Haga el marco de datos de los términos más frecuentes de la N para múltiples corpora utilizando el paquete tm en R
Yo tengo variasTermDocumentMatrixs creado con eltm paquete en R.
Quiero encontrar los 10 términos más frecuentes en cada conjunto de documentos para finalmente terminar con una tabla de salida como:
corpus1 corpus2
"beach" "city"
"sand" "sidewalk"
... ...
[10th most frequent word]
Por definición,findFreqTerms(corpus1,N) devuelve todos los términos que aparecen N veces o más. Para hacer esto a mano, podría cambiar N hasta que me devolvieran 10 o más términos, pero la salida parafindFreqTerms aparece en orden alfabético, de modo que, a menos que escogiera la N correcta, no sabría cuáles eran las 10 principales. Sospecho que esto implica manipular la estructura interna del TDM que puede ver constr(corpus1) como enR tm package crea matriz de términos más frecuentes pero la respuesta aquí fue muy opaca para mí, así que quise reformular la pregunta.
¡Gracias!