查找多个单词组合为一个的频率？

问题描述

我试图找出几个单词的总频率。

例如，我正在使用此代码来查找某些单词的出现频率

keyterms <- c("canadian","american","british")
dict <- dictionary(list(keyterms2 = c("canadian","british"))))


dfm <- dfm(toks) %>%
  dfm_group(groups = "Organization") %>%
  dfm_select(pattern = keyterms)

当我使用关键字和字典运行上述程序时，我会分别获得每个单词的频率。

一个标题	加拿大	美国人	英国
组织	10	10	10

有没有办法编写脚本，使其返回总计的频率，使其看起来像这样：

一个标题	条款
组织	30

谢谢

解决方法

字典方法是最优雅的解决方案，因为它结合了您的关键字词。

在这里，我已经说明了如何使用内置的就职语料库来做到这一点，其中您的小组（类似于您的“组织”）是总统的名字。

library("quanteda")
## Package version: 3.1
## Unicode version: 13.0
## ICU version: 69.1
## Parallel computing: 12 of 12 threads used.
## See https://quanteda.io for tutorials and examples.

keyterms <- c("canadian","american","british")
dict <- dictionary(list(terms = keyterms))

toks <- data_corpus_inaugural %>%
  corpus_subset(Year > 2000) %>%
  tokens() %>%
  tokens_lookup(dictionary = dict)

dfm(toks) %>%
  dfm_group(groups = President) %>%
  convert(to = "data.frame")
##   doc_id terms
## 1  Biden     9
## 2   Bush     6
## 3  Obama     8
## 4  Trump    11

（如果您愿意，可以将第一列重命名为“A 标题”。）

请注意，groups 的用法在 quanteda 3.0 中发生了变化，因此现在不应引用其值。

,

您可以使用 DECODE -

rowSums

使用 result <- dfm(toks) %>% dfm_group(groups = "Organization") %>% dfm_select(pattern = keyterms) %>% rowSums() 会返回一个数据帧。