专题建模，文学。初学者

Question

我完全是编程初学者。我正在尝试在三本文学书籍上应用这个主题建模。我试着以Silge和Robinson的例子(文本挖掘与R，第6章)为例，区别在于我使用的不是预先存在的图书列表，而是我的选择。我遇到了一些问题，即使我在上面提到的示例中应用了给定的代码。

我下载了包(gutenbergr、tidytext、stringr、topicmodel、dplyr、tidyr)和图书，并尝试创建一个独立的对象“book”，由控制台输出指导。我想通过书本运行分析，但我发现代码示例仅按章节进行。所以我试了一下：

library(gutenbergr)
library(tidytext)
library(stringr)
library(topicmodels)
library(dplyr)
library(tidyr)


                                        
wuthering_heights <- gutenberg_download(768, mirror = "http://mirrors.xmission.com/gutenberg/")                                     
utopia <- gutenberg_download(2130, mirror = "http://mirrors.xmission.com/gutenberg/")
the_grand_inquisitor <- gutenberg_download(8578, mirror = "http://mirrors.xmission.com/gutenberg/")


titles <- c("Wuthering Heights", "Utopia", "The Grand Inquisitor")
books <- gutenberg_works(title %in% titles) %>%
  gutenberg_download(meta_fields = "title")

books <- list(wuthering_heights, utopia, the_grand_inquisitor)
    
    by_chapter = books %>%
      group_by(title) %>%
      mutate(chapter = cumsum(str_detect(text, regex("^chapter ", ignore_case = TRUE)))) %>% # ignore the word chapter
      ungroup() %>%
      filter(chapter > 0) %>%
      unite(document, title, chapter)
    
    by_chapter_word = by_chapter %>%
      unnest_tokens(word, text) 

我在控制台上看到："ungroup“方法不能应用于类”列表“的对象，它找不到对象章节，也找不到"ungroup”方法。

欢迎任何提示，谢谢。

Answer 1

将books设置为dataframe，然后可以使用它上的函数。你可以试试：

library(tidyverse)
library(tidytext)

books <- lst(wuthering_heights, moby_dick, great_expectations)

bind_rows(books, .id = 'books') %>%
  unnest_tokens('word', 'text') %>%
  filter(!word %in% stop_words$word) %>%
  count(books, word) %>%
  group_by(books) %>%
  slice_max(n, n = 10) -> top10words

top10words

#   books                word           n
#   <chr>                <chr>      <int>
# 1 the_grand_inquisitor thou         104
# 2 the_grand_inquisitor thee          61
# 3 the_grand_inquisitor thy           51
# 4 the_grand_inquisitor bread         28
# 5 the_grand_inquisitor freedom       28
# 6 the_grand_inquisitor hast          24
# 7 the_grand_inquisitor god           22
# 8 the_grand_inquisitor inquisitor    19
# 9 the_grand_inquisitor earth         18
#10 the_grand_inquisitor weak          18
# … with 20 more rows