检查开放式问题的 n 词频率

Question

我想分析开放式问题的答案。首先是单个词云，然后我想统计2-3个词短语的频率时遇到了一个问题。

这是我的代码：

library('tm')
tokenize_ngrams <- function(x,n=2)return(rownames(as.data.frame(unclass(textcnt(x,method="string",n=n)))))
corpus <- Corpus(VectorSource(texts))
matrix <- TermDocumentMatrix(corpus,control=list(tokenize=tokenize_ngrams))
inspect(matrix[1:4, 1:3])

结果应该是两个词的短语和频率。 但我得到的结果如下：

                 Docs
Terms            1 2 3
document         1 0 0
first            1 0 0
the              1 1 1
this             1 1 1

Answer 1

不知道使用 tm 的答案，但这可以正常工作：

require(quanteda)
matrix <- dfm(texts, ngrams = 2)
head(matrix)