Question

我刚开始使用R进行文本挖掘并遇到了问题。

我已成功为我的数据集中的单个单词绘制了tf_idf，其中包含3个不同的列（正数，负数和库） - 列名称为“Box＆＃39;”。

我正在尝试为bigrams和trigrams做同样的事情并使用相同的代码：

Trigram_tibble %>%
  arrange(desc(tf_idf)) %>%
  mutate(trigram = factor(trigram, levels = rev(unique(trigram)))) %>% 
  group_by(Box) %>% 
  top_n(10, tf_idf) %>% 
  ungroup %>%
  ggplot(aes(trigram, tf_idf, fill = Box)) +
  geom_col(show.legend = FALSE) +
  labs(x = NULL, y = "tf-idf") +
  facet_wrap(~Box, ncol = 2, scales = "free") +
  coord_flip()

我发现（我认为）＆＃39; top_n＆＃39;函数返回具有最高排名的三元组，并且它自动使用tibble中的最后一个变量（在我的例子中，这是tf_idf，我选择了n-10）。然而，当为bigrams运行它时，我只能生成沿y轴似乎有几百（千？）个bigrams的图表。

在图片中你可以看到负面变量看起来很好（我已经将它编辑为数据保护），但其他两个都不是！

我最初从整洁的文本挖掘书中获取了这段代码。

编辑 - 添加数据样本

sample data

我现在最好的猜测是＆＃39; top_n＆＃39; tf_idf得分碰巧有许多完全相同。在这种情况下，我现在不确定这是一个有用的计算，我想知道为什么它在整洁的教科书中工作得很好，但不是我的数据。

编辑2

我将Trigram_tibble减少到50个观察值，这是dput的输出（Trigram_tibble）（我已经模糊了调查回复文本三元组）

a＆lt; -Trigram_tibble [1:50,1：8] dput（a）中结构（答复者= c（1294L，2693L，42L，463L，463L， 1481L，1706L，1891L，1917L，2442L，2693L，3590L，3590L，3916L， 4454L，4682L，5996L，6283L，6283L，6568L，9101L，2L，3L，4L， 4L，4L，8L，12L，12L，13L，13L，13L，13L，13L，13L，13L，13L， 18L，18L，18L，18L，20L，21L，21L，21L，21L，21L，21L，21L，21L ），Box = c（＆＃34;肯定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34; ，＆＃34;否定＆＃34;，＆＃34;银行＆＃34;，＆＃34;肯定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34 ;, ＆＃34; Bank＆＃34;，＆＃34; Bank＆＃34;，＆＃34; Negative＆＃34;，＆＃34; Positive＆＃34;，＆＃34; Negative＆＃34;，＆＃34; Negative＆＃34 ;, ＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34 ;, ＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;银行＆＃34;，＆＃34;银行＆＃34 ;, ＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;肯定＆＃34 ;, ＆＃34;肯定＆＃34;，＆＃34;肯定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34 ;, ＆＃34; Negative＆＃34;，＆＃34; Bank＆＃34;，＆＃34; Bank＆＃34;，＆＃34; Bank＆＃34;，＆＃34; Negative＆＃34;，＆＃34; Negative＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;，＆＃34;否定＆＃34;），trigram = c（＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;，＆＃34; xxx xxx xxx＆＃34;），n = c（4L， 3L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L，2L， 2L，2L，2L，2L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L，1L， 1L），总= c（1714L，2899L，2899L，2899L，2899L，2899L，836L， 1714L，2899L，2899L，2899L，836L，836L，2899L，1714L，2899L， 2899L，2899L，2899L，2899L，2899L，2899L，2899L，2899L，2899L， 2899L，2899L，836L，836L，2899L，2899L，2899L，2899L，2899L， 1714L，1714L，1714L，2899L，2899L，2899L，2899L，2899L，836L， 836L，836L，2899L，2899L，2899L，2899L，2899L），tf = c（0.00233372228704784， 0.00103483959986202,0.000689893066574681,0.000689893066574681， 0.000689893066574681,0.000689893066574681,0.00239234449760766， 0.00116686114352392,0.000689893066574681,0.000689893066574681， 0.000689893066574681,0.00239234449760766,0.00239234449760766， 0.000689893066574681,0.00116686114352392,0.000689893066574681， 0.000689893066574681,0.000689893066574681,0.000689893066574681， 0.000689893066574681,0.000689893066574681,0.00034494653328734， 0.00034494653328734,0.00034494653328734,0.00034494653328734， 0.00034494653328734,0.00034494653328734,0.00119617224880383， 0.00119617224880383,0.00034494653328734,0.00034494653328734， 0.00034494653328734,0.00034494653328734,0.00034494653328734， 0.00058343057176196,0.00058343057176196,0.00058343057176196， 0.00034494653328734,0.00034494653328734,0.00034494653328734， 0.00034494653328734,0.00034494653328734,0.00119617224880383， 0.00119617224880383,0.00119617224880383,0.00034494653328734， 0.00034494653328734,0.00034494653328734,0.00034494653328734， 0.00034494653328734），idf = c（-2.07944154167984,0.405465108108164， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 0,1.09861228866811,1.09861228866811，-2.07944154167984,1.09861228866811， 0.405465108108164,1.09861228866811，-0.693147180559945,1.09861228866811， 1.09861228866811,0,1.09861228866811,1.09861228866811，-1.29928298413026， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811,1.09861228866811,1.09861228866811， 1.09861228866811,1.09861228866811），tf_idf = c（-0.00485283907043135， 0.000419591350232664,0.000757925000805871,0.000757925000805871， 0.000757925000805871,0.000757925000805871,0,0.0012819279914447， 0.000757925000805871，-0.00143459230195228,0.000757925000805871， 0.00097001222035446,0.00262825906379931，-0.000478197433984095， 0.0012819279914447,0.000757925000805871,0,0.000757925000805871， 0.000757925000805871，-0.000896366322269928,0.000757925000805871， 0.000378962500402935,0.000378962500402935,0.000378962500402935， 0.000378962500402935,0.000378962500402935,0.000378962500402935， 0.00131412953189965,0.00131412953189965,0.000378962500402935， 0.000378962500402935,0.000378962500402935,0.000378962500402935， 0.000378962500402935,0.000640963995722351,0.000640963995722351， 0.000640963995722351,0.000378962500402935,0.000378962500402935， 0.000378962500402935,0.000378962500402935,0.000378962500402935， 0.00131412953189965,0.00131412953189965,0.00131412953189965， 0.000378962500402935,0.000378962500402935,0.000378962500402935， 0.000378962500402935,0.000378962500402935）），row.names = c（NA， -50L），class = c（＆＃34; tbl_df＆＃34;，＆＃34; tbl＆＃34;，＆＃34; data.frame＆＃34;））

为ggplot2中的调查评论绘制tf idf - 标签错误

编辑2

0 个答案: