。最も頻繁に使用しているのは、頻度が低い単語がコーパス内の単語の 1% であることを意味します。そのため、コーパス内の単語数を計算する必要があります。

これまでのところ、私のコードは次のとおりです。

#!/usr/bin/Rscript
library('tm')
library('wordcloud')
library('RColorBrewer')
twittercorpus <- system.file("stream","~/txt", package = "tm")
twittercorpus <- Corpus(DirSource("~/txt"),
                        readerControl=list(languageEl = "en"))
twittercorpus <- tm_map(twittercorpus, removeNumbers)
twittercorpus <- tm_map(twittercorpus,tolower)
twittercorpus <- tm_map(twittercorpus,removePunctuation)
my_stopwords <- c(stopwords("SMART"))
twittercorpus <-tm_map(twittercorpus,removeWords,my_stopwords)
mydata.dtm <- TermDocumentMatrix(twittercorpus)

次のようなものが必要です：

freqmatrix <-findFreqTerms(mydata.dtm, lowfreq=rowSums(mydata.dtm)/100)
4

1 に答える 1

7

str(mydata.dtm)という名前のコンポーネントがありますnrow。それを使用します：

freqmatrix <- findFreqTerms(mydata.dtm, lowfreq=mydata.dtm$nrow/100)
于 2012-11-27T00:02:23.997 に答える