[R-es] [Posible SPAM] Re: Stopwords: Topic modelling con LDA

[Carlos Ortega]

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, <miriam.alzate using unavarra.es> 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, <miriam.alzate using unavarra.es> 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
> >> R-help-es using r-project.org
> >> https://stat.ethz.ch/mailman/listinfo/r-help-es
> >>
> >
> >
> > --
> > Saludos,
> > Carlos Ortega
> > www.qualityexcellence.es
> >
> >
>
>
>

-- 
Saludos,
Carlos Ortega
www.qualityexcellence.es

	[[alternative HTML version deleted]]