Calcular co-ocorrências de termos

ac_cooccurrence() calcula pares de termos que co-ocorrem dentro de janelas deslizantes ou dentro do mesmo documento, retornando frequências e medidas de associação (PMI, Dice).

Usage

ac_cooccurrence(
  corpus,
  window = 5L,
  unit = c("window", "document"),
  measure = c("count", "pmi", "dice"),
  min_count = 2L,
  ...
)

Arguments

corpus

Objeto ac_corpus ou tibble com colunas doc_id e token (saída de ac_tokenize()).

window

Tamanho da janela deslizante (número de tokens de cada lado). Padrão: 5. Ignorado se unit = "document".

unit

Unidade de co-ocorrência: "window" (padrão) ou "document".

measure

Medidas de associação a calcular. Um ou mais de: "count" (frequência conjunta), "pmi" (pointwise mutual information), "dice" (coeficiente Dice). Padrão: c("count", "pmi").

min_count

Frequência mínima de co-ocorrência para incluir o par. Padrão: 2.

...

Ignorado.

Value

Tibble com colunas:

• word1, word2: par de termos (ordenado alfabeticamente);

• cooc: frequência de co-ocorrência;

• pmi (se solicitado): pointwise mutual information;

• dice (se solicitado): coeficiente Dice.

See also

ac_tokenize(), ac_plot_cooccurrence()

Examples

df <- data.frame(
  id = c("d1", "d2", "d3"),
  texto = c(
    "democracia participacao cidadania",
    "participacao politica democracia",
    "cidadania direitos participacao"
  )
)
corpus <- ac_corpus(df, text = texto, docid = id) |>
  ac_clean()
tokens <- ac_tokenize(corpus)
ac_cooccurrence(tokens, window = 3, min_count = 1)
#> # A tibble: 7 × 5
#>   word1        word2         cooc   pmi  dice
#>   <chr>        <chr>        <int> <dbl> <dbl>
#> 1 cidadania    participacao     4  2.58     1
#> 2 democracia   participacao     4  2.58     1
#> 3 cidadania    democracia       2  2.17     1
#> 4 cidadania    direitos         2  3.17     1
#> 5 democracia   politica         2  3.17     1
#> 6 direitos     participacao     2  2.58     1
#> 7 participacao politica         2  2.58     1