You need to enable JavaScript to run this app. 如何在Quanteda中使用docvars创建文档变量实现两党文本分组对比
优惠活动
大模型
产品
解决方案
定价
更多

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
方舟 Agent Plan

超全模态模型 × Harness 升级,最新支持 Deepseek-V4.1-Flash、GLM-5.3 系列、Doubao-Seedream-5.0-pro、Kimi-K3 (部分), 限时 9.9 元起

最近更新时间:2026.11.10 21:54:00