형태소 분석기를 이용한 빈도분석 ex

speech_park.txt

0.01MB

 

 

 

        박근혜 전 대통령의 대선 출마 선언문이 들어있는 speech_park.txt를 이용해 문제를 해결해 보세요

 

Q1. speech_park.txt를 불러와 분석에 적합하게 전처리한 다음 연설문에서 명사를 추출하세요.

 

# 텍스트 불러오기

speechtxt <- file("C:/speech_park.txt",encoding = "UTF-8") speech <- readLines(speechtxt) speech

 

# 전처리

library(dplyr) library(stringr) speech_df <- speech %>%    str_replace_all("[^가-힣]"," ") %>%   str_squish() %>%   as_tibble() speech_df

 

# 연설문에서 명사 추출 

library(tidytext) library(KoNLP) word_noun <- speech_df %>% unnest_tokens(input=value, output=word, token=extractNoun) word_noun

 

 

Q2. 가장 자주 사용된 단어 20개를 추출하세요.

 

top20 <- word_noun %>% count(word,sort=T) %>% filter(str_count(word) > 1) %>% head(20) top20

 

 

Q3. 가장 자주 사용된 단어 20개의 빈도를 나타낸 막대 그래프를 만드세요.

library(ggplot2) ggplot(top20, aes(x = reorder(word,n), y = n)) +   geom_col() + coord_flip() + geom_text(aes(label = n), hjust = -0.3) +  labs(x = NULL)

 

Q4. 전처리하지 않은 연설문에서 연속된 공백을 제거하고 tibble 구조로 변환한 다음문장 기준으로 토큰화하세요

sentences_speech <- speech %>% str_squish() %>% as_tibble() %>%    unnest_tokens(input=value, output = sentence, token = "sentences") sentences_speech

 

 

Q5. 연설문에서 "경제"가 사용된 문장을 출력하세요.

sentences_speech %>% filter(str_detect(sentence,"경제")) sentences_speech