我有一个特征共现矩阵 8,347 x 8,347,tri = FALSE。我希望能够单独选择一个功能,以便我可以看到哪些术语经常与它同时出现。这似乎需要为要素选择列并按降序对关联的行进行排序。
fcm_select
不起作用,因为它将术语隔离在列和行中:
>SELECT_FROM_FCM = fcm_select(
MY_FCM,
pattern = c("FEATURE"),
selection = c("keep"),
valuetype = c("glob"),
case_insensitive = TRUE
)
>View(SELECT_FROM_FCM)
--------------------
| | FEATURE |
--------------------
| FEATURE | 667 |
--------------------
dfm_subset
似乎也不起作用。我这样做的方式是错误的吗?
您可以形成 fcm,然后使用常规矩阵索引操作选择它。 在此示例中,我从最后 10 个就职演说中形成了一个文档上下文特征共现矩阵,并搜索与特征"战争"和"恐怖"共存的特征。
library("quanteda")
## Package version: 2.0.1
fcmat <- data_corpus_inaugural %>%
tail(10) %>%
tokens(remove_punct = TRUE) %>%
fcm()
# select a specific feature
fcmat[, c("war", "terror")]
## Feature co-occurrence matrix of: 3,467 by 2 features.
## features
## features war terror
## Senator 10 2
## Hatfield 1 1
## Mr 18 3
## Chief 7 1
## Justice 7 1
## President 32 8
## Vice 9 2
## Bush 4 2
## Mondale 1 1
## Baker 1 1
## [ reached max_feat ... 3,457 more features ]
在即将发布的 2.1.0 版本中(仅在 2020 年 6 月 5 日起在 GitHub 上提供(,您可以使用char_select()
来获取功能上的模式匹配,例如:
# only in forthcoming 2.1.0 (currently on GitHub)
fcmat[, char_select(featnames(fcmat), "terror*")]
## Feature co-occurrence matrix of: 3,467 by 2 features.
## features
## features terror terrorism
## Senator 2 2
## Hatfield 1 1
## Mr 3 3
## Chief 1 2
## Justice 1 2
## President 8 10
## Vice 2 2
## Bush 2 2
## Mondale 1 1
## Baker 1 1
## [ reached max_feat ... 3,457 more features ]
最后,这些 fcm 结果很容易转换为 data.frame 或常规矩阵,以便在其他系统中输出和使用,如果这是您最终需要的。