从 R 中的语料库创建单词子集

我使用 XML 包根据 Twitter 搜索创建了一个 1,500 行向量。然后我将其转换为语料库以与 tm 包一起使用。我希望最终使用其中一些（最常见的）单词创建一个词云，因此我将其转换为 TermDocumentMatrix，以便能够找到频率最小的术语。我创建了对象“a”，它是这些术语的列表。

a <- findFreqTerms(mydata.dtm, 10)

wordcloud 包不适用于文档矩阵。所以现在，我想过滤原始向量以仅包含“a”对象中包含的单词（如果我使用该对象本身，当然，我只有每个频繁单词的一个实例）。

非常感谢任何建议。

您可以将 tdm 对象转换为矩阵并使用它来获得wordcloud可以与：

library(tm)
library(wordcloud)
# example data from the tm package
data(crude)
tdm <- TermDocumentMatrix(crude,
                      control = list(removePunctuation = TRUE,
                                     stopwords = TRUE))
v <- rowSums(as.matrix(tdm))
names(v) <- rownames(as.matrix(tdm))
v <- sort(v, decreasing=T)

现在，您可以使用标准子集过滤掉不常见的单词（[），或者您可以使用min.freq论证wordcloud当你想绘制时：

wordcloud(names(v), v, min.freq=10, scale=c(10,.3))