De acuerdo, muchas gracias! El Jue, 30 de Abril de 2020, 14:45, Carlos Ortega escribió: > Hola Miriam, > > No he visto que se use un filtro por defecto para el valor de tf-idf. > > En tu caso, tendrás que ver cúal es ese punto de corte que te revela > señal, > justo de los términos que te interesan. > Mira la distribución de palabras y su valor de tf-idf y selecciona tu > corte. > > Gracias, > Carlos. > www.qualityexcellence.es > > > El mié., 29 abr. 2020 a las 14:00, <[email protected]> escribió: > >> Hola, >> >> Acabo de calcular tf-idf y me surge una duda. ¿Habría un valor de idf o >> tf-idf que se considerara como umbral para establecer que una palabra es >> muy común o no? Los valores de idf en mis datos van entre 0 y 3.78 y los >> de tf-idf ente 0 y 0.07. >> >> Un saludo >> >> El Mar, 28 de Abril de 2020, 12:53, Carlos Ortega escribió: >> > Hola, >> > Yo de primeras los quitaría para qué otros topics aparecen. >> > >> > Y también aplicaría tf-idf a tus comentarios. Con tf-idf seguro que >> > desaparecen como relevantes esas palabras comunes, será otra forma de >> > confirmar que es buena la decisión de hacer el análisis eliminandolas. >> > >> > Saludos, >> > Carlos Ortega >> > >> https://protection.puc.rediris.es/fmlurlsvc/?fewReq=:B:JVI2PTg1Nip6MT0iPCplaDE8PTY8PSp/ZWtibXh5fmkxNW1qPG49bm09PzluaDtpPzk9aG5uPj89bm0/bj06bjpvOWk7PDtuaSp4MT05NDQ8Oz0+Pz4qfWVoMTw/X01+fFVmPD47OTg0ITw/X01+fFVgPD47OTg0Kn5vfHgxYWV+ZW1hIm1gdm14aUx5Ym16bX5+bSJpfypvMTU8&url=http%3a%2f%2fwww.qualityecellence.es >> > >> > El mar., 28 abr. 2020 a las 11:44, <[email protected]> >> escribió: >> > >> >> Buenos días, >> >> >> >> Estoy realizando un análisis de topic models con el método LDA. En >> >> principio, he quitado del análisis las palabras "stopwords" >> universales. >> >> A >> >> la hora de ver los topics y sus palabras más frecuentes encuentro que >> >> son >> >> muy similares y hay palabras que aparecen en todos los topics. Los >> >> textos >> >> que estoy analizando son opiniones de consumidores sobre una >> categoría >> >> concreta de cosméticos, por lo que la temática es muy concreta y >> puede >> >> ser >> >> que en todas las opiniones se hable de cosas similares. >> >> >> >> Mi pregunta es, incluiríais estas palabras que me aparecen en todos >> los >> >> topics o casi todos como stopwords? Hay alguna forma de refinar más >> el >> >> análisis y que haya más diferencias entre topics? >> >> >> >> Este es el código que estoy usando: >> >> >> >> Reviews_dtm <-text_df12star %>% >> >> unnest_tokens(word, text) %>% >> >> anti_join(stop_words)%>% >> >> count(Brand, word) %>% >> >> cast_dtm(Brand, word, n) >> >> >> >> >> >> Reviews_lda <- LDA(Reviews12_dtm, k = 15, control = list(seed = >> 2016)) >> >> >> >> Un saludo >> >> >> >> Miriam >> >> >> >> _______________________________________________ >> >> R-help-es mailing list >> >> [email protected] >> >> https://stat.ethz.ch/mailman/listinfo/r-help-es >> >> >> > >> > >> > -- >> > Saludos, >> > Carlos Ortega >> > www.qualityexcellence.es >> > >> > >> >> >> > > -- > Saludos, > Carlos Ortega > www.qualityexcellence.es >
_______________________________________________ R-help-es mailing list [email protected] https://stat.ethz.ch/mailman/listinfo/r-help-es
