＆＃34;差分＆＃34;文档术语矩阵

Question

假设我有一组100文件，70讲政治，30讲数学（奇怪的组合，我知道）。我的目标是通过多维缩放分析，网络分析，索姆等方法在xy上表示它们。当我考虑整套文档时，我喜欢这样：

• 我制作了一个包含100个元素的语料库（ docs ）;
• 来自语料库我创建了一个文档术语矩阵（ dtm ）;
• 从dtm我创建一个距离矩阵（ dist ），关于编写文档或文档本身的术语（根据我想要表示的内容）。

显然我可以为这两者制作单独的图形，但我想做一些与众不同的事情。 我有三个语料库（ docs_tot ， docs_P ， docs_M ）和三个文档术语矩阵（ dtm_tot ， dtm_P ， dtm_M ）。

解决方案：

1）表示xy文件的总数不同于政治文件和数学文件。通过这种方式，我可以看到它们是否代表xy上的自然簇。

2）对差异进行网络分析。有没有一种概念性的方法来进行子跟踪，例如 dtm_P 和 dtm_tot ，知道 dtm_P 只有一个子集（70） dtm_tot 文件（100）？

Answer 1

听起来您可能会考虑使用comparison.cloud()。以下是wordcloud包的帮助页面中的示例：

library(tm)
library(wordcloud)
data(SOTU)
corp <- SOTU
corp <- tm_map(corp, content_transformer(tolower))
corp <- tm_map(corp, removeNumbers)
corp <- tm_map(corp, function(x)removeWords(x,stopwords()))
corp <- tm_map(corp, removePunctuation)
term.matrix <- TermDocumentMatrix(corp)
term.matrix <- as.matrix(term.matrix)
colnames(term.matrix) <- c("SOTU 2010","SOTU 2011")
comparison.cloud(term.matrix,max.words=40,random.order=FALSE)

component

这也适用于两个以上的组，如图所示，例如。

希望这有帮助。