[텍스트마이닝] 형태소 분석 관련 연습문제

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.

 

데이터,라이브러리 불러오기

library(multilinguer)
library(KoNLP) 
library(dplyr)

speech <- readLines("dataset3/speech_park.txt", encoding = "UTF-8")

 

데이터 전처리 하기

library(stringr)
library(textclean)

speech1 <- speech %>% str_replace_all("[^가-힣]", " ") %>% str_squish() %>% as_tibble()
speech1

 

연설문에서 명사만 추출

speech_noun <- speech1 %>% unnest_tokens(input = value, output = word, token = extractNoun)
speech_noun

 

Q2. 가장 자주 사용된 단어 20개를 추출하세요.

top20 <- speech_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 다음 문장 기준으로 토큰화하세요.

speech_sen <- speech %>% str_squish() %>% as_tibble()

speech_senten <- speech_sen %>% unnest_tokens(input = value, output = sentence, token = "sentences")
speech_senten

 

Q5. 연설문에서 "경제"가 사용된 문장을 출력하세요.

speech_senten %>% filter(str_detect(sentence, '경제'))