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

[miri@m@@iz@te m@iii@g oii u@@v@rr@@es]

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, <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
>