如何在Quanteda中使用docvars创建文档变量实现两党文本分组对比
组间Keyness分析实现流程
1. 为语料添加分组文档变量
Quantedma的分析逻辑默认以dfm的行单位为对比对象,要实现跨文档的组级对比,首先需要为每个文档绑定所属组的元数据,你可以选择以下任意一种方案完成标记:
- 合并前预标记(推荐):
你目前已经持有拆分的民主党、共和党单独语料,可在合并前直接为两个语料注入组标,完全避免文件名识别的误差:docvars(corp20d, "party") <- "Democrat" docvars(corp20r, "party") <- "Republican" corp20dr <- corp20d + corp20r - 合并后基于文件名识别(备选):
若已完成语料合并,可依托文件名中自带的dem/gop字段自动匹配分组:docvars(corp20dr, "party") <- ifelse( grepl("dem", docnames(corp20dr)), "Democrat", "Republican" ) - 分组校验:标记完成后运行
table(docvars(corp20dr, "party")),确认分组计数为民主党15份、共和党13份,与实际文档数匹配即可。
2. 构建组级聚合dfm
你原有代码存在两处问题:一是代码块中误插入的多余```会触发语法报错,二是逐文档的dfm无法直接实现全组对比,需要将同组文档的词频聚合:
# 构建基础清洗dfm corp20dr_dfm <- dfm( corp20dr, remove = stopwords("english"), stem = TRUE, remove_numbers = TRUE, remove_punct = TRUE ) # 按政党聚合所有同组文档的词频,生成仅含2行(两党总用词计数)的组级dfm grouped_dfm <- dfm_group(corp20dr_dfm, groups = party)
3. 运行Keyness分析并绘图
调用分析函数时显式指定目标组,覆盖函数默认的“首文档为对比目标”逻辑:
# 以民主党全量文档为目标组,共和党全量文档自动作为参考组开展keyness计算 result_keyness <- textstat_keyness(grouped_dfm, target = "Democrat") # 绘制对比图:蓝色为民主党特征显著词,红色为共和党特征显著词 textplot_keyness( result_keyness, color = c("blue", "red") )
你之前得到单文档对比结果的核心原因:未向
textstat_keyness传入target参数时,函数会默认取dfm第一行的文档(即阿拉斯加州民主党纲领)为对比目标,其余27份文档为参考组,完全匹配你遇到的异常表现。
注意:分析前必须完成dfm的组聚合,否则即使指定target参数,计算逻辑也会出现偏差。
内容的提问来源于stack exchange,提问作者dcoffey
相关产品推荐
相关产品推荐

