R文本挖掘-如何将R数据帧列中的文本更改为具有双字频率的几列？

Question

除了问题R文本挖掘-如何将R数据帧列中的文本更改为具有单词频率的几列？ 我想知道如何管理以双字组频率而不是仅单词频率构成的列。 再次感谢您！

这是示例数据帧（感谢Tyler Rinker）。

      person sex adult                                 state code
1         sam   m     0         Computer is fun. Not too fun.   K1
2        greg   m     0               No it's not, it's dumb.   K2
3     teacher   m     1                    What should we do?   K3
4         sam   m     0                  You liar, it stinks!   K4
5        greg   m     0               I am telling the truth!   K5
6       sally   f     0                How can we be certain?   K6
7        greg   m     0                      There is no way.   K7
8         sam   m     0                       I distrust you.   K8
9       sally   f     0           What are you talking about?   K9
10 researcher   f     1         Shall we move on?  Good then.  K10
11       greg   m     0 I'm hungry.  Let's eat.  You already?  K11

上面的数据集：

library(qdap); DATA

Answer 1

qdap的开发版本（应在接下来的几天内转到CRAN）执行ngram。 现在，您需要使用dev版本 。 在玩具数据集上，这是快速的，但在较大的数据集上，例如qdap的mraja1数据集，则需要大约5分钟才能完成。 你可以：

1. 更明智地选择二元组（即，不要全部使用它们，因为这将导致大量工作）
2. 等待时间
3. 并行运行
4. 找出另一种方法
5. 获得更快的计算机

这是获取qdap开发版本并运行bigram搜索的代码：

library(devtools)
install_github("qdap", "trinker")
library(qdap)

## this gets the bigrams
bigrams <- sapply(ngrams(DATA$state)[[c("all_n", "n_2")]], paste, collapse=" ")

## This searches by grouping variable for bigram use
termco(DATA$state, DATA$person, bigrams)


## To get raw values
termco(DATA$state, DATA$person, bigrams)[["raw"]]