Rによるテキストマイニング ―tidytextを活用したデータ分析と可視化の基礎

9.2

 ニュースグループに含まれる単語

■

185

9.2

 ニュースグループに含まれる単語

ヘッダー、シグネチャ、書式を取り除いたら準備完了です。早速頻出語を探って

みましょう。まず、データセット全体、あるいは特定のニュースグループでの頻出

語を調べてみましょう。

usenet_words %>%

count(word, sort = TRUE)

## # A tibble: 68,137

×

2

## word n

## <chr> <int>

## 1 people 3655

## 2 time 2705

## 3 god 1626

## 4 system 1595

## 5 program 1103

## 6 bit 1097

## 7 information 109

4

## 8 windows 1088

## 9 government 1084

## 10 space 1072

## # ... with 68,127 more rows

words_by_newsgroup <- usenet_words %>%

count(newsgroup, word, sort = TRUE) %>%

ungroup()

words_by_newsgroup

## # A tibble: 173,913

×

3

## newsgroup word n

## <chr> <chr> <int>

## 1 soc.religion.christian god 917

## 2 sci.space

space 840

## 3 talk.politics.mideast ...