R文本挖掘 - 如何将R数据框列中的文本更改为具有双字母频率的多个列？

Question

除了问题R Text mining - how to change texts in R data frame column into several columns with word frequencies?之外，我想知道如何设法使用bigrams频率而不仅仅是字频。 再次，非常感谢提前！

这是示例数据框（感谢Tyler Rinker）。

      person sex adult                                 state code
1         sam   m     0         Computer is fun. Not too fun.   K1
2        greg   m     0               No it's not, it's dumb.   K2
3     teacher   m     1                    What should we do?   K3
4         sam   m     0                  You liar, it stinks!   K4
5        greg   m     0               I am telling the truth!   K5
6       sally   f     0                How can we be certain?   K6
7        greg   m     0                      There is no way.   K7
8         sam   m     0                       I distrust you.   K8
9       sally   f     0           What are you talking about?   K9
10 researcher   f     1         Shall we move on?  Good then.  K10
11       greg   m     0 I'm hungry.  Let's eat.  You already?  K11

上面的数据集：

library(qdap); DATA

Answer 1

qdap的开发版本（应该在接下来的几天内转到CRAN）会生成ngrams。现在，您需要使用dev version。在玩具数据集上，这很快，但在较大的数据集上，例如qdap的{​​{1}}数据集需要约5分钟才能完成。你可以：

1. 更明智地选择双胞胎（即不要全部使用它们，因为它们会有很多）
2. 等待时间
3. Run it in parallel
4. 找出另一种方法
5. 获取更快的计算机

以下是获取mraja1开发版并运行二元搜索的代码：

qdap