-
Notifications
You must be signed in to change notification settings - Fork 0
/
topicmodeling_ok.R
246 lines (230 loc) · 6.19 KB
/
topicmodeling_ok.R
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
# Funzioni superfighe da utilizzare ---------------------------------------
library(topicmodels)
library(tidytext)
clean_text <- function(x) {
out <- taggedText(x)
out <- out$lemma
out %>%
paste(collapse = " ") %>%
str_remove_all("@card@") %>%
str_remove_all("<unknown>")
}
div_text <- function(x, key1, key2, key3) {
out <- taggedText(x)
out <- out$lemma
out <- out %>%
paste(collapse = " ") %>%
str_remove_all("@card@") %>%
str_remove_all("<unknown>")
out <- out %>%
str_split_fixed(key1, n = 2) %>%
str_split_fixed(key2, n = 2) %>%
str_split_fixed(key3, n = 2)
out <- out[out != ""]
out <- SimpleCorpus(VectorSource(out), control = list(language = "it"))
out <- DocumentTermMatrix(
out,
control = list(
stopwords = c(
stopwords("it"),
"essere", "avere", "banca", "anno", "considerazione", "finale",
"essere|stare", "italia", "paese", "cento","stare","oltre","lungo",
"fare"
)
)
)
}
plot_terms <- function(dtm, tit = "Anno?") {
lda <- LDA(dtm, k = 4, control = list(seed = 1234))
topics <- tidy(lda, matrix = "beta")
top_terms <- topics %>%
group_by(topic) %>%
top_n(4, beta) %>%
ungroup() %>%
arrange(topic, -beta)
top_terms %>%
mutate(term = reorder(term, beta)) %>%
ggplot(aes(term, beta, fill = factor(topic))) +
geom_col(show.legend = FALSE) +
facet_wrap(~topic, scales = "free") +
coord_flip() +
labs(
title = tit,
x = NULL,
y = NULL
)
}
# Analisi anno per anno ---------------------------------------------------
# cf08
txt8 <- clean_text(tag_cf08)
str_view_all(txt8, "il crisi nel mondo")
str_view_all(txt8, "il ripercussione del crisi in Italia")
str_view_all(txt8, "il crisi e il banca")
dtm8 <- div_text(
tag_cf08,
"il crisi nel mondo",
"il ripercussione del crisi in Italia",
"il crisi e il banca"
)
top8 <- plot_terms(dtm8, tit = "2008")
top8
top8[1]
a <- taggedText(tag_cf08)
a <- a$lemma
a <- a %>%
paste(collapse = " ") %>%
str_remove_all("@card@") %>%
str_remove_all("<unknown>")
a <- SimpleCorpus(VectorSource(a), control = list(language = "it"))
a <- DocumentTermMatrix(
a,
control = list(
stopwords = c(
stopwords("it"),
"essere", "avere", "banca", "anno", "considerazione", "finale",
"essere|stare", "italia", "paese", "cento"
)))
plot_terms(a)
# cf09
txt9 <- clean_text(tag_cf09)
str_view_all(txt9, "cooperazione internazionale")
str_extract_all(txt9, "cooperazione internazionale")
str_extract_all(txt9, "il area del euro il politica")
str_extract_all(txt9, "banca , vigilanza")
dtm9 <- div_text(
tag_cf09,
"cooperazione internazionale",
"il area del euro il politica",
"banca , vigilanza"
)
top9 <- plot_terms(dtm9, tit = "2009")
top9
# cf10
txt10 <- clean_text(tag_cf10)
str_view_all(txt10, "il mondo dopo il crisi")
str_extract_all(txt10, "il mondo dopo il crisi")
str_extract_all(txt10, "il economia italiano in Italia")
str_extract_all(txt10, "banca e vigilanza")
dtm10 <- div_text(
tag_cf10,
"il mondo dopo il crisi",
"il economia italiano in Italia",
"banca e vigilanza"
)
top10 <- plot_terms(dtm10, tit = "2010")
top10
# cf11
txt11 <- clean_text(tag_cf11)
str_view_all(txt11, "il economia e il politica monetario")
str_extract_all(txt11, "il economia e il politica monetario")
str_extract_all(txt11, "il sistema finanziario")
str_extract_all(txt11, "il Europa e il Italia se")
dtm11 <- div_text(
tag_cf11,
"il economia e il politica monetario",
"il sistema finanziario",
"il Europa e il Italia se"
)
top11 <- plot_terms(dtm11, tit = "2011")
top11
# cf12
txt12 <- clean_text(tag_cf12)
str_view_all(txt12, "il politica monetario nel")
str_extract_all(txt12, "il politica monetario nel")
str_extract_all(txt12, "il economia italiano")
str_extract_all(txt12, "il banca e il credito")
dtm12 <- div_text(
tag_cf12,
"il politica monetario nel",
"il economia italiano",
"il banca e il credito"
)
top12 <- plot_terms(dtm12, tit = "2012")
top12
# cf13
txt13 <- clean_text(tag_cf13)
str_view_all(txt13, "istituzione aperto")
str_extract_all(txt13, "istituzione aperto")
str_extract_all(txt13, "uscita dal crisi")
str_extract_all(txt13, "il banca , il credito")
dtm13 <- div_text(
tag_cf13,
"istituzione aperto",
"uscita dal crisi",
"il banca , il credito"
)
top13 <- plot_terms(dtm13, tit = "2013")
top13
# cf14
txt14 <- clean_text(tag_cf14)
str_view_all(txt14, "il politica monetario e il crescita")
str_extract_all(txt14, "il politica monetario e il crescita")
str_extract_all(txt14, "il banca e")
str_extract_all(txt14, "il vigilanza e")
dtm14 <- div_text(
tag_cf14,
"il politica monetario e il crescita",
"il banca e",
"il vigilanza e"
)
top14 <- plot_terms(dtm14, tit = "2014")
top14
# cf15
txt15 <- clean_text(tag_cf15)
str_view_all(txt15, "il risposta del politica")
str_extract_all(txt15, "il risposta del politica")
str_extract_all(txt15, "il costruzione europeo :")
str_extract_all(txt15, "oggi aprire")
dtm15 <- div_text(
tag_cf15,
"il risposta del politica",
"il costruzione europeo :",
"oggi aprire"
)
top15 <- plot_terms(dtm15, tit = "2015")
top15
# cf16
txt16 <- clean_text(tag_cf16)
str_view_all(txt16, "il anno del crisi")
str_extract_all(txt16, "il anno del crisi")
str_extract_all(txt16, "lavoro e crescita")
str_extract_all(txt16, "il azione di vigilanza e il sfida")
dtm16 <- div_text(
tag_cf16,
"il anno del crisi",
"lavoro e crescita",
"il azione di vigilanza e il sfida"
)
top16 <- plot_terms(dtm16, tit = "2016")
top16
# cf17
txt17 <- clean_text(tag_cf17)
str_view_all(txt17, "il economia italiano oggi")
str_extract_all(txt17, "il economia italiano oggi")
str_extract_all(txt17, "il finanza pubblico")
str_extract_all(txt17, "patrimonio informativo")
dtm17 <- div_text(
tag_cf17,
"il economia italiano oggi",
"il finanza pubblico",
"patrimonio informativo"
)
top17 <- plot_terms(dtm17, tit = "2017")
top17
eplot_grid(top8, top9, top10,
nrow = 2,
ncol = 2
)
plot_grid(top11, top12, top13, top14,
nrow = 2,
ncol = 2
)
plot_grid(top15, top16, top17,
nrow = 2,
ncol = 2
)
?LDA
data("AssociatedPress", package = "topicmodels")
lda <- LDA(AssociatedPress[1:20,], control = list(alpha = 0.1), k = 2)
lda_inf <- posterior(lda, AssociatedPress[21:30,])
lda_inf$topics