使用r計算文本中n-gram的頻率

Question

我使用R來讀取文本。的通道由100句，然後將其放入一個列表，該列表是這樣的：

[[1]] 

[1] "WigWagCo: For #TBT here's a video of Travis McCollum (Co-Founder and COO of WigWag) at #SXSW2016 

[[2]] 

[1] "chrisreedfilm: RT @hammertonail: #SXSW2016 doc THE SEER: A PORTRAIT OF WENDELL BERRY gets reviewed by @chrisreedfilm 

[[3]] 

[1] "iamscottrandell: RT @therevue: Take a jaunt down #MemoriesofSXSW & read the stories of @JRNelsonMusic @thegillsmusic & @TheBlancosMusic 
... 
... 

[[99]] 

[1] "SunPowerTalent: SunPower #Clerical #Job: Supply Chain Intern (#Austin, TX) 

[[100]] 

[1] "SunPowerTalent: #Finance #Job alert: General Ledger Accountant | SunPower 

列表中的每個對象都是從文字相同的「句子」。 如何計算本文中所有3-gram的頻率並知道哪個句子是每個3-gram？

非常感謝。

Answer 1

您可以使用R包textcat（https://CRAN.R-project.org/package=textcat）。如果你的100句的列表被稱爲x你根本：

library("textcat") 
n3gram <- textcat_profile_db(x, n = 3) 

然後，這是含頻率排序3克100元（相當於原來的句子）的列表。有關更多詳細信息和示例，請參見?textcat_profile_db。