比较特征同现与重大同现

问题描述

我想了解以下情况的实际区别：

1. 使用功能fcm(objectname # generate feature co-occurrence matrix 计算绝对频率。最后使用函数textplot_network()进行绘图。
2. 我阅读了诸如tidytextmining之类的教程，或由Andreas Niekler和Gregor Wiedemann编写的使用igraph或widyr软件包的教程。我想绘制相关的单词对。 受使用phi系数的tidytextmining教程的启发，我将根据lambda系数绘制此相关性。

我不知道如何用软件包Quanteda绘制相关的单词对。 我的想法是（也许不是一种有效的方法）进行计算 textstat_collocations()并将其转换为小对象，并使用widyr软件包的功能对其进行绘制。 我的公开问题是： 如何将列并置分为两个单独的列，例如item1 item2和 添加选择列lambda并保存并分配给小对象？

> head(sotu_collocations,1)
                collocation count count_nested length   lambda        z
1                smart city   229            0      2 9.846542 51.78172

解决方法

喜欢吗？如果您希望保留所有列，请删除select()命令。

library("quanteda")
## Package version: 2.1.2

colls <- textstat_collocations(data_corpus_inaugural[1:5],size = 2)
head(colls)
##   collocation count count_nested length   lambda        z
## 1      of the    98            0      2 1.494207 11.89704
## 2    has been     9            0      2 5.691667 11.61596
## 3      i have    15            0      2 3.754144 11.51091
## 4      may be    14            0      2 4.072366 11.43632
## 5   have been    10            0      2 4.679873 10.94315
## 6     we have     9            0      2 4.458284 10.35023

as.data.frame(colls) %>%
  tidyr::separate("collocation",into = c("word1","word2"),sep = " ") %>%
  dplyr::select(word1,word2,lambda) %>%
  tibble::tibble()
## # A tibble: 678 x 3
##    word1   word2   lambda
##    <chr>   <chr>    <dbl>
##  1 of      the       1.49
##  2 has     been      5.69
##  3 i       have      3.75
##  4 may     be        4.07
##  5 have    been      4.68
##  6 we      have      4.46
##  7 foreign nations   6.32
##  8 it      is        3.50
##  9 my      country   4.49
## 10 united  states    7.22
## # … with 668 more rows